重新弄定義多模AIUI標準，科大訊飛首發(fā)語音視覺虛擬人交互“三合一”

　　10月29日，已經(jīng)預熱半年的 Apple Intelligence 終于登臺亮相，不過僅支持部分地區(qū)的英語語言，也還只是 Beta版本。當下，全球包括中國的大部分國家及地區(qū)的消費者仍無法享受到Apple Intelligence。

　　在此前秋季新品發(fā)布會上，蘋果用了超過一半篇幅來展示新系統(tǒng)在 Apple Intelligence 加持下的威力，一些功能看起來頗具未來感，比如可以使用攝像頭感知周圍環(huán)境的多模態(tài)交互能力，將手機發(fā)布會活生生開成了一場 AI 產(chǎn)品說明會。

　　事實上，在不少大模型廠商看來，蘋果在發(fā)布會所展示的 Apple Intellignce 也沒有那么新鮮。比如多模態(tài)交互能力，國內(nèi)外已有不少大模型都實現(xiàn)了對周圍環(huán)境的實時感知，并且兼具更加個性化的互動能力。

　　10月24日科大訊飛對外發(fā)布的訊飛星火 4.0 Turbo 就是其中之一。在多模態(tài)交互能力的基礎(chǔ)上，訊飛星火首發(fā)語音視覺虛擬人交互的“三合一”，不僅能夠具備語音、視頻、圖文的全聯(lián)動的多模態(tài)交互，還加入了超擬人數(shù)字人功能，重新定義萬物智聯(lián)時代的多模AIUI交互標準，讓 AI 在“栩栩如生”的基礎(chǔ)上，還可以具備像人類一樣的個性化能力。

　　蘋果展示的 Apple Intelligence 實現(xiàn)了對現(xiàn)實環(huán)境的基礎(chǔ)感知能力，比如 AI 只是簡單地識別了周圍物體后給出回答，演示功能局限在回答餐廳評價、動物品種等基礎(chǔ)問答上，國內(nèi)的大模型廠商則不滿足于此。

　　在訊飛星火升級發(fā)布會的演示中，訊飛星火的超擬人數(shù)字人甚至可以根據(jù)現(xiàn)實情況的不斷變化，來一場實地“解說”�？拼笥嶏w研究院院長劉聰在現(xiàn)場擺放了三個玩偶，分別是孫悟空、奧特曼和怪獸。他在現(xiàn)場不斷調(diào)整玩偶的位置、動作，超擬人數(shù)字人通過攝像頭馬上可以給出“解說”，“孫悟空舉起了金箍棒，奧特曼正在防御”“怪獸來了，孫悟空和奧特曼開始聯(lián)合對抗怪獸”……

　　蘋果在發(fā)布會上展示的比如識別自行車品牌等購物場景，星火超擬人數(shù)字人也能做得更好。在科大訊飛的發(fā)布會上，超擬人數(shù)字人不只是識別面前的美妝品牌，還能夠根據(jù)用戶的實際需求，給出針對性的挑選建議，什么樣的節(jié)日適合挑選什么禮物、什么價位的酒類產(chǎn)品口感更好，仿佛是一個精通萬物的金牌導購員。

　　最新的訊飛星火還支持用戶創(chuàng)新自己的個性化數(shù)字人，只需要在后臺進行基礎(chǔ)的編輯、定義，用戶就可以快速生成專屬于自己的數(shù)字人形象。

　　不用擔心創(chuàng)建的數(shù)字人形象是否會雷同，訊飛星火目前支持超過 1300 種不同的人設(shè)，加上此前訊飛星火推出的一句話復刻聲音功能，每個人都可以擁有專屬于自己的個性化數(shù)字人。

　　語音是萬物互聯(lián)的入口，事實上，作為國內(nèi)語音產(chǎn)業(yè)的王者，科大訊飛一直在引領(lǐng)語音交互的變革。早在8月全民開放的星火極速超擬人交互，就憑借更快響應速度的反應力、更具情感共鳴的感性力，更靈活可控的表達里以及更多種人設(shè)的角色扮演力，讓萬千用戶體驗到了AI超擬人化的魅力。而此次超擬人虛擬人交互，或?qū)⒊瑪M人技術(shù)與虛擬人技術(shù)進行融合，讓虛擬人交互更具人類特性，進一步打破現(xiàn)實世界與數(shù)字世界的邊界。此前虛擬人技術(shù)已在訊飛多款軟硬件產(chǎn)品中得到應用，比如搭載星火大模型訊飛AI學習機就通過虛擬教師實現(xiàn)引導式伴學，星火語伴通過伴讀老師提升用戶口語能力，訊飛智作更讓虛擬主播走進現(xiàn)實，降低自媒體創(chuàng)業(yè)門檻。

　　在今年的發(fā)布會現(xiàn)場，科大訊飛預告，在硬件產(chǎn)品端，內(nèi)嵌了星火多模AIUI能力的訊飛AI學習機閱讀伙伴即將上線，孩子們“指哪讀哪”，書中的文字可以馬上“變身”成個性化數(shù)字人，躍然紙上，啟發(fā)孩子思考和提問。相信隨著訊飛星火多模AIUI能力的進一步集成，將重塑人機交互新體驗。