上海
5月18日，上海市生成式人工智能服务备案情况显示，智元WITA（硅光动语大模型）成为全国首款合规备案的具身智能交互大模型，意味着中国具身智能产业从“技术验证”加速进入“合规商用”阶段。
记者了解到，WITA模型属于智元机器人“一体三智”（本体、运动智能、作业智能、交互智能）中的交互智能，率先在灵犀X2机器人上搭载。WITA模型具备毫秒级的交互反应能力，通过人类的面部表情和语音语调，就能精准判断对方的情感状态，并给予回应。依靠WITA模型，机器人依靠视觉来理解物理世界，不再需要语音或文字指令。举个例子，当你向机器人同时展示咖啡和牛奶，并询问“睡不着该喝什么”，机器人会迅速指向牛奶并回答“喝牛奶”。
智元WITA通过合规备案。
但随着机器人商用化场景的增加，WITA模型的局限性也逐渐显现。
“WITA模型仍不完美，它的工作方式是‘三段式’的，先把你说的话转成文字，让大模型处理完，再把文字转成语音说回来。就好像在传话时，语气、情绪这些言外之意，会在文字转换中丢失掉。”智元机器人董事长邓泰华表示，“三段式”的模型能力并非为真实物理世界的机器人量身定做，仍需要增强具身交互模型中情感化语音、拟人表情和记忆等功能。
智元机器人灵犀X2。 新华社记者 方喆 摄
据悉，智元机器人将在今年三季度推出行业首个“端到端”具身多模态交互大模型WITA Omni 1.0。所谓“端到端”，就是不再拆成语音和文字两个阶段来分别处理，而是直接用人类说话时的完整信息去训练和回应。这样一来，机器人在对话中能保留对话中的情绪和语境，回话时懂得分寸，更像一个真正的人在交流。因为跳过了中间的转换环节，它的反应时延被压缩到了500毫秒以内，接近真人聊天的节奏，还能随时插话、打断和纠正，让交流的感受和人与人说话几乎没有区别。
“WITA模型和WITA Omni的模型都会以云服务的方式提供，基于全球云节点部署，WITA是基础云服务，Omni是高阶云服务。”邓泰华表示，未来具身交互智能将会迁移至机器人本地运行，即便在断网环境下，也能如人类一般自然对话。
原标题：《全国首款！智元具身交互模型通过合规备案，今年将推出升级版，可与人自然对话》
栏目主编：李晔
本文作者：解放日报 查睿
题图来源：新华社
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
