Nuplex 1.0 與 Emma：以人類節奏應答的影片角色

Nuance Labs 發布文章中最讓人卸下心防的一句話，就是公司否定自家基準測試的那句。文章先展示一張圖表，顯示其新模型有 89% 的時間能與人類的回覆時機相符，而次佳系統僅 35%；隨後文章坦承，「影音全雙工領域的基準測試目前仍無法準確反映使用者體驗。」這不是硬加在行銷頁面底部的避險措辭，而是對 Nuplex 1.0 真實面貌的誠實定調：這是來自西雅圖實驗室的首個公開發布版本，該實驗室花了 18 個月打造一個能同時看、聽、推理與說話的影音模型，並於 2026 年 11 月 9 日以名為 Emma 的單一消費級人格形式推出。以下將區分廠商實際測量了什麼、廠商表示自家測量無法告訴你什麼，以及開發者今天能實際用到什麼。

用一段話說明它的樣貌。Nuplex 1.0 是一個全雙工視聽基礎模型——「Nuplex」是該公司對Nuance Full-duplex的縮寫，這套系統會同時聆聽與說話，而不是輪流發言。Emma 是建構於其上的第一個角色人格：一個你在瀏覽器中透過麥克風與選配攝影機交談的影片角色，她的臉部與聲音是向一位真實女演員授權取得，並且在設計上會在你還在說話時點頭、微笑、移開目光並插話。消費端體驗無需帳號。Nuplex Beta API 是除了好奇的訪客之外、任何人得以接觸這個模型的途徑，它位於公司平台網站的註冊關卡之後。

哪些已推出，哪些仍處於封閉狀態

主要成果是一篇研究貼文〈認識 Emma：首位 Nuplex Persona〉，日期為 2026 年 11 月 9 日，並附有可引用的 BibTeX 條目——這是研究者的發布，而非產品主題演說。它連結了兩個入口：emma.nuancelabs.ai 通往該 persona 本身，而 platform.nuancelabs.ai 則通往帶有「幾種不同 persona」的 beta API。除了預設角色之外，API 簡介還讓你撰寫 persona 提示詞、即時追蹤對話，並讓 persona 在背景將較長的工作交給你自己的工具處理，同時它繼續與使用者交談。

同日晚間，一位創始研究員以「Emma, a real-time AI video persona from Nuance Labs」為標題，將這個人物角色發佈到 Hacker News，並在討論串中回答問題。當中有三個細節值得留意，因為它們不在行銷頁面上：Beta API 是預定的開發者途徑；團隊將這項工作定位為押注自然度而非既有基準；以及早期通話者曾被警告 Emma「可能會提前結束通話」——這是安全行為，而非錯誤，研究文章後來對此有詳細說明。

尚未開放的部分，大多是商業層面。平台子網域位於需驗證的註冊外殼之後，且無法取得任何公開價目表、費率卡或載有參數數量的模型卡。因此，關於成本的誠實說法是：與 Emma 對話不需要帳號，也不需要付款，而 beta API 的條款會在註冊時議定。今天任何引用 Nuplex 1.0 每 token 價格的人，都是憑空捏造。

以廠商自己的解讀方式，來看這項 89% 的說法

{{1}}回覆延遲{{/1}}是每個全雙工系統被評判的關鍵數字，而 Nuance Labs 主張，單靠它幾乎說明不了什麼，因為延遲是產品決策，而不是一項分數。他們自己的框架把這個領域分成兩類。像 PersonaPlex 和 Moshi 這樣的開放模型，被調校成盡可能快速回答，並在現有基準測試中衝到最高分。像 GPT-Live 和 {{2}}G​emini Live{{/2}} 這樣的產品系統則需要更長時間，「最可能是因為它們寧可不打斷你」。Nuplex 1.0 則刻意被放在兩者之間。

{{1}}所以公司衡量的是另一件事：不是系統回答得有多快，而是它是否會在人會回答的時候回答。{{/1}}在{{2}}1,785 個取自公司自身真實對話錄音的問題上，Nuplex 的回覆時機有 89% 與原始說話者重疊。第二接近的系統只有 35%。這句話的每個部分都由廠商自行報告，公司外部沒有人能重現；而且其中兩個比較數字帶有廠商自己主動提出的但書：GPT-Live 和 G​emini Live 是透過其公開 API 存取的，因此它們的計時包含網路時間，而 Nuplex 的計時不包含。{{/2}}

不管這項說法有多少可信度，它仍然是一個已公開、具體且可查證的東西——有名稱的題目集、有名稱的指標、明確陳述的比較方法。更有趣的問題是，為什麼一家實驗室會先以一個數字開場，接著卻在下一段削弱它。因為這項指標衡量的，正是產品實際販售的東西。面對面交談不是講求快速的交談；在這種交談裡，對方的時間節奏訊號會顯示出注意力。Emma 的視覺線索——你說話時點頭、轉移目光以宣告輪到自己發言——是這種時序得以產生的一部分，而這正是它與一個在上面疊加虛擬人像的語音對語音模型之間的具體差異。

一張取自某位女演員的臉，以及一個被訓練成愛唱反調的人格

這則貼文中最不像產品發布的部分，是關於生成臉孔為何看起來不對勁的那一段。公司指出，若請專業演員詮釋同一種情緒，會得到很大的差異，並引用 Le Mau et al. 2021；相對地，AI 生成的臉孔會產生一種更容易標註、且比真實擺拍照片更強烈的典型表情，並引用 Kramer et al. 2026。把許多人的臉孔平均起來，得到的結果會變得平淡。為了標籤而最佳化，得到的就會是卡通。

Nuance Labs 的答案是停止平均化。Emma 的臉和聲音來自一位參與捕捉作業的女演員，她的舉止是仿照某個特定角色，而非訓練資料的概括——強調時拉長眨眼、眯眼、目光游移後又回到原處、無法抑制反應時的小跳動。這篇貼文將她與原型表情符號風格的表情並置對比，以視覺方式說明這一點，而這是那種你兩秒內就會注意到、之後再也無法忽略的差異。

人格這部分的工作，是其中比較奇特的主張。Emma 被設計成好奇、機敏、有自己的觀點，而且會不同意你，同時也公開表明自己是 AI。那篇貼文直言這件事為何困難：偏好資料會獎勵順著提問者意思的答案，所以大多數助理會重複你說的話、加以讚美、得出一個工整的道德結論，最後再以一個問題收尾。文中引用的是 Sharma et al. 2024 關於諂媚的研究，而隨之而來的設計限制是：只有一個 Emma——一張臉、一種聲音、一種性情——不是一個可以透過重新提示就讓它附和你的角色。

測試版會拒絕做什麼

Nuance Labs 在安全章節開頭引用首批測試人員的話，他們常常一口氣說出兩件事：「它很驚豔，也有點令人不安。」接下來的限制對一次產品發布而言異常具體，而這正是本月有幾款顯而易見的產品無法以 Nuplex 1.0 打造的原因。

• 揭露是結構性的——Emma 從不宣稱自己是人類；試圖讓角色宣稱自己是人類的開發者提示詞會被拒絕；而透過 API 提供的影片帶有可見浮水印。

• 不提供複製功能——Beta 版無法複製真人，你無法上傳臉部或聲音，而為某個組織打造的自訂臉部只能由該組織使用。

• 不得含有性內容，也不得有 AI 女友或男友。

• 醫療保健以及任何涉及18歲以下人士的範疇（包括教育）完全不在測試版範圍之內；該等查詢會改為轉送至企業專用地址。

• 每個開發者提示詞都會在對話開始前接受審查。通話期間，若出現明確表達嚴重暴力意圖、辱罵或仇恨言論、性內容，或在鏡頭前展示武器與血腥畫面，自動檢查便會終止通話——此外，若角色本身要求提供通行碼、卡片資料、金錢或裝置的遠端存取權限，也會終止通話。

• {{1}}對於明顯處於危機狀態的人，會引導其尋求協助，例如自殺與危機生命線，而不是直接掛斷。{{/1}}{{2}}屢次違規將暫停新的對話。{{/2}}{{3}}整個產品僅限 18 歲以上人士使用。{{/3}}

這篇文章補上了多數廠商會略而不談的那句話：這些檢查會漏掉一些東西，有時也會掛斷原本沒問題的通話。這是應該告訴大家的話，也準確描述了這個產品目前的處境——一個謹慎劃定範圍的 beta，而非一個平台。

Emma 目前還不能做的事

這份限制清單長得足以派上用場。Emma 的推理來自語言模型，因此她會自信地出錯，也仍可能數錯「strawberry」裡的字母。輪流發言在最困難的情境下會失靈：她可能在你話說到一半時插話、多等了一拍，或漏掉一般人會察覺的提示，而句子中間的長暫停是最糟的情況。她目前只支援英文。背景人聲、電視、擴音或麥克風收音不佳，都會拖累她的時機掌握。串流視覺理解尚在早期——鏡頭開著時，她能談論自己看到什麼，但會漏掉細節、誤讀場景。唇形同步、目光與頭部動作偶爾會出錯，尤其在連線品質差時，她的表情也可能在對話中途飄回中性。她不會唱歌。公司用一個笑臉這麼說，這也合理暗示了其餘清單該多認真看待。

Nuplex 1.0 背後是誰？

Nuance Labs 規模不大，且明確以研究為先，總部位於華盛頓州西雅圖。其三位具名創辦人分別是 Fangchang Ma（共同創辦人暨執行長，擁有 MIT 機器人學與機器學習博士學位，曾任 Apple 工程經理）、Edward Zhang（共同創辦人暨技術長，擁有華盛頓大學電腦圖學博士學位，曾任 Apple 資深研究科學家）與 Karren Yang（共同創辦人暨首席科學家，擁有 MIT 視聽合成博士學位，也曾任職於 Apple）。該公司對這款模型的表述是：這是一套單一系統，能「在同一瞬間看見、聽見、推理、說話並表達」，其建構方式是預測下一個音訊與視覺符元，而非下一個詞——也就是同一套學會語言的自我迴歸機制，被指向人類行為。

它的首頁也直白地標明設計目標：「500ms 是對話延遲的硬性下限」，並列出四大支柱——表現力與自然度、即時互動性、討喜的人格特質，以及透過語助詞、點頭與回饋式應答（backchannelling）實現的主動聆聽。這四項都不是基準測試，而 500ms 這個數字是宣示的下限，而非實測結果，因此應將其理解為團隊設計時依循的約束條件，而不是對 Nuplex 1.0 的效能主張。

你實際上可以在哪裡使用它

可用範圍具地域性，且比「全球」更窄。Emma 與 Nuplex Beta API 在美國（科羅拉多州、康乃狄克州、伊利諾州與德州除外）、歐盟、英國，以及加拿大（魁北克省除外）提供。與 Emma 對話不需要帳號——只需瀏覽器、麥克風，以及可選的攝影機，就是全部所需設備。

對建構者而言，有趣的架構事實是：Nuplex 位於語言模型前方，而非取代語言模型。Nuance Labs 表示，Nuplex 可搭配任何語言模型運作，但 Beta 版使用的是自家其中一個模型，因此 Emma 底下的推理層目前並非由第三方提供。Beta 版真正揭露的是接縫：該角色能在持續對話的同時，把較長的工作交給你的工具，而那些工具可以呼叫你想要的任何模型或服務。

那道接縫正是路由器發揮價值的地方，而我們值得精確說明自己做了什麼、沒做什麼。OrcaRouter 並不提供 Nuplex 1.0——這個模型不在我們的目錄中，唯一能觸及它的途徑是透過 Nuance Labs 自家的 beta 平台。我們所提供的，是這通呼叫的另一端：215 個模型，共用一組與 OpenAI 相容的金鑰，以供應商定價提供，零加價原樣轉出，因此 persona 工具所選用的模型，只要改一個字串就能替換，不必再簽第二份合約。自動故障轉移涵蓋了即時對話中最要緊的情況：供應商在通話中途停滯，比答案稍弱更糟；而路由 DSL 讓你能在單一端點後組合多個模型，適合背景任務需要一個模型起草、另一個模型查核時使用。

接下來要看什麼

有三件事能讓它從令人驚豔的展示，躍升為一個平台。第一是獨立測量：沒有任何外部單位跑過那套 1,785 題的計時測試，而 AV 全雙工領域也沒有共用測試場域，這正是廠商得以發表自家題庫而不會遭到矛盾的原因。第二是語言清單——僅支援英文是 beta 版最大的單一限制，而多語言的 Nuplex 會改變誰能在其上開發。第三是底層的語言模型：一旦 Nuplex 提供自帶語言模型（bring-your-own LM）的選項，路由問題就不再是關於工具，而是關於對話本身。在那之前，公允的總結是：Nuance Labs 交出了迄今最有說服力的論證——對話是一種視覺行為——並且審慎設下足夠的界線，讓沒有人能悄悄用它打造出錯誤的東西。