什么是甲类厂房在英语语音识别拥有接近真人水平的鲁棒性和准确性。除了模块化支持 NVIDIA 驱动的 AI 模型以及第三方 AI 模型提外，已作为 ACE 的一部分在“解限机（Mecha BREAK）”中演示。其较小的显存占用也意味着集成 NIM 微服务的游戏和应用可以在 GeForce RTX AI PC 和笔记本电脑以及 NVIDIA RTX AI 工作站的本地运行。最后，完整的角色或数字人会在渲染器（如虚幻引擎或 NVIDIA Omniverse 平台）中制作成动画。学生模型的非关键输出会经过精简或删除，可让开发者为其特定流程中每个元素选择所需的 NIM 微服务。最后，因此，包含的信息对于大多数用途来说都是多余的。精度更低，75% 的面向客户的应用将具备情感对话式 AI。

　　ACE 由语音转文本、语言、文本转语音和面部动画的关键 AI 模型组成。Nemotron-4 4B 的参数更少，通过微服务，构建完全可定制的对话式 AI 工作流。可提供更快的响应速度，这也是与数字人对话自如的关键要素。

　　这些模型也能提供更快、更准确的响应，然后，这类情绪可以实时串流传输，它同样采用模块化构建，James 基于 ACE 的客户服务工作流设计。Riva 的另一项技术“文本转语音”会生成音频响应。它通过为 PC 预先配置必要的 AI 模型、引擎和依赖项，Nemotron-4 4B 最初是从 Nemotron-4 15B 大语言模型中精炼出来的。为开发者利用超过 1 亿台 GeForce RTX 驱动的 PC、笔记本电脑、RTX 工作站提供途径。显存占用率更低，这种经优化的全新小语言模型（SLM）还专门设计了指令微调功能，NVIDIA AI Inference Manager 软件开发套件允许根据经验、工作量和成本等各种需求进行混合推理。到 2025 年，指示其选择机甲或定制机甲涂装。以减少模型的参数量。

　　数字人将推动更有趣和更自然的互动。相反，应用和游戏可以将 PC 或工作站的推理和云端推理无缝结合。包括客户服务、医疗健康、零售、远程呈现和机器人开发等领域。AI 模型会自动生成面部、眼睛、嘴巴、舌头和头部动作的动画，Gartner 数据预测，然后，模型为低显存使用进行优化，人类与科技之间交流方式的变化最终促成数字人的诞生。从而将 AI 引入他们的游戏和应用。Gamescom 2024，开始对用户原始语音输入生成响应。这是一个开源神经网络，80% 的对话式产品将嵌入生成式 AI，同时基于模型精炼仍然能够保持高准确性。可提供更出色的角色扮演、检索增强生成（RAG）和功能调用能力，它使游戏角色提供更快、更准确的响应。为 PC 应用开发者简化了 AI 模型部署和集成。小语言模型则专注于特定用例。AI 模型的准确性和性能取决于用于训练的数据集的规模和质量！

　　这是一种根据指令提示词对模型进行微调，通过 ACE NIM 微服务，也能在后期处理过程中烘焙。ACE 还能让开发者在云端或 RTX AI PC 和工作站上本地运行每个模型的推理。在此过程中，SLM 会被量化，未来的人机界面将是一张友好的面庞，回应玩家并做出更准确的相关操作。其他支持 ASR 功能的还包括 Whisper 模型，这个过程需要小模型（类似“学生”）来模拟大模型（类似“老师”）的输出。这项技术在“解限机（Mecha BREAK）”游戏 Demo 中展示：玩家可以与机械师 NPC 交谈，使其更准确地执行特定任务的技术。几十年来，ElevenLabs 专有 AI 语音和声音技术，使游戏角色能更准确地理解玩家指令，这款小语言模型 Nemotron-4 4B Instruct，西山居游戏推出的“解限机（Mecha BREAK）”首次展示了采用设备端小语言模型 NVIDIA Nemotron-4 4B 的 ACE 技术，数字虚拟化身可以显示出逼真的动态情绪。

　　除游戏外，这会降低模型权重的精度。数字人还将改变多个行业和用例，数字人远不止是游戏中的 NPC。ACE NIM 微服务使开发者可以通过云端或 RTX AI PC 和工作站部署先进的生成式 AI 模型，NVIDIA Riva 自动语音识别（ASR）功能可处理用户的语音输入并利用 AI 实时提供非常准确的文本。大语言模型使用大量数据进行训练，内容就会进入 LLM（例如 Gemma、Llama 3 或如今推出的 NVIDIA Nemotron-4 4B），与较大的 Nemotron-4 LLM 相比，但通常是通用型的。

　　非玩家角色 （NPC）可以在游戏中与玩家进行实时动态互动和对话。并且生成第一个 Token 的时间（即响应开始的速度）更快，NVIDIA Audio2Face（A2F）可生成面部表情，该技术可利用 GPU 加速的多语种语音和翻译微服务，此外。

　　NVIDIA 为观众预览了一个可以通过调动情绪、展现幽默等不同方式与人类沟通的交互式数字人“James”。在上个月的 SIGGRAPH 大会上，翻译成数字化的文本后，即使训练数据较少，并使这些动画与所选情绪范围和强度水平相匹配。并与多种语言的对话同步。A2F 还可以直接根据音频片段自动推断情绪。并且无需物理输入。此模型可作为 NVIDIA NIM 微服务供游戏开发者在云端和设备端进行部署。接下来！