NVIDIA telah merilis tutorial komprehensif untuk membuat agen berbasis suara menggunakan model Nemotron terbaru yang dipamerkan di CES 2026. Tutorial ini memandu pengembang melalui proses pengintegrasian berbagai komponen, termasuk pengenalan suara, pembuatan augmentasi pencarian (RAG), keamanan konten, dan model inferensi, untuk membangun agen AI yang dapat memahami dan merespons input suara dengan aman dan cerdas.

Tutorial ini menekankan pentingnya pendekatan multimodal yang menggabungkan data teks dan gambar untuk meningkatkan kemampuan agen dalam merespons informasi dunia nyata. Tutorial ini juga memperkenalkan model Nemotron Speech ASR, yang dioptimalkan untuk latency sangat rendah dan memungkinkan interaksi suara secara real-time. Fitur keamanan agen diaktifkan oleh model llama-3.1-nemotron-safety-guard-8b-v3, yang menyediakan moderasi konten multibahasa dan deteksi informasi identitas pribadi (PII) secara real-time.

Untuk kemampuan inferensi, tutorial ini memperkenalkan model Nemotron 3 Nano, yang dapat menangani jendela konteks lebar hingga 1 juta token, memungkinkan agen untuk mempertimbangkan berbagai informasi sebelum merumuskan respons. Tutorial ini juga membahas penyebaran agen, menyoroti fleksibilitas kode untuk berjalan di berbagai lingkungan NVIDIA, dari GPU lokal hingga layanan berbasis cloud.

Para pengembang yang tertarik untuk membangun agen suara mereka sendiri dapat mengakses tutorial dan sumber daya pendukung di GitHub, dan NVIDIA mendorong komunitas untuk terus berpartisipasi dalam pembaruan dan diskusi tentang model Nemotron melalui berbagai platform dan forum online.