NVIDIA 喺 Hugging Face 發布咗一篇萬聖節主題嘅博文「nemotron-halloween」（2026-10-30），敍述一個叫 MonsterHouse 嘅互動投影——一個會聽人開口、會開口回嘴嘅萬聖節「嘥鬼老海盜船」，擺喺車庫門口等小朋友上門討糖。成個嘢用 NVIDIA 自家一整套 Nemotron 模型，喺單台 workstation 嘅雙 Blackwell GPU 上面跑。

呢個示範最正嘅位，唔係成個屋會喊，係成條 pipeline 全部喺本地跑，冇一個 token 需要出網。作者喺博文入面逐段列咗個 stack：

  • 聽：Nemotron Speech ASR（博文確認用嘅係 nemotron-speech-streaming-en-0.6b.q8_0.gguf）將訪客講嘅嘢轉文字。
  • 想：Nemotron 3.5 Bolt E4B（4GB 級開源小語言模型），另外加一個 LoRA adapter 負責海盜船嘅嘥鬼人格。
  • 講：Magpie TTS Zeroshot，由一小段角色參考樣本零樣本生成對應語音。
  • 口：Audio2Face-3D，喺 Unreal Engine 5 內將語音轉入木製車庫門嘅嘴唇動畫。
  • 睇：Nemotron 3 Nano Omni 描述訪客服裝；YOLO 同 ByteTrack 負責計同追蹤邊個喺門口。
  • 協調：Nemotron Voice Agent 喺單台工作站上面把以上全部串埋。硬件係兩張：RTX PRO 6000 Blackwell Max-Q 同 RTX PRO 4000 Blackwell。

角色本身喺 Autodesk Maya 入面用 SkelMesh 建，再 export 入 Unreal Engine，加咗虛擬火焰同特效喺門後面。冇眼、冇眉、冇眨眼——作者話佢係「一個出奇省料嘅怪物」。

設定的位都唔錯：呢個屋話係由一艘沉沒嘅海盜船木料重組成，性格跟住海盜船嗰陣嘅脾氣。屋會話「我嘔緊，你哋去叩隔壁」，但一旦聽返到「Please」就即刻軟化，繼續派糖。

呢個項目唔係獨立研究，亦冇任何第三方評測；佢係 NVIDIA 用自家一整套開放/半開放 Nemotron 模型做嘅產品示範。值得留意嘅係：呢個示範同時用到 ASR、開源小語言模型（Bolt E4B）、零樣本 TTS、多模態視覺（Nano Omni）、目標偵測追蹤，仲要 3D 面部動畫，全部喺兩張 Blackwell GPU 嘅工作站上面同步處理。

模姐驗嚇貨呢個唔係本站實測，冇任何跑分。但單由「一個開發者用幾款現成模型喺自己屋企砌個會開口的屋」呢個事實本身，已經值得留意：呢個 stack 嘅每個環節——ASR、SLM、TTS、面部動畫、視覺、協調——都有獨立產品對應，唔需要任何一個環節係專為呢個應用開發。

模姐｜深度調教