您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
业界 正文
发私信给嘉嘉
发送

0

让数字人有灵魂! 阿里巴巴正投入研发“数字人+终端”新形态

本文作者:嘉嘉 2022-11-07 11:47
导语:达摩院天猫精灵联合研发数字人:大模型训练、大规模交互将带来什么?

11月7日消息,阿里巴巴多个团队正联合研发由数字人全面接管的终端交互引擎。预计第一款“数字人+终端”产品将在2023年一季度让用户体验。

项目集合达摩院NLP,语音,视觉,3D构建驱动及大模型领域团队,和天猫精灵AliGenie交互系统专家。就像手指触屏奠定智能手机交互,大模型数字人将接管未来智能交互。2022年开始,达摩院多模态大模型开始应用于天猫精灵语音搜索与百科场景。各方目前将合作场景推向AliGenie交互的系统层和用户感知层。

数字人领域正由喧嚣转向理性。虽然高精度高颜值的人偶形象不断出现,但绝大部分场景缺乏与用户的持续性、个性化互动,进而商业化规模有限。如,只能在短视频和动画中存在的虚拟偶像。或只在单一设备或界面中面向大众支持问答的虚拟员工,这些形态缺乏大模型训练和大规模交互,无法个性化学习升级,用户感受就像“没有灵魂”。

数字人Inside,接管终端——则是阿里巴巴正在尝试的新方式。云栖大会上,阿里巴巴集团研究员李小龙透

露列举了达摩院积累的包括多模态大模型、语音、自然语言、3D构建驱动、各个领域近两年百项专利与顶会论文,通过将这些成果,在诸多交互场景验证,一个多模态大模型为基础的数字人的引擎已初显雏形。

让数字人有灵魂! 阿里巴巴正投入研发“数字人+终端”新形态 (图:李小龙介绍全新数字人引擎技术架构)

天猫精灵产品规划负责人卢勇介绍,接入AliGenie系统的终端已覆盖4000多万家庭、包含1600多个品牌的4.6亿已接入产品,能让数字人在可持续、大规模、组合式的场景与用户交互。AliGenie此前公布,仅智能音箱产品每月交互80亿次以上,70%是主动型服务。许多消费硬件领域厂商,也迫切希望有超出单出连接、单一设备对话的智能体验。

以多模态大模型驱动的智能化,理论上也非常适合缺乏数据、场景碎片化的智能终端场景。例如,由通义多模态大模型(BroadScope)训练的数字人,可以具备可泛化的认知驱动能力,数字人根据音乐进行舞蹈、根据文字产生行动,改变了过去完全要单一维度数据训练的模式,能够让数字人迁移场景进行服务。

让数字人有灵魂! 阿里巴巴正投入研发“数字人+终端”新形态 (图:大模型将提升数字人的自主对话能力)

在云语音语义技术方面,Gartner 2022报告显示,阿里综合能力居全球第二。并在Wizard of Wiki(知识对话)、Commonsense QA(常识问答)和VQA(视觉问答)三项全球评测中连续获得冠军,并超过人类能力基准。

以天猫精灵日常对话场景为例,通过大模型底座进一步训练的对话大模型mPLUG-dialog,将可能成为包含知识、情感、个性、记忆的全新交互系统。

在内容上,不再是单纯地按知识库或搜索结构在检索和回答问题,而是综合这四个维度,努力给出更有趣更有情商的回复,在声音上,不再是字正腔圆的播报音,会包含更丰富更细腻的情绪。实时沟通时,AI不仅能被随时打断,也能稳定接茬,还会主动追问。

 

雷峰网版权文章,未经授权禁止转载。详情见转载须知

分享:
相关文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说