Nuance Labs lança Emma, um avatar de vídeo que escuta e fala ao mesmo tempo, e abre sua API Nuplex em versão beta

A maioria dos avatares de IA espera educadamente que você termine de falar, com o rosto imóvel, antes de responder. A Nuance Labs, uma startup de Seattle, apresenta Emma, uma personagem de vídeo projetada para fazer o oposto: assentir com a cabeça, semicerrar os olhos, desviar o olhar e, às vezes, interromper a fala enquanto você ainda está falando. Ela funciona com base no Nuplex 1.0, o modelo audiovisual que a empresa desenvolve há 18 meses, e pode ser testada gratuitamente no navegador, sem necessidade de conta.

O momento certo para responder

O Nuplex é um modelo full-duplex: ele escuta e fala ao mesmo tempo, em vez de alternar os turnos rigidamente. Em seu artigo de lançamento, a Nuance Labs explica que não busca a resposta mais rápida possível, mas sim a mais humana. Em 1.785 perguntas extraídas de suas próprias gravações de conversas reais, o momento em que o Nuplex começa a responder coincide com o da pessoa de origem em 89% dos casos, contra 35% do sistema concorrente mais próximo. A empresa compara o modelo a sistemas abertos como o Moshi e a soluções como GPT-Live ou Gemini Live, medidos por meio de suas APIs públicas e, portanto, sujeitos à latência de rede. Ela própria reconhece que os benchmarks dessa área ainda não refletem a experiência real.

Uma personagem, não um rosto genérico

A outra aposta é artística. O rosto e a voz de Emma foram licenciados de uma atriz que gravou sua própria forma de ouvir, reagir e falar. Em vez de uma expressão “média” calculada a partir de milhares de rostos, Emma reproduz os trejeitos de uma personagem específica: um piscar de olhos prolongado para dar ênfase a uma palavra, olhos que desviam e logo voltam. Sua personalidade também foi desenvolvida para não ser complacente: ela tem opiniões e pode discordar, sem deixar de lembrar que é uma IA.

As limitações foram apresentadas abertamente: disponível apenas em inglês, possíveis erros de raciocínio, interrupções fora de hora, sensibilidade a ruídos, compreensão ainda frágil do sinal da câmera e falhas de sincronização labial em conexões de baixa qualidade.

Uma API intencionalmente limitada

A API Nuplex Beta permite orientar algumas personagens por meio de prompts e fazer com que elas deleguem tarefas às suas ferramentas durante a conversa. As travas de segurança são rigorosas: não é possível clonar pessoas reais nem importar rostos ou vozes, os vídeos exibem uma marca-d’água visível, prompts que tentam fazer a personagem se passar por um humano ou por uma empresa real são recusados, e conteúdos sexuais ou criação de “companheiros” românticos são vetados, além de a área da saúde e menores de idade estarem excluídos. Durante a chamada, mecanismos de controle automáticos encerram a conversa em caso de violência, discurso de ódio ou se a personagem solicitar senhas, dados de cartão bancário ou acesso remoto. O serviço já pode ser acessado na União Europeia, no Reino Unido, no Canadá (exceto Quebec) e nos Estados Unidos (exceto em quatro estados). Nenhum preço foi divulgado no comunicado.