PersonaPlex, da NVIDIA: o modelo de voz que ouve e fala ao mesmo tempo
Os links oficiais, o que o modelo faz de verdade, o que ele exige para rodar e um pedido pronto para avaliar se um agente de voz faria sentido no seu atendimento.
O material
Os links oficiais, o guia e o pedido pronto
Fontes oficiais
Tudo direto da NVIDIA.
PersonaPlex no GitHub
- O que é: o repositório com o código e as instruções de instalação do modelo.
- Licença do código: MIT.
- Popularidade: passa de 11 mil estrelas.
Leia a página inicial antes de qualquer coisa.
Página oficial do projeto
- O que é: a página do laboratório da NVIDIA, com a explicação do modelo e exemplos.
- Exemplos: professor, atendente de banco, recepcionista de consultório e uma conversa casual.
Veja os exemplos para entender como a conversa soa.
Modelo no Hugging Face
- O que é: a página do modelo, onde ficam os arquivos.
- Acesso: é preciso ter conta e aceitar a licença do modelo para baixar.
Crie a conta e aceite a licença antes de tentar instalar.
O que muda
A diferença entre um assistente de voz comum e o duplex.
Ouve e fala ao mesmo tempo
Ele não espera você terminar para começar a responder, e aceita interrupção.
Um papel por texto
Você descreve quem ele é e o que sabe, como atendente de uma empresa.
Voz à escolha
O projeto traz 18 vozes prontas, femininas e masculinas.
Código aberto
O código é MIT, e os pesos do modelo seguem a licença aberta da NVIDIA.
Assistente de voz comum e PersonaPlex
| Critério | Assistente de voz comum | PersonaPlex |
|---|---|---|
| Como processa | Assistente de voz comumEm etapas separadas: transcreve a fala, pensa e depois fala a resposta | PersonaPlexUm único modelo que ouve e fala ao mesmo tempo, segundo a NVIDIA |
| Vez de falar | Assistente de voz comumEspera você terminar para começar a responder | PersonaPlexResponde em fluxo, acompanha pausas e aceita ser interrompido |
| Papel e voz | Assistente de voz comumDepende da plataforma que você usa | PersonaPlexDefinidos por um texto e por uma das vozes disponíveis |
| Idioma hoje | Assistente de voz comumVaria conforme a plataforma | PersonaPlexInglês, segundo o cartão do modelo |
PersonaPlex
Modelo de conversa por voz da NVIDIA
- Como funciona
- É um modelo de voz para voz, de cerca de 7 bilhões de parâmetros, baseado no Moshi. Ele recebe a sua fala e responde por voz, em tempo real, no papel que o texto definiu.
- Papéis de exemplo
- Professor, atendente de banco, recepcionista de consultório e conversa casual.
Pontos fortes
- Escuta e fala ao mesmo tempo, como uma conversa de verdade
- Código com licença MIT e pesos com licença aberta, que o cartão diz estar pronta para uso comercial
- O papel e a empresa são definidos por texto, sem treinar o modelo
Limites
- Fala e entende inglês. Português não é citado
- Testado em placas de vídeo de servidor (A100 e H100), em Linux, sem mínimo de memória informado
- Os arquivos exigem conta no Hugging Face e aceite da licença
- A NVIDIA recomenda testar com os seus dados antes de usar em produção
Para o time técnico
O caminho oficial resumido. Se você não programa, passe para o próximo bloco.
Gratuito, mas com exigência de hardware
- Custo: o modelo é gratuito para baixar. O custo real está na placa de vídeo, no servidor e no tempo de quem instala.
- Hardware: o repositório não informa um mínimo e traz uma opção de usar a memória do computador quando a da placa de vídeo é curta, o que deixa tudo mais lento.
- Idioma: o cartão do modelo fala em inglês de entrada e de saída.
- Produção: usar com clientes exige testes, controle de qualidade e aviso de que a conversa é com uma IA.
Comandos de instalação do repositório
O passo a passo do repositório oficial: baixar o código, instalar, informar o token e abrir o servidor.
Ver o texto do prompt
git clone https://github.com/NVIDIA/personaplex.git cd personaplex sudo apt install libopus-dev pip install moshi/. export HF_TOKEN=<SEU_TOKEN_DO_HUGGING_FACE> SSL_DIR=$(mktemp -d); python -m moshi.server --ssl "$SSL_DIR" # Se a memória da placa de vídeo for curta, adicione --cpu-offload ao último comando # A interface abre em localhost:8998
Para quem tem um servidor Linux com placa de vídeo. Confira a página inicial do repositório antes, porque os comandos podem mudar.
Pedido pronto
Para avaliar o agente de voz no seu atendimento, sem instalar nada.
Pedido: um agente de voz faria sentido no meu atendimento?
Separa o que um agente de voz resolveria sozinho do que precisa de uma pessoa e sugere um teste de uma semana.
Ver o texto do prompt
Quero avaliar se um agente de voz que conversa em tempo real, ouvindo e falando ao mesmo tempo, faria sentido no atendimento da minha empresa. Sobre a minha empresa: - O que eu vendo: [descreva em uma frase] - Como o cliente me procura hoje: [telefone, WhatsApp, site, presencial] - Perguntas que mais se repetem no atendimento: [liste de 5 a 10] - O que um atendente precisa consultar ou fazer no sistema para responder: [agenda, preço, pedido, cadastro] - Idioma dos meus clientes: [português, inglês, outro] Faça isto: 1. Separe as perguntas que um agente de voz resolveria sozinho das que precisam de uma pessoa, com o motivo. 2. Para as que ele resolveria, diga o que ele precisa saber e o que precisa conseguir fazer no sistema. 3. Aponte os riscos de colocar um agente de voz no atendimento, incluindo aviso ao cliente e dados da conversa. 4. Diga em que momento da conversa ele deve passar para uma pessoa. 5. Sugira o menor teste possível, em uma semana, para validar a ideia. Não invente dados da minha empresa. Se faltar informação, pergunte antes de responder.
Cole no ChatGPT, Claude ou Gemini, troque os colchetes pela realidade da sua empresa e leia a análise.
Como usar
Como aproveitar este material
Veja os exemplos da NVIDIA
Abra a página oficial do projeto e ouça os exemplos de atendimento: banco, consultório e conversa casual.
Você entende como soa uma conversa em duplex.
Confira o que ele exige
Leia a ficha e o aviso desta página: inglês, placa de vídeo de servidor, conta no Hugging Face e licença.
Você sabe se o PersonaPlex é para a sua empresa hoje.
Rode o pedido de avaliação
Cole o pedido da página no seu assistente de IA e descreva o seu atendimento de verdade.
Uma separação entre o que o agente de voz resolve e o que precisa de uma pessoa.
Passe a análise para o time técnico
Quem tem time ou fornecedor de tecnologia leva a análise e o link do repositório para avaliar a instalação.
Uma conversa objetiva sobre custo e viabilidade.
Defina um teste de uma semana
Escolha uma pergunta frequente do atendimento e um critério de sucesso antes de testar qualquer ferramenta de voz.
Um teste pequeno, com meta clara.
O tamanho real do problema
Onde esse material resolve e onde ele para
O que isso resolve
- Mostra o que é o PersonaPlex, com as fontes oficiais.
- Explica a diferença entre um assistente de voz comum e o duplex.
- Deixa claro o que ele exige hoje: inglês, placa de vídeo de servidor e licença.
- Ajuda a avaliar se um agente de voz faria sentido no seu atendimento.
O que isso não resolve
- Colocar um agente de voz em português no ar.
- A infraestrutura, a instalação e a manutenção do modelo.
- A ligação com agenda, cadastro, pedidos e WhatsApp.
- O processo de atendimento por trás da voz.
Um modelo que conversa por voz é só o ouvido e a boca. O que resolve o atendimento é o que ele sabe, o que ele pode fazer no seu sistema e o momento de passar para uma pessoa.
O próximo nível
A voz é só a parte que o cliente vê. O atendimento é o processo por trás.
Quando a IA entra no atendimento inteiro, a conversa, o sistema e a equipe trabalham juntos, em qualquer canal.
O gargalo certo primeiro
Você descobre onde o atendimento perde mais tempo e cliente, e começa por esse ponto.
Agente ligado ao seu sistema
A IA consulta agenda, preço e pedido, em vez de só conversar bonito.
A hora de chamar uma pessoa
As regras definem o que a IA resolve sozinha e quando a equipe assume.
Atendimento menos dependente de você
O atendimento segue rodando quando você não está olhando, com a equipe sabendo o que a IA assumiu.
Descubra onde aplicar IA primeiro na sua empresa
Ao clicar, você vê como funciona o diagnóstico do programa e decide se faz sentido para a sua operação.
Perguntas rápidas
O que todo empresário pergunta antes de começar
É gratuito mesmo?
O modelo é gratuito para baixar, com código MIT e pesos sob licença aberta da NVIDIA. O custo real está no hardware e na instalação, e o acesso aos arquivos exige conta no Hugging Face e aceite da licença.
Funciona em português?
O cartão do modelo fala em inglês de entrada e de saída, e o repositório não cita outros idiomas. Teste com atenção antes de pensar em uso com clientes brasileiros.
Roda no meu computador?
O repositório não informa um mínimo. O cartão do modelo cita testes em placas de vídeo de servidor e Linux como sistema preferido. Há uma opção de usar a memória do computador, que deixa tudo mais lento.
Posso usar com clientes da minha empresa?
O cartão do modelo diz que ele está pronto para uso comercial e recomenda testes com os seus próprios dados. Avise o cliente que a conversa é com uma IA e trate a gravação da voz como dado pessoal.
Isso substitui o meu atendimento?
Ele conversa por voz. Sem ligação com o seu sistema e sem regra de quando chamar uma pessoa, ele não resolve o atendimento sozinho.
Ouça os exemplos oficiais, rode o pedido de avaliação e leve o resultado para quem cuida da tecnologia da sua empresa. Assim você decide com dados.
Sobre o Billy
Estrategista de IA aplicada a negócios
Fundador da East Rock, agência especializada em IA para prestadores de serviço. Testa na prática o que vira tendência no Brasil antes de chegar aqui.
- 3 anosde IA aplicada a negócios
- 1.000+empresários acelerados
- +R$ 200 milvendidos por um único agente
- East Rockfundador
