新智元報(bào)道

編輯：編輯部 YZJH

【新智元導(dǎo)讀】科大訊飛又搞了個(gè)大動(dòng)作，智能交互直接燃爆！AIUI全新升級，兒童專屬交互方案，AI眼鏡「三麥陣列」硬核出圈，還有機(jī)器人語音背包、移動(dòng)數(shù)字人「小雨」實(shí)力搶鏡。一場發(fā)布會(huì)，讓我們看到下個(gè)時(shí)代人機(jī)交互的全貌。

不知不覺間，硅谷的巨頭都開始搞AI硬件了：蘋果押寶的是Vision Pro的結(jié)合；Meta在緊鑼密鼓地測試AI眼鏡；英偉達(dá)押注機(jī)器人。

不過國內(nèi)有一位玩家，早已布局多年，下好了先手棋——

在智能硬件這條路上，科大訊飛已深耕多年，AI學(xué)習(xí)機(jī)、辦公本都做到了線上品類銷量第一，構(gòu)建起了中國的「智能交互新生態(tài)」。甚至還憑借獨(dú)特的開發(fā)者生態(tài)，大大賦能了行業(yè)創(chuàng)新。

而就在剛剛，科大訊飛又在深圳整了個(gè)大活兒！

這次，圍繞智能交互場景，他們直接來了一波全面升級——AIUI、機(jī)器人超腦、虛擬人交互、訊飛星辰4大平臺(tái)。

而且不光是產(chǎn)品，平臺(tái)技術(shù)也開放了，還直接放出企業(yè)級的智能體引擎。可以說，是把智能狠狠砸進(jìn)了各行各業(yè)。

AIUI下一個(gè)時(shí)代

科大訊飛的AIUI人機(jī)交互平臺(tái)，已經(jīng)發(fā)布了10年。

它以大模型為引擎，融合了情緒識(shí)別、創(chuàng)意生成、深度語義理解等類人多模態(tài)能力，成為產(chǎn)業(yè)智能化升級的核心支撐。

大模型發(fā)布前，兒童場景的交互最少；而現(xiàn)在兒童場景的交互次數(shù)增長了7倍以上。孩子們樂于與機(jī)器人「聊天」，這正是AI進(jìn)步的結(jié)果。

兒童專屬陪伴，AI承包了

然而這其中就有一個(gè)難點(diǎn)：兒童的表達(dá)方式，是一種「童言幼語」，跟成人有很大區(qū)別。

對于每個(gè)孩子來說，吐字不清、語言結(jié)構(gòu)簡單，甚至缺乏邏輯，表達(dá)跳躍等，都是很常見的現(xiàn)象。

為此，科大訊飛基于兒童說話習(xí)慣，專門打造了童言識(shí)別和童語理解的兒童專屬交互方案，幫助我們更好地理解兒童的表達(dá)。

它不光對話起來更有趣、更友好，還能以引導(dǎo)的方式和兒童對話。

這樣，AI就深度適配了兒童的表達(dá)邏輯，做到了更懂孩子。

除了這些專屬方案本身，科大訊飛還打造了許多寓教于樂的兒童內(nèi)容。

在趣味對話上，他們打造了很多經(jīng)典IP，深受孩子們的歡迎。

只要一句話，就能激發(fā)海量的IP人設(shè)。在對話中，它們會(huì)主動(dòng)找話題，引導(dǎo)孩子造詞，還能一起玩故事共創(chuàng)、猜謎語、腦筋急轉(zhuǎn)彎等趣味游戲。

團(tuán)隊(duì)還為兒童打造了許多早教技能，包括語言發(fā)展技能、科學(xué)發(fā)展技能、社會(huì)能力認(rèn)知技能等等，讓孩子在趣味的交互中全面成長。

此外，他們還打造了專門面向兒童的趣味信源，包括兒童故事和兒童音樂。

大家非常關(guān)注的另一個(gè)話題，就是兒童心理健康。訊飛的兒童交互方案，正是以鼓勵(lì)、夸獎(jiǎng)的話術(shù)為主，幫助孩子建立自信心。

同時(shí)，對于可能發(fā)生的潛在風(fēng)險(xiǎn)，它也能給出及時(shí)、正確的引導(dǎo)。

兒童守護(hù)計(jì)劃同步發(fā)布，讓孩子們在AI的守護(hù)下健康成長

比如孩子在學(xué)校如果發(fā)生什么事情，可能回家不愿意和家長說，但會(huì)和機(jī)器去聊。這種情況下，AI就會(huì)對孩子出現(xiàn)情緒或行為問題進(jìn)行積極正向的引導(dǎo)。

在風(fēng)險(xiǎn)格外嚴(yán)重的情況下，就會(huì)通知家長。

并且，此方案已經(jīng)針對未成年保護(hù)內(nèi)容進(jìn)行了定向調(diào)優(yōu)，為兒童打造了一個(gè)絕對純凈健康的交互環(huán)境。

看完下面這個(gè)視頻，你就會(huì)明白，為什么孩子們這么喜歡跟科大訊飛的機(jī)器人聊天了。

更令人驚喜的是，科大訊飛還開發(fā)了玩具開發(fā)套件，接入便捷，配置成本低，適用于多種場景，如帶屏玩具、無屏玩具、桌面機(jī)器人等。

而在大會(huì)現(xiàn)場，幾位寶爸也參加了一個(gè)60分鐘極速挑戰(zhàn)，要求在幾小時(shí)內(nèi)開發(fā)出一個(gè)兒童應(yīng)用。

在挑戰(zhàn)中，每位「寶爸」會(huì)被分發(fā)一塊硬件開發(fā)板，依托星辰Agent開發(fā)平臺(tái)，在極短時(shí)間內(nèi)構(gòu)建出具備情緒識(shí)別與童趣對話能力的兒童交互Agent，為硬件注入智慧人格。

智能眼鏡，和外國小姐姐絲滑交流

兒童語音交互之外，智能眼鏡也是剛需的場景，是下一個(gè)通向人機(jī)交互的未來。

與頭顯不同的是，它的交互范式只能依賴語音。

為此，訊飛打造了一個(gè)專屬「三麥陣列」方案，針對不同場景，做了定向訓(xùn)練。

三個(gè)麥克風(fēng)的作用在于，識(shí)別語音輸出是否是佩戴者發(fā)出，以及對話人的聲音。

說這么多，不如看看「三麥陣列」智能眼鏡實(shí)際效果如何？

現(xiàn)場演示中，工作人員戴上眼鏡隨口發(fā)問，「減肥期間，可以吃荔枝嗎」？小飛立即給出回復(fù)，「荔枝熱量糖分超高，過量易導(dǎo)致熱量超高」，還給出了減肥建議。

這是語音交互的一個(gè)簡單的例子。如果旅游的時(shí)候，遇到不懂的景點(diǎn)，直接交給這款智能眼鏡。

工作人員拿起一張三星堆藏品圖，問道「小飛小飛，這是什么」？

令人驚艷的是，從青銅大立人像細(xì)節(jié)，到歷史背景，它給出了非常直觀的回復(fù)，就如一個(gè)真·導(dǎo)游現(xiàn)場講解。

出國旅游常遇到歪果仁，聽不懂不會(huì)說又是一大難題。而現(xiàn)在，有了面對面翻譯功能，任何人戴上智能眼鏡就能切大號(hào)了。

外國小姐姐和工作人員交流非常絲滑，智能眼鏡實(shí)時(shí)翻譯，完全不卡殼。

有了這些實(shí)用功能，不論是交朋友，還是談合作，賈維斯就不再是科幻。

隨時(shí)隨地，語音交互

今天，科大訊飛不僅實(shí)現(xiàn)了語音識(shí)別的極速響應(yīng)，像和真人交流一樣可隨時(shí)「插話」的流暢體驗(yàn)，而且還能在嘈雜環(huán)境中保證語音交互的可靠性。

為了做到這一點(diǎn)，團(tuán)隊(duì)開發(fā)了從多麥克風(fēng)陣列降噪收音到線性雙麥、四麥、六麥的多模態(tài)降噪技術(shù)，還有專為戶外移動(dòng)場景降噪設(shè)計(jì)的3麥降噪方案，讓AI能在各種噪聲的環(huán)境中「耳聰目明」。

在機(jī)器轟鳴中，建筑工地的智能安全帽，清晰接收指令；騎行中的智能眼鏡，過濾風(fēng)聲，準(zhǔn)確識(shí)別「導(dǎo)航到最近咖啡館」的需求；在人聲鼎沸的機(jī)場，值機(jī)柜臺(tái)旁的機(jī)器人客服能理解旅客查詢——

這些曾經(jīng)的技術(shù)難點(diǎn)，如今都已被攻克。

當(dāng)AI學(xué)會(huì)「察言觀色」

而語音智能最令人振奮的進(jìn)步，莫過于從「能聽會(huì)說」到「察言觀色」的跨越。

如今的AI不僅能聽懂字面意思，還能感知情緒、記憶偏好，甚至理解兒童獨(dú)特的話語方式——機(jī)器正變得越來越像人。

基于千萬高質(zhì)對話數(shù)據(jù)訓(xùn)練，專為情感交互場景打造的「交互大模型」，讓設(shè)備讀懂氣氛，「高情商」回應(yīng)喜怒哀樂。

類人記憶系統(tǒng)與自定義角色，則賦予設(shè)備獨(dú)特個(gè)性。

科大訊飛的「極速超擬人交互」技術(shù)更是將情感交互推向新高度，支持1300多種人設(shè)和情感語氣自由切換。

系統(tǒng)會(huì)基于對歷史話自動(dòng)生成個(gè)性化知識(shí)庫，實(shí)現(xiàn) 「共同成長的陪伴」。

現(xiàn)代AI交互系統(tǒng)構(gòu)建了三層記憶體系：

· 上下文記憶，保證對話連貫性；

· 用戶畫像記憶，存儲(chǔ)長期偏好；

· 生活事件記憶，關(guān)聯(lián)特定場景知識(shí)。

比如，當(dāng)你在智能辦公軟件中輸入「關(guān)于AI交互技術(shù)」時(shí)，系統(tǒng)會(huì)根據(jù)你過去的寫作習(xí)慣，自動(dòng)補(bǔ)全的應(yīng)用前景分析。

這種記憶能力讓AI從「通用助手」進(jìn)化為「個(gè)人專屬管家」。

全新語音背包，機(jī)器人秒變社交達(dá)人

有了AIUI，為什么還需要機(jī)器人超腦呢？

這是因?yàn)椋瑱C(jī)器人本身結(jié)構(gòu)非常復(fù)雜，面對的場景更加復(fù)雜。而現(xiàn)實(shí)任務(wù)中，有些需要「具身智能」才能完成。

2022年，訊飛首次亮相「機(jī)器人超腦平臺(tái)」，目標(biāo)直指讓機(jī)器人能聽會(huì)說、能理解會(huì)行動(dòng)。

時(shí)隔3年，在這個(gè)平臺(tái)下，訊飛機(jī)器人生態(tài)呈現(xiàn)了繁榮景象。

「超腦平臺(tái)」在端側(cè)提供了視聽融合解決方案， 包括多模態(tài)降噪、人類識(shí)別、物體識(shí)別，還有軟硬一體設(shè)計(jì)。

針對不同四輪、雙足、輪式機(jī)器人多種形態(tài)，平臺(tái)提供定制化了硬件交互。

而且，機(jī)器人往往會(huì)面對比較嘈雜、多人對話的場景。

為此，訊飛打造了多人多模態(tài)交互技術(shù)，語音+唇形+降噪分離結(jié)合，就可以精準(zhǔn)識(shí)別。在三人場景下，語音分離率高達(dá)87%，識(shí)別準(zhǔn)確率超90%。

另外，當(dāng)遇到?jīng)]有網(wǎng)絡(luò)、弱信號(hào)的時(shí)，機(jī)器人在現(xiàn)實(shí)世界會(huì)遇到極大的挑戰(zhàn)。

而現(xiàn)在，不用擔(dān)心，訊飛離線交互套件一鍵解決，讓所有交互、識(shí)別，都在端側(cè)完成。

值得一提的是，訊飛大會(huì)上，機(jī)器人超腦平臺(tái)帶來了全新「智能語音背包」，讓語音成為機(jī)器人標(biāo)配。

只要把背包背在機(jī)器人身上，它就具備了張口對話的能力。

現(xiàn)場，產(chǎn)品經(jīng)理一開口——小飛小飛，該你上場了，隨即成功召喚宇樹G1登臺(tái)。

激情澎湃的G1揮著手臂，向臺(tái)下觀眾打招呼，「各位科技大佬、酷炫玩家們，大家下午好，歡迎來到智能產(chǎn)品交互升級party」。

緊接著，它秀出了自己偷學(xué)的賽博朋克太極拳，一邊演示，一邊配著梗解釋，言語之間非常流暢。

「這招叫WiFi信號(hào)滿格，接著是代碼運(yùn)行順暢，再來個(gè)數(shù)據(jù)精準(zhǔn)無誤，最后是系統(tǒng)永不宕機(jī)」。

不得不說，機(jī)器人有了這個(gè)「智能語音背包」的加持，能說會(huì)道，秒變社交達(dá)人。

此外，機(jī)器人超腦平臺(tái)還帶來了「具身智能訓(xùn)練一體機(jī)」。在針對特定任務(wù)訓(xùn)練時(shí)，從采集數(shù)據(jù)、訓(xùn)練，到推理是一個(gè)非常復(fù)雜的過程。

一體機(jī)最大優(yōu)勢在于，將這些過程在一臺(tái)機(jī)器完成，能加速產(chǎn)業(yè)推廣和應(yīng)用。

如今，科大訊飛合作500多家機(jī)器人公司，在酒店服務(wù)、展廳展館、汽車銷售、智慧零售等領(lǐng)域，全面鋪開。

移動(dòng)數(shù)字人閃現(xiàn)，人類AI伙伴

人機(jī)交互，不僅局限于機(jī)器人實(shí)體，數(shù)字人也是下一個(gè)重要的分支。

這次大會(huì)現(xiàn)場的亮點(diǎn)，無疑就是一款全新的移動(dòng)數(shù)字人——「小雨」了。

她的出現(xiàn)，可以說讓全場掀起了最高潮。

不同于以前在大模型一體機(jī)或固定屏幕中的的數(shù)字人，它可以出現(xiàn)在導(dǎo)覽場景，提供移動(dòng)式的交互。

之所以能移動(dòng)，是因?yàn)樗牡鬃溆兄茍D和路線規(guī)劃的功能。

在現(xiàn)場，數(shù)字人「小雨」按照提前制作好的動(dòng)線移動(dòng)上臺(tái)，和主持人進(jìn)行了流暢自然的對話，引得了全場喝彩。

接下來，主持人還隨機(jī)從場上搖上來一位嘉賓，小雨面對他的種種發(fā)問，面不改色，回答流利。

嘉賓對小雨的表現(xiàn)極為贊嘆，表示非常期待在自己公司的展廳中，也能有這樣一個(gè)對話流利絲滑的數(shù)字人。

大會(huì)上，科大訊飛還介紹了AI虛擬人交互平臺(tái)。

憑借業(yè)界領(lǐng)先的多模態(tài)感知和生成技術(shù)，這個(gè)平臺(tái)實(shí)現(xiàn)了「極簡革命」，僅需一句話復(fù)刻聲音、一張圖生成數(shù)字分身，即可在82種語言場景中，「分鐘級」創(chuàng)建虛擬形象。

目前，已有累積超100萬聲音復(fù)刻用戶、10萬數(shù)字分身資產(chǎn)，真正實(shí)現(xiàn)了「每人皆可擁有數(shù)字分身」的愿景。

訊飛的虛擬人，現(xiàn)在已經(jīng)廣泛應(yīng)用于媒體、教育、政企、文旅等場景，甚至還面向個(gè)人用戶提供輕量化的定制方案。

通過超擬人技術(shù)，每個(gè)企業(yè)和個(gè)人，都可以快速構(gòu)建自己的數(shù)字分身了。

只要一句話，大模型就能復(fù)刻聲音；只要一張圖，就能構(gòu)建超擬人數(shù)字人。

在現(xiàn)場，工作人員就用訊飛智作，迅速復(fù)刻了科大訊飛趙總的聲音，制作出了他的數(shù)字分身——小趙總。

厲害的是，它不僅聲音非常還原，還能支持中、日、英、韓、俄等多種語言。

而數(shù)字人的樣貌，也同樣可以定制。一眨眼的時(shí)間，訊飛智作就生成了小趙總的商務(wù)版數(shù)字人。

「他」不僅聲音跟趙總一模一樣，說起外語來也是6到飛起。

在AI虛擬人交互平臺(tái)上，科大訊飛提供了全棧的數(shù)字人應(yīng)用服務(wù)，包括豐富的資產(chǎn)構(gòu)建方式、可自由集成的免費(fèi)API、能靈活應(yīng)用的零代碼SaaS、可開箱即用的軟硬件套裝等。

爆火Agent，一鍵定制專屬應(yīng)用

發(fā)布會(huì)另一個(gè)重點(diǎn)，便是訊飛大模型平臺(tái)——星辰Agent。

人們都說，2025年是Agent元年。當(dāng)前，Agent已成為開發(fā)應(yīng)用的一個(gè)重要的方式，大幅降低了開發(fā)門檻。

星辰Agent是一個(gè)一站式定制開發(fā)平臺(tái)，可以完成從Agent開發(fā)、應(yīng)用測評，到可控發(fā)布、運(yùn)營迭代所有流程，還包含了RAG等專業(yè)工具。

對于開發(fā)者來說，應(yīng)用開發(fā)時(shí)間大幅縮短，效率倍增。

會(huì)上，訊飛正式面向企業(yè)，發(fā)布了星辰Agent平臺(tái)專業(yè)版。

它能提供高并發(fā)、高容量的優(yōu)享資源，還支持效果評測、團(tuán)隊(duì)協(xié)作、1V1定制服務(wù)。

多款智能體應(yīng)用已在星辰Agent平臺(tái)上線

訊飛產(chǎn)品經(jīng)理丁瑞演示demo中，針對深圳進(jìn)出口貿(mào)易報(bào)關(guān)，一項(xiàng)非常繁雜的任務(wù)——從發(fā)票、運(yùn)單中提取報(bào)關(guān)所需要的信息，開發(fā)了一個(gè)智能體。

由于這個(gè)智能體任務(wù)復(fù)雜，需要從星辰創(chuàng)建一個(gè)高階工作流，選用圖片文字抽取模版。

驚艷的是，平臺(tái)直接給出了一套完整的流程，只需將圖片、提示、定義抽取字段等所需信息填入即完成。

接下來，上傳一個(gè)報(bào)關(guān)單發(fā)票，結(jié)構(gòu)比較復(fù)雜，讓Agent提取信息，從OCR識(shí)別、大模型解析，到抽取信息，非常快速地完成了任務(wù)。

C端B端，全面稱雄

過去15年，正是AI飛速發(fā)展的15年，也是科大訊飛開放平臺(tái)，迅速發(fā)展的15年：

• 2010年，發(fā)布了業(yè)界首個(gè)語音云，正式拉開語音時(shí)代的帷幕。隨后花了3~5年時(shí)間推動(dòng)語音輸入的普及；

• 2015年，推出首個(gè)AI人機(jī)交互界面——AIUI；

• 2021年，發(fā)布虛擬人；

• 2022年，推出機(jī)器人超腦；

• 2023年，邁入了大模型時(shí)代，發(fā)布「星火大模型」。

大模型的到來，帶來了哪些變化？

如今，大模型浪潮驅(qū)動(dòng)開發(fā)者高質(zhì)增長，訊飛生態(tài)合作伙伴已超1152萬，遍布了日韓、新加坡、中東、歐洲等地，構(gòu)建出全球領(lǐng)先的AI開放生態(tài)。

值得一提的是，機(jī)器人、智能辦公、穿戴領(lǐng)域開發(fā)者翻倍，數(shù)字人創(chuàng)作量激增16倍，人均交互頻次提升6.5倍。

顯而易見的是，大模型時(shí)代下，交互范式正加速變革。

在技術(shù)研發(fā)上，科大訊飛早有多項(xiàng)突破：

· 2008年，首次讓機(jī)器的語音合成超過普通人說話水平；

· 2012年，首次讓機(jī)器的語音評測超過人類專家水平；

· 2015年，首次讓機(jī)器的語音識(shí)別超過人類速記員水平。

之后，科大訊飛創(chuàng)立了國內(nèi)「歷史上的首次」：

· 2017年，「智醫(yī)助理機(jī)器人」首次通過國家執(zhí)業(yè)醫(yī)師資格考試綜合筆試測試，并超過96.3%的人類考生；

· 2018年，首次讓機(jī)器翻譯的中英語音翻譯達(dá)到CATTI全國翻譯專業(yè)資格（水平）考試二級合格標(biāo)準(zhǔn)；

· 2022年，在OpenBookQA知識(shí)推理挑戰(zhàn)賽中，首次單模型超過人類平均水平；

在To B/To G領(lǐng)域，早在2024年，科大訊飛就已做到了多個(gè)行業(yè)第一。

根據(jù)Xsignal奇異因子報(bào)告數(shù)據(jù)，科大訊飛旗下已有三款應(yīng)用成功突破百萬月活大關(guān)，分別是訊飛星火（APP 端）、訊飛AI學(xué)（APP 端）和訊飛曉醫(yī)（APP端）。

其中，訊飛星火APP在中國APP端AI應(yīng)用排行榜中位列第7，躋身通用大模型賽道的Top5。

AI時(shí)代，人機(jī)交互應(yīng)該是什么樣？這場大會(huì)，訊飛給出了最好的答案——AIUI。

正如科大訊飛董事長劉慶峰所言：「語音，將成為萬物互聯(lián)時(shí)代的主要交互方式」。

當(dāng)下，智能語音若要走進(jìn)多場景應(yīng)用，機(jī)器人恰是將這些交互，拉進(jìn)現(xiàn)實(shí)最重要的一步。

從兒童專屬交互方案、AI智能眼鏡「三麥陣列」，到機(jī)器人語音背包，再到移動(dòng)虛擬數(shù)字人，我們已經(jīng)看到了下一個(gè)人機(jī)交互的未來。