此次在GTC 2021中，NVIDIA再次針對Jarvis開發工具進行更新，進一步加入互動對話學習框架，藉由GPU加速學習使整體反應時間可控制在100毫秒內，在聆聽說話內容後，即可在眨眼之間做出合適回應內容，甚至可以即時翻譯成不同語言呈現。
從早期提供擬真互動介面，並且能對應自然流暢語音互動，Jarvis在此次更新更加入語音理解後翻譯功能，目前支援英語、日語在內5種語言即時護譯，未來將會陸續加入支援更多語言。在進一步說明中，NVIDIA也確認將與Mozilla同聲計畫 (Common Voice)合作，透過Mozilla累積多種語言聲音內容，讓Jarvis能持續學習更多語言內容。
同時，NVIDIA也說明Jarvis本身就已經完成前期訓練，使用者可以輕易進行客製化，並且佈署在雲端或終端裝置使用，藉此對應語音識別、轉錄、內容摘要、即時翻譯、字幕顯示、虛擬助理，或是聊天機器人等應用。
另外，藉由NVIDIA旗下技術與Jarvis開發工具打造的NVIDIA Maxine解決方案，則可讓線上會議應用變得更加真實，例如可在會議過程讓講者敘說內容透過即時翻譯，可藉由字幕形式以另一種語言呈現，甚至直接轉譯成另一種語言陳述。
而在會議過程中遇到網路頻寬不足情況，亦可透過人工智慧方式讓原本畫質不佳的影像變得清晰，甚至針對與會者有時候不會專注於鏡頭情況，同樣可以透過人工智慧方式「修正」，讓另一方與會者更有參與感。其他應用部分，也包含可套用即時擴增實境影像、聲音調整或影像特效等。
目前NVIDIA Maxine解決方案將與諸多線上會議系統、直播服務合作應用。
