11 月 14 日消息，“訊飛開放平臺”公眾號今天傍晚宣布，訊飛星火多模態(tài)交互大模型正式上線，其實現(xiàn)從語音交互拓展到音視頻流實時多模交互，新增“多模態(tài)、超擬人和個性化”能力，實現(xiàn)語音、視覺、數(shù)字人交互三合一，支持一鍵調(diào)用。Phc28資訊網(wǎng)——每日最新資訊28at.com

Phc28資訊網(wǎng)——每日最新資訊28at.com

據(jù)介紹，訊飛星火多模態(tài)交互大模型首發(fā)超擬人數(shù)字人技術(shù)，數(shù)字人軀干和四肢動作能夠精準匹配語音內(nèi)容，快速生成表情和動作，令 AI“栩栩如生”。通過統(tǒng)一文本、語音和表情，能夠?qū)崿F(xiàn)跨模態(tài)的語義一致性，從而使大模型情感表達真實連貫。Phc28資訊網(wǎng)——每日最新資訊28at.com

其支持超擬人極速交互，采用統(tǒng)一神經(jīng)網(wǎng)絡(luò)直接實現(xiàn)語音到語音的端到端建模，響應(yīng)更快速、流暢，可敏銳感知情緒變化，也可根據(jù)指令自由變換聲音的節(jié)奏、大小和人設(shè)。Phc28資訊網(wǎng)——每日最新資訊28at.com

其支持多模態(tài)視覺交互，能夠“聽懂世界”“認清萬物”，更全面感知具體背景場景、物流狀態(tài)等信息，對任務(wù)的理解更加精準，并通過語音、手勢、行為、情緒等進行綜合判斷，作出合適的回復(fù)。Phc28資訊網(wǎng)——每日最新資訊28at.com

據(jù)此前報道，用戶可與數(shù)字人進行語音、視頻通話，數(shù)字人可實現(xiàn)與用戶的自然語音對話，人物表情等也能夠匹配說話的語句。星火超擬人數(shù)字人還支持多模態(tài)交互，可讓數(shù)字人識別攝像頭中的內(nèi)容，比如孫悟空和奧特曼站在一起、面霜的品牌和作用、花的品類等。Phc28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.www897cc.com/showinfo-45-9442-0.html訊飛星火多模態(tài)交互大模型上線，數(shù)字人、語音、視覺支持一鍵調(diào)用

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： ST峽創(chuàng)攜手多方投資，新智能科技公司登場，AI業(yè)務(wù)亮眼！

下一篇： 國產(chǎn)文生視頻大模型 Vidu 發(fā)布 1.5 版本更新：可保證多不同視角下的一致性