NVIDIA mengumumkan serangkaian model bahasa kecil (SLM) baru yang bertujuan untuk meningkatkan kemampuan manusia digital. Model-model ini, termasuk model konteks berskala besar yang memberikan jawaban yang lebih relevan dan model multimodal yang menerima gambar sebagai masukan, didukung oleh NVIDIA ACE, kumpulan teknologi yang dirancang untuk memberdayakan agen, asisten, dan avatar.

Model NVIDIA Nemovision-4B-Instruct menonjol sebagai SLM multimodal yang memungkinkan manusia digital menafsirkan informasi visual dari dunia nyata dan desktop Windows serta memberikan respons yang lebih baik. Model ini memanfaatkan kerangka kerja NVIDIA VILA dan NVIDIA NeMo, yang dioptimalkan untuk berjalan secara efisien pada berbagai GPU NVIDIA RTX tanpa mengorbankan presisi yang diminta pengembang. Pendekatan multimodal sangat penting untuk menciptakan manusia digital yang dapat berpikir dan bertindak secara mandiri dengan intervensi pengguna yang minimal.

Untuk menjawab pertanyaan yang lebih kompleks, NVIDIA telah memperkenalkan rangkaian baru SLM konteks besar yang dapat menangani input data dalam jumlah besar. Dengan versi dengan parameter 8B, 4B, dan 2B, seri Mistral-NeMo-Minitron-128k-Instruct disetel untuk menyeimbangkan kecepatan, penggunaan memori, dan akurasi pada PC NVIDIA RTX AI. Model ini dapat memproses kumpulan data besar dalam sekali jalan, mengurangi kebutuhan segmentasi dan restrukturisasi data, serta berpotensi meningkatkan akurasi.

Selain kemajuan ini, NVIDIA telah memperbarui layanan mikro NIM Audio2Face-3D untuk kini menghadirkan sinkronisasi bibir dan animasi wajah berbasis audio secara real-time dalam format yang lebih dapat disesuaikan dan mudah diterapkan. Selain itu, NVIDIA mengumumkan plugin dan sampel SDK baru untuk menyederhanakan penerapan manusia digital pada PC AI NVIDIA RTX. Alat-alat ini, termasuk pengenalan suara dan contoh aplikasi Unreal Engine 5, dibangun di atas NVIDIA In-Game Inference SDK, yang saat ini masih dalam versi beta dan siap untuk mulai digunakan oleh pengembang.