11 月 7 日晚間消息，新浪科技獲悉，阿里巴巴多個團隊正聯(lián)合研發(fā)由數(shù)字人全面接管的終端交互引擎。預計第一款“數(shù)字人 + 終端”產(chǎn)品將在 2023 年一季度讓用戶體驗。據(jù)介紹，該項目集合達摩院 NLP，語音，視覺，3D 構(gòu)建驅(qū)動及大模型領(lǐng)域團隊，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交互，大模型數(shù)字人將接管未來智能交互。2022 年開始，達摩院多模態(tài)大模型開始應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。
當前，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，因而商業(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，或只在單一設(shè)備或界面中面向大眾支持問答的虛擬員工，這些形態(tài)缺乏大模型訓練和大規(guī)模交互，無法個性化學習升級，用戶感受就像“沒有靈魂”。
剛結(jié)束的云棲大會上，阿里巴巴集團研究員李小龍透露了達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)域近兩年百項專利與頂會論文，通過將這些成果，在諸多交互場景驗證，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)劃負責人盧勇介紹，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)。許多消費硬件領(lǐng)域廠商，也迫切希望有超出單一連接、單一設(shè)備對話的智能體驗。
