11月7日消息，阿里巴巴多個團(tuán)隊(duì)正聯(lián)合研發(fā)由數(shù)字人全面接管的終端交互引擎。預(yù)計(jì)旗下第一款“數(shù)字人+終端”產(chǎn)品將在2023年一季度問世。

項(xiàng)目集合達(dá)摩院NLP，語音，視覺，3D構(gòu)建驅(qū)動及大模型領(lǐng)域團(tuán)隊(duì)，和天貓精靈AliGenie交互系統(tǒng)專家。就像手指觸屏奠定智能手機(jī)交互，大模型數(shù)字人將接管未來智能交互。2022年開始，達(dá)摩院多模態(tài)大模型開始應(yīng)用于天貓精靈語音搜索與百科場景。各方目前將合作場景推向AliGenie交互的系統(tǒng)層和用戶感知層。

數(shù)字人領(lǐng)域正由喧囂轉(zhuǎn)向理性。雖然高精度高顏值的人偶形象不斷出現(xiàn)，但絕大部分場景缺乏與用戶的持續(xù)性、個性化互動，進(jìn)而商業(yè)化規(guī)模有限。如，只能在短視頻和動畫中存在的虛擬偶像?；蛑辉趩我辉O(shè)備或界面中面向大眾支持問答的虛擬員工，這些形態(tài)缺乏大模型訓(xùn)練和大規(guī)模交互，無法個性化學(xué)習(xí)升級，用戶感受就像“沒有靈魂”。

數(shù)字人Inside，接管終端——則是阿里巴巴正在嘗試的新方式。云棲大會上，阿里巴巴集團(tuán)研究員李小龍透

露列舉了達(dá)摩院積累的包括多模態(tài)大模型、語音、自然語言、3D構(gòu)建驅(qū)動、各個領(lǐng)域近兩年百項(xiàng)專利與頂會論文，通過將這些成果，在諸多交互場景驗(yàn)證，一個多模態(tài)大模型為基礎(chǔ)的數(shù)字人的引擎已初顯雛形。

天貓精靈產(chǎn)品規(guī)劃負(fù)責(zé)人盧勇介紹，接入AliGenie系統(tǒng)的終端已覆蓋4000多萬家庭、包含1600多個品牌的4.6億已接入產(chǎn)品，能讓數(shù)字人在可持續(xù)、大規(guī)模、組合式的場景與用戶交互。AliGenie此前公布，僅智能音箱產(chǎn)品每月交互80億次以上，70%是主動型服務(wù)。許多消費(fèi)硬件領(lǐng)域廠商，也迫切希望有超出單出連接、單一設(shè)備對話的智能體驗(yàn)。

以多模態(tài)大模型驅(qū)動的智能化，理論上也非常適合缺乏數(shù)據(jù)、場景碎片化的智能終端場景。例如，由通義多模態(tài)大模型（BroadScope）訓(xùn)練的數(shù)字人，可以具備可泛化的認(rèn)知驅(qū)動能力，數(shù)字人根據(jù)音樂進(jìn)行舞蹈、根據(jù)文字產(chǎn)生行動，改變了過去完全要單一維度數(shù)據(jù)訓(xùn)練的模式，能夠讓數(shù)字人遷移場景進(jìn)行服務(wù)。

在云語音語義技術(shù)方面，Gartner 2022報告顯示，阿里綜合能力居全球第二。并在Wizard of Wiki（知識對話）、Commonsense QA（常識問答）和VQA（視覺問答）三項(xiàng)全球評測中連續(xù)獲得冠軍，并超過人類能力基準(zhǔn)。

以天貓精靈日常對話場景為例，通過大模型底座進(jìn)一步訓(xùn)練的對話大模型mPLUG-dialog，將可能成為包含知識、情感、個性、記憶的全新交互系統(tǒng)。

在內(nèi)容上，不再是單純地按知識庫或搜索結(jié)構(gòu)在檢索和回答問題，而是綜合這四個維度，努力給出更有趣更有情商的回復(fù)，在聲音上，不再是字正腔圓的播報音，會包含更豐富更細(xì)膩的情緒。實(shí)時溝通時，AI不僅能被隨時打斷，也能穩(wěn)定接茬，還會主動追問。

版權(quán)說明：
本文僅代表作者個人觀點(diǎn)，版權(quán)歸原創(chuàng)者所有。部分圖片源自網(wǎng)絡(luò)，未能核實(shí)歸屬。本文僅為分享，不為商業(yè)用途。若錯標(biāo)或侵權(quán)，請與我們聯(lián)系刪除。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com