DoNews7月26日消息，7月26日，聲網(wǎng)亮相2025世界人工智能大會(huì)（WAIC），正式發(fā)布新版對(duì)話式 AI 引擎，該版本新增聲紋識(shí)別、數(shù)字人與視覺(jué)理解三項(xiàng)功能，實(shí)現(xiàn)對(duì)話式 AI 音視頻交互體驗(yàn)的全新升級(jí)。同時(shí)，口袋 AI 毛絨寵物—芙崽 Fuzozo、家庭陪伴機(jī)器人—賦之 EBO Air 2 Plus 等一系列搭載對(duì)話式 AI 引擎的人氣AI 硬件也亮相聲網(wǎng)展臺(tái)。
全新對(duì)話式 AI 引擎 三大功能實(shí)現(xiàn)多模態(tài)融合交互
1、聲紋識(shí)別：?選擇性注意力鎖定新增聲紋識(shí)別功能，該功能賦予 AI 精準(zhǔn)識(shí)別用戶聲紋特征的能力，有效區(qū)分不同說(shuō)話者。用戶只需在對(duì)話初期大聲、清晰地說(shuō)話，即可提升 AI 對(duì)聲音的鎖定效果。聲紋識(shí)別不僅可以智能屏蔽95%的環(huán)境人聲、噪聲，對(duì) AI對(duì)話更準(zhǔn)確、高效，同時(shí)也適用于多人與 AI 對(duì)話的場(chǎng)景，實(shí)現(xiàn)更加多元化的對(duì)話式 AI 響應(yīng)與服務(wù)。
2、數(shù)字人交互：支持商湯等市場(chǎng)主流的數(shù)字人方案，通過(guò)集成高度擬真、表情動(dòng)作自然的數(shù)字人，用戶可與屏幕中的高度擬人化的數(shù)字形象進(jìn)行實(shí)時(shí)、生動(dòng)的對(duì)話互動(dòng)，增強(qiáng)交互的臨場(chǎng)感與情感連接，且有多個(gè)數(shù)字人形象供選擇，適用于虛擬客服、教育陪伴、娛樂(lè)社交等多種場(chǎng)景。
3、視覺(jué)理解：新增的視覺(jué)理解能力為 AI 加上“眼睛”，一方面支持實(shí)時(shí)視頻，能夠解析攝像頭捕捉的畫面信息，結(jié)合語(yǔ)音指令，AI能“看懂”用戶手勢(shì)、環(huán)境物體或特定視覺(jué)線索，實(shí)現(xiàn)“所見(jiàn)即所言”的智能反饋；
另一方面，支持拍照與圖片上傳識(shí)別，AI 會(huì)解答圖片中的關(guān)鍵信息，可適用于教育場(chǎng)景的拍照識(shí)題與作業(yè)批改，智能助手場(chǎng)景的識(shí)物、翻譯、分析等。在對(duì)話式 AI 中加入視覺(jué)理解，將為人機(jī)對(duì)話協(xié)作開(kāi)辟更廣闊的空間。
對(duì)話式 AI 正從基礎(chǔ)的互動(dòng)問(wèn)答向深度理解、情感共鳴和情境感知演進(jìn)。聲網(wǎng)對(duì)話式 AI 引擎集成的聲紋識(shí)別、數(shù)字人和視覺(jué)理解等能力，是構(gòu)建下一代自然、沉浸式人機(jī)交互基礎(chǔ)設(shè)施的重要一步。
從會(huì)說(shuō)話到會(huì)共情 多元 AI 硬件亮相展臺(tái)
此次聲網(wǎng)展臺(tái)設(shè)置了多個(gè)對(duì)話式 AI 的體驗(yàn)展區(qū)，其中人氣最高的當(dāng)屬 AI 硬件展區(qū)，多款搭載對(duì)話式 AI 功能的 AI 硬件集中亮相，包括：對(duì)話式 AI 開(kāi)發(fā)套件以及搭載了開(kāi)發(fā)套件的卡皮巴拉 AI 玩偶與數(shù)字人全息倉(cāng)；具備 AI 陪伴功能的 AI 毛絨寵物—芙崽、家庭陪伴機(jī)器人—賦之 EBO Air 2 Plus、將 AI 玩具與角色手辦結(jié)合的賽博大舞臺(tái)、具備翻譯與識(shí)圖功能的AI 眼鏡等，讓現(xiàn)場(chǎng)的觀眾體驗(yàn)到既會(huì)說(shuō)話，又能共情的各類 AI 硬件。
對(duì)話式 AI 開(kāi)發(fā)套件讓智能硬件設(shè)備實(shí)現(xiàn)自然流暢的實(shí)時(shí)語(yǔ)音對(duì)話、智能停頓及打斷處理、以及超低延時(shí)響應(yīng)，為開(kāi)發(fā)者提供“對(duì)話式 AI + 智能硬件開(kāi)發(fā)”一站式解決方案。此次 WAIC 展出的雙屏與單屏兩類開(kāi)發(fā)套件，可適用于AI 玩具、AI 教育硬件、AI 陪伴設(shè)備、智能家居等各類智能硬件場(chǎng)景。
此外，現(xiàn)場(chǎng)還展示了對(duì)話式 AI 在 AI 教育、AI 客服等場(chǎng)景的解決方案，包含 AI輔助教學(xué)：實(shí)現(xiàn)多個(gè)學(xué)生與 AI 助教進(jìn)行對(duì)話；AI教育硬件：現(xiàn)場(chǎng)展示搭載了對(duì)話式 AI 的學(xué)習(xí)機(jī)、兒童故事機(jī)；AI 客服：撥打一通電話即可與 AI 坐席自然、流暢的對(duì)話，精準(zhǔn)解答用戶的各類疑問(wèn)，并支持中英文等多種語(yǔ)言。
未來(lái)聲網(wǎng)將持續(xù)完善對(duì)話式 AI 引擎與開(kāi)發(fā)套件，通過(guò)多元化的功能、極致的對(duì)話體驗(yàn)，加速智能對(duì)話在各類終端和場(chǎng)景中的普及與深化，推動(dòng)更加自然、智能、安全的人機(jī)共生時(shí)代加速到來(lái)。
