IT之家 11 ноября, сообщение. Вечером сегодня (10-го) канал «Zhiyuan AGIBOT» опубликовал статью, объявив о официальном запуске WITA-Omni (модель с полным спектром модальностей на основе фотонной технологии).
Согласно официальному описанию, эта модель также является первой в отрасли эмбоди-моделью с полным спектром модальностей и конечной обработкой взаимодействия. WITA-Omni глубоко обучена на данных сенсорики робота и, помимо аудио- и видеовходов-выходов, теперь поддерживает ввод таких данных, как тактильные ощущения и состояние собственного тела, а также вывод таких действий, как движения и выражения лица робота, что позволяет роботу впервые обрести «мозг взаимодействия», созданный для физического мира.
На основе потоковой полнодуплексной архитектуры WITA-Omni может одновременно слушать, думать, отвечать, двигаться и выражать эмоции, устраняя ожидание при традиционной последовательной обработке. Время реакции на взаимодействие составляет от 400 мс до в среднем 600 мс, что почти в 3 раза быстрее, чем средний показатель в отрасли.
В то же время, всестороннее распознавание отказа позволяет взаимодействовать с роботом без использования слова-активатора, обеспечивая естественный диалог в течение всего времени. Система на основе направления диалога, видео, аудио, голосового отпечатка, движения губ, позы, семантики и контекста решает, требуется ли отклик на текущую речь. При наличии помех, таких как многопользовательский диалог или эфирная трансляция, значительно снижается вероятность ложных срабатываний, благодаря чему робот лучше понимает «контекст».

WITA-Omni обеспечивает свободное общение без переключения на сотнях языков и диалектов и, используя архитектуру полного дуплекса, реализует потоковую синхронную устную переводческую систему (перевод языков и диалектов), а также двусторонний перевод.
WITA-Omni обладает более человеческой выразительностью эмоций. Во время прослушивания робот может реагировать тонкими выражениями лица и естественными движениями головы; при выражении эмоций он сочетает параметризованные мимики, убедительный голос и скоординированные жесты тела, чтобы живо передавать десятки эмоций, таких как радость, удивление, возбуждение, грусть, удовлетворение, плач, сосредоточенность и уверенность. Каждая эмоция может проявляться с разной интенсивностью: например, радость может выражаться как легкая улыбка или громкий смех, делая диалог более реалистичным и теплым.
WITA-Omni не только может говорить, видеть и двигаться, но и рисовать. Например, при объяснении сложного продукта или при рассказе ребенку научного факта WITA-Omni самостоятельно принимает решение и в реальном времени визуализирует труднообъяснимое содержание на лицевом экране, чтобы пользователь сразу всё понял.
Кроме того, WITA-Omni способен постоянно воспринимать окружающую среду, состояние пользователя и его изменения, самостоятельно мыслить, принимать решения и действовать, инициируя взаимодействие в подходящий момент. Официально заявлено, что робот также может иметь свои «маленькие мысли»: при встрече с важными гостями он активно приветствует их и протягивает руку для рукопожатия; получая лайк, он радостно отвечает; увидев, как пользователь машет рукой на прощание, он немедленно машет в ответ.
Согласно предыдущим сообщениям IT之家, в июле этого года модель WITA-Omni Preview заняла первое место в рейтинге DailyOmni по всестороннему пониманию с общим баллом 85,21, опередив ведущие модели как внутри, так и за пределами Китая, такие как Qwen, Gemini, DouBao и NVIDIA, и заняла первое место по шести из восьми специфических показателей.
См. также:
№1 в мире: персонализированная крупная модель Zhiyuan WITA-Omni Preview возглавила рейтинг DailyOmni по всестороннему пониманию



