モデル・開発
Duo v1をpreview公開
原題: Duo: A Reciprocal World Model for Full-Duplex Interaction
音声と映像を受けながら応答するworld model
inclusionAIは2026年11月13日、全二重の音声・映像対話を扱うDuo v1をpreview公開しました。
利用者の音声と映像を継続的に受け取りながら応答し、会話への割り込みにも対応します。
Duo-1.0はcausal base、4-step distilled、FP8 quantizedのweightsを公開しました。
Duo-1.2は生成品質を改善したcausal-baseの完全bundleを公開しています。
1.2のdistilled版とquantized版、視覚入力へ直接条件付けするDuo v2はcoming soonで、現時点では未公開です。
offline推論codeに加え、vLLM-OmniとSGLang-Omni向けのreal-time streaming branchを公開しました。
reference構成はLinux、Python 3.10以上、CUDA GPU 2基を必要とします。
Intent moduleが会話参加を判断し、Realization moduleが音声・映像latentsを生成します。
weightsはHugging Faceから取得でき、code本体はApache 2.0、weightsにはMiniMax H3 community licenseが適用されます。
提供元の評価と独立評価は分けて扱う必要があり、公開時点では研究者向けpreviewです。