Nuplex 1.0 и Emma: видеоперсона, которая отвечает в человеческом ритме

Самая обезоруживающая фраза в посте Nuance Labs о запуске — та, где компания отрекается от собственного бенчмарка. После демонстрации графика, на котором её новая модель совпадает по времени ответа с человеком в 89% случаев против 35% у следующей ближайшей системы, в посте признаётся, что «бенчмарки в области AV full-duplex пока не дают точного представления о пользовательском опыте». Это не оговорка, прикрученная к низу маркетинговой страницы. Это честная рамка для того, чем на самом деле является Nuplex 1.0: первый публичный релиз лаборатории из Сиэтла, которая потратила 18 месяцев на создание аудиовизуальной модели, видящей, слышащей, рассуждающей и говорящей в одно и то же мгновение, выпущенной 9 ноября 2026 года в рамках единственной потребительской персоны по имени Emma. Далее отделяются друг от друга то, что измерил вендор, то, о чём, по его словам, его собственные измерения не могут вам рассказать, и то, что разработчик может получить уже сегодня.

Суть — в одном абзаце. Nuplex 1.0 — это полнодуплексная аудиовизуальная фундаментальная модель; «Nuplex» — это сокращение, придуманное компанией, от Nuance Full-duplex, системы, которая слушает и говорит одновременно, а не по очереди. Emma — первая персона, созданная на её основе: видеоперсонаж, с которым вы общаетесь в браузере через микрофон и, при желании, камеру; её лицо и голос лицензированы у реальной актрисы, и она задумана так, чтобы кивать, улыбаться, отводить взгляд и вставлять реплики, пока вы ещё говорите. Для обычного пользователя учётная запись не нужна. Nuplex Beta API — то, с помощью чего любой, кроме любопытного посетителя, может получить доступ к модели, — доступен после регистрации на сайте платформы компании.

Что уже выпущено, а что всё ещё закрыто

Основным артефактом является исследовательский пост «Знакомьтесь: Emma, первая персона Nuplex» от 9 ноября 2026 года с цитируемой записью BibTeX — публикация исследователя, а не продуктовая презентация. В нём указаны два входа: emma.nuancelabs.ai для самой персоны и platform.nuancelabs.ai для бета-API с «несколькими разными персонами». Помимо персонажа по умолчанию, краткое описание API позволяет вам написать промпт персоны, следить за разговором в реальном времени и позволить персоне передавать более длительные задачи вашим собственным инструментам в фоновом режиме, пока она продолжает общаться с пользователем.

В тот же вечер исследователь-основатель опубликовал описание персоны на Hacker News под заголовком «Emma, ИИ-видеоперсона в реальном времени от Nuance Labs» и отвечал на вопросы в ветке. Три детали оттуда стоит запомнить, потому что их нет на маркетинговой странице: что бета-API — это предполагаемый путь для разработчиков; что команда позиционирует свою работу как ставку на естественность в противовес существующим бенчмаркам; и что первых пользователей звонков предупреждали, что Emma «может преждевременно завершить звонок» — это поведение, связанное с безопасностью, а не ошибка, что позже подробно объясняется в исследовательском посте.

То, что не является открытым, — это большая часть коммерческой поверхности. Поддомен платформы находится за аутентифицированной оболочкой регистрации, и ни один публичный прайс-лист, тарифная карта или карточка модели с указанием количества параметров не был доступен. Поэтому честное утверждение о стоимости таково: для разговора с Emma не нужны ни аккаунт, ни оплата, а условия бета-API согласуются при регистрации. Любой, кто сегодня называет цену за токен для Nuplex 1.0, её выдумывает.

Утверждение о 89% в трактовке поставщика

Задержка ответа — это показатель, по которому оценивают каждую полнодуплексную систему, и Nuance Labs утверждает, что сам по себе он решает очень мало, поскольку задержка — это продуктовое решение, а не оценка. Собственная формулировка компании делит поле на две части. Открытые модели, такие как PersonaPlex и Moshi, настроены отвечать как можно быстрее и выжимать максимум из существующих бенчмарков. Продуктовые системы, такие как GPT-Live и Gemini Live, отвечают дольше, «скорее всего, потому что они предпочли бы не перебивать вас». Nuplex 1.0 намеренно размещён между ними.

Итак, компания измеряла другое: не то, как быстро система отвечает, а то, отвечает ли она тогда, когда ответил бы человек. На 1 785 вопросах, взятых из собственных записей реальных разговоров компании, время ответа Nuplex совпадало со временем ответа исходного говорящего в 89 % случаев. Ближайшая из остальных систем показала 35 %. Каждая часть этого предложения основана на данных поставщика и никем за пределами компании не воспроизведена, а два сравнительных показателя сопровождаются оговоркой, которую поставщик сам добровольно приводит: доступ к GPT-Live и Gemini Live осуществлялся через их публичные API, поэтому их тайминги включают сетевое время, которого нет в таймингах Nuplex.

Примите это утверждение с поправкой, но даже так это конкретная, проверяемая вещь, которую опубликовали: названный набор вопросов, названная метрика, заявленный метод сравнения. Более интересный вопрос — почему лаборатория начинает с цифры, а затем подрывает её в следующем абзаце. Потому что метрика измеряет то, что продукт на самом деле продаёт. Разговор лицом к лицу — не быстрый разговор; это разговор, в котором тайминг собеседника сигнализирует внимание. Визуальные сигналы Эммы — кивок, пока вы говорите, сдвиг взгляда, сигнализирующий о взятии слова, — часть того, как создаётся этот тайминг, и в этом конкретное отличие от модели «речь в речь» с аватаром, отрисованным поверх неё.

Лицо одной актрисы и характер, обученный не соглашаться

Наименее похожая на запуск часть поста — это часть о том, почему сгенерированные лица выглядят неправильно. Если попросить профессиональных актёров изобразить одну и ту же эмоцию, вы получите широкий разброс, отмечает компания, ссылаясь на Le Mau et al. 2021; вместо этого лица, сгенерированные ИИ, дают прототипическое выражение, которое легче разметить и которое интенсивнее, чем настоящая постановочная фотография, со ссылкой на Kramer et al. 2026. Усредните многих людей — получите что-то приглушённое. Оптимизируйте под метку — получите карикатуру.

Ответом Nuance Labs было прекратить усреднение. Лицо и голос Эммы происходят от одной актрисы, участвовавшей в захвате, а её манеры смоделированы по конкретному персонажу, а не по обобщению обучающих данных — долгое моргание для выразительности, прищур, глаза, которые блуждают и возвращаются, небольшой подскок, когда она не может сдержать реакцию. В публикации её противопоставляют прототипным выражениям в стиле эмодзи, чтобы визуально донести эту мысль, и это та разница, которую замечаешь за две секунды и потом уже не можешь не замечать.

Работа над личностью — самое необычное утверждение. Emma задумана любопытной, сообразительной, имеющей собственные мнения и способной не соглашаться с вами, при этом открыто являясь ИИ. В посте прямо говорится, почему это трудно: данные о предпочтениях вознаграждают ответы, соглашающиеся с задающим вопрос, поэтому большинство ассистентов повторяют сказанное вами, хвалят это, выводят аккуратный моральный урок и заканчивают вопросом. Приводится ссылка на Sharma et al. 2024 о сикофантстве, и отсюда следует ограничение дизайна: Emma существует только одна — одно лицо, один голос, один темперамент — а не персонаж, которого можно повторным промптом склонить к согласию.

Что бета-версия откажется делать

Nuance Labs открывает раздел о безопасности цитатой своих первых тестировщиков, которые говорили две вещи «часто на одном дыхании: это было потрясающе, и это немного тревожило». Ограничения, которые следуют далее, необычно конкретны для запуска, и именно из-за них несколько очевидных продуктов не могут быть построены на Nuplex 1.0 в этом месяце.

• Раскрытие информации заложено в саму структуру — Emma никогда не заявляет, что она человек; промпты разработчиков, пытающиеся заставить персону утверждать это, отклоняются, а видео, передаваемое через API, имеет видимый водяной знак.

• Без клонирования — бета-версия не может клонировать реальных людей, вы не можете загрузить лицо или голос, а персонализированное лицо, созданное для организации, может использоваться только этой организацией.

• Никакого сексуального контента, а также никаких ИИ-девушек или ИИ-парней.

• Здравоохранение и всё, что связано с лицами младше 18 лет, включая образование, полностью исключены из бета-версии; такие обращения вместо этого направляются на корпоративный адрес.

• Каждый запрос разработчика проверяется до начала разговора. Во время звонка автоматические проверки прекращают его при выраженном намерении совершить серьёзное насилие, при оскорблениях или разжигании ненависти, сексуальном контенте или оружии и кровавых сценах в кадре — а также если сам персонаж просит код доступа, данные карты, деньги или удалённый доступ к устройству.

• Человеку, который, судя по всему, находится в кризисном состоянии, предлагают обратиться за помощью, например в Suicide & Crisis Lifeline, а не вешают трубку. Повторные нарушения приостанавливают новые разговоры. Весь продукт предназначен для лиц 18+.

В посте добавлено предложение, которое большинство вендоров опускают: эти проверки будут что-то пропускать и иногда будут завершать звонки, которые были в порядке. Это правильная вещь, которую стоит сообщать людям, и это также точное описание того, на каком этапе находится продукт — тщательно ограниченная бета-версия, а не платформа.

Что Эмма пока не умеет делать

Список ограничений достаточно длинный, чтобы быть полезным. Рассуждения Эммы основаны на языковой модели, поэтому она уверенно ошибается и всё ещё может неправильно посчитать буквы в слове «strawberry». Смена реплик даёт сбои там, где это сложнее всего: она может вклиниться на середине мысли, выдержать паузу чуть дольше нужного или пропустить сигнал, который уловил бы человек, а длинные паузы посреди предложения — худший случай. Пока она работает только на английском. Фоновые голоса, телевизор, громкая связь или слабый микрофон ухудшают её чувство тайминга. Потоковое визуальное понимание пока находится на ранней стадии — при включённой камере она может обсуждать увиденное, но будет упускать детали и неверно трактовать сцены. Синхронизация губ, взгляд и движения головы иногда дают сбои, особенно при плохом соединении, а её выражение лица может посреди разговора вернуться к нейтральному. Она не умеет петь. Компания сообщает об этом со смайликом — верный сигнал о том, насколько серьёзно стоит воспринимать остальную часть списка.

Кто стоит за Nuplex 1.0?

Nuance Labs — небольшая компания с явным приоритетом исследований, базируется в Сиэтле, штат Вашингтон. Трое ее названных основателей — Фанчан Ма (соучредитель и генеральный директор, степень PhD по робототехнике и машинному обучению в MIT, ранее инженерный менеджер в Apple), Эдвард Чжан (соучредитель и технический директор, степень PhD по компьютерной графике в Вашингтонском университете, ранее старший научный сотрудник в Apple) и Каррен Ян (соучредитель и главный научный сотрудник, степень PhD по аудиовизуальному синтезу в MIT, также ранее работала в Apple). Сама компания описывает модель как единую систему, которая «видит, слышит, рассуждает, говорит и выражает себя в один и тот же момент», построенную на предсказании следующего аудио- и визуального токена, а не следующего слова — тот же авторегрессионный механизм, который освоил язык, но нацеленный на поведение человека.

На её главной странице также прямо указана цель дизайна: «500 мс — это жёсткий нижний предел задержки разговора», — наряду с четырьмя столпами: выразительность и естественность, интерактивность в реальном времени, обаятельная индивидуальность и активное слушание через междометия, кивки и поддакивание. Ни один из этих четырёх пунктов не является бенчмарком, а цифра 500 мс — это заявленный нижний порог, а не измеренный результат, поэтому воспринимайте её как ограничение, под которое проектирует команда, а не как заявление о производительности Nuplex 1.0.

Где вы действительно можете это использовать

Доступность зависит от географии и уже, чем «глобальная». Emma и Nuplex Beta API предлагаются в США, за исключением Колорадо, Коннектикута, Иллинойса и Техаса; в ЕС; в Великобритании; и в Канаде, за исключением Квебека. Для общения с Emma не нужен аккаунт — достаточно браузера, микрофона и, при желании, камеры.

Для разработчиков интересен один архитектурный факт: Nuplex располагается перед языковой моделью, а не заменяет её. В Nuance Labs говорят, что Nuplex работает с любой языковой моделью, но в бета-версии используется одна из собственных моделей компании, поэтому слой рассуждений под Emma — это не то, что сегодня поставляет третья сторона. Что бета-версия действительно показывает, так это стык: персона может передавать более длительные задачи вашим инструментам, продолжая при этом разговор, а эти инструменты могут обращаться к любой модели или сервису на ваш выбор.

Этот стык — то место, где роутер оправдывает своё существование, и стоит точно обозначить, что мы делаем, а что нет. OrcaRouter не предоставляет Nuplex 1.0 — этой модели нет в нашем каталоге, и единственный способ до неё добраться — через собственную бета-платформу Nuance Labs. А что мы предоставляем — так это другую сторону вызова: 215 моделей за одним ключом, совместимым с OpenAI по прайсовой цене провайдера, передаваемой с наценкой 0%, так что модель, к которой обращаются инструменты персоны, можно заменить, изменив строку, а не подписывая второй контракт. Автоматическое переключение при сбое покрывает случай, который важнее всего в живом разговоре, когда зависание провайдера посреди вызова хуже, чем чуть более слабый ответ, а DSL маршрутизации позволяет собрать несколько моделей за одной конечной точкой, когда фоновая задача хочет, чтобы одна модель готовила черновик, а другая проверяла.

Что посмотреть дальше

Три вещи превратили бы это из впечатляющей демонстрации в платформу. Первая — независимое измерение: ни одна внешняя сторона не провела тест на тайминг из 1 785 вопросов, а в пространстве AV full-duplex нет общей арены — именно поэтому вендор мог опубликовать собственный набор вопросов без противоречий. Вторая — список языков: поддержка только английского — самое серьёзное ограничение беты, а многоязычный Nuplex меняет то, кто может на нём строить. Третья — языковая модель в основе: как только Nuplex предложат с возможностью bring-your-own LM, вопрос маршрутизации перестанет быть вопросом инструментов и станет вопросом самого разговора. До тех пор справедливая оценка такова: Nuance Labs выпустила самый убедительный на сегодня аргумент, что разговор — это визуальный акт, — и достаточно тщательно его огородила, чтобы никто не мог тихо построить с его помощью не то.