Súkromné ​​nasadenie, vlastné avatary a viacjazyčný dialóg – čo dokáže nový digitálny človek AI

Yingmiho multimodálnyInteraktívny digitálny ľudský systém AI- sa teraz dodáva ako samostatný všetko-v-jednom termináli - spája-3D zobrazenie s otvoreným okom, veľké jazykové modelovanie a miestnu súkromnú vedomostnú základňu do jedného celku. Organizácie ho konfigurujú, označujú a spúšťajú bez smerovania citlivých údajov cez externý cloud.

Tento posledný bod je čoraz ťažšie brať ako samozrejmosť. Verejné inštitúcie a podniky sú čoraz ostražitejšie, pokiaľ ide o to, čo ide do zdieľanej infraštruktúry AI a kde to končí. Súkromná vedomostná základňa RAG (Retrieval-Augmented Generation) systému uchováva obsah uložený a spracovaný vo vlastnom prostredí klienta. Export a zálohovanie spustíte jedným kliknutím.

Terminál funguje ako virtuálny operátor -, ktorý odpovedá na otázky návštevníkov, sprevádza používateľov službami a vracia informácie v akomkoľvek formáte zodpovedajúcom dopytu: text, obrázok, video alebo hovorená odpoveď. Návštevníci môžu začať interakciu tromi spôsobmi: hlasovým kľúčovým slovom, dotykovou obrazovkou alebo detekciou tváre. Tieto tri režimy môžu bežať spolu alebo sa môžu zapínať a vypínať jednotlivo z riadiaceho backendu.

Spracovanie reči zahŕňa čínsky{0}}anglický dialóg s podporou mikrofónu s filtrovaním hluku{1}}. Na rozdiel od pevných-kioskov s prehrávaním systém akceptuje prerušenia uprostred-vety -, kde môžu návštevníci pokračovať-bez čakania na dokončenie odpovede. Ďalšie jazyky sú konfigurovateľné pre miesta medzinárodného cestovného ruchu alebo pre-cezhraničné podnikové prostredia.

Z dôvodov AI sa systém pripája k DeepSeek, Doubao, ERNIE Bot, Xunfei Spark a voliteľne GPT-4.0. Prijíma aj klientom-dodané proprietárne koncové body API -, ktoré sú užitočné pre organizácie, ktoré už majú vybudovanú infraštruktúru interného modelu a chcú, aby cez ňu bežal digitálny človek namiesto služby tretej strany.

Vizuálny komponent beží na hĺbkovom vykresľovaní -3D lentikulárneho displeja s holým okom - bez okuliarov alebo náhlavnej súpravy. Knižnica avatarov obsahuje viac ako 200 pred{5}}vytvorených postáv pokrývajúcich profesionálne úlohy v obchode, vláde a cestovnom ruchu, pričom pri nasadení sú zahrnuté tri štandardné sady. Klienti môžu nahrať vlastné podnikové znaky prostredníctvom rozhrania správy.

Každý avatar nesie tri sady pohybov: nečinné dýchanie s mikro-výrazmi, gestá na pozdrav (úklon, kývnutie, mávanie) a pohyby rúk-v režime vysvetľovania, ktoré sa synchronizujú s hovoreným obsahom. Prepínanie avatarov - alebo prepínanie jazykových režimov, povedzme z mandarínskej obchodnej osobnosti na anglicky-hovoriaceho sprievodcu -, prebieha pomocou hlasového príkazu za behu, nie je potrebná žiadna rekonfigurácia backendu.

Klonovanie hlasu umožňuje klientom priniesť do systému špecifický hlas. Krátky záznam od hovorcu alebo inštitucionálnej osoby prejde klonovaním; digitálny človek potom hovorí týmto hlasom. Viacero profilov TTS je možné nainštalovať a vymeniť nezávisle od toho, ktorý avatar je spustený.

Súkromná vedomostná základňa obsahuje obsah v niekoľkých formátoch: súbory programu Excel pre dvojice otázok a odpovedí, balíky programu PowerPoint s automatickým-synchronizovaným priebehom snímok počas prezentácií a prostriedky videa, ktoré sa spúšťajú v konkrétnych bodoch interakcie. Živé dopytovanie - počasie, správy - beží popri kurátorskom inštitucionálnom obsahu.

Každodenná{0}}-správa prebieha cez vizuálny editor s nulovým{2}}kódom. Operátori upravujú slová budenia, rýchlosť hlasu, osobné nastavenia a zvukové profily prostredníctvom grafického rozhrania; zmeny sa okamžite prejavia bez reštartovania systému. Koncový server používa viacúrovňové ovládacie prvky povolení, takže rôzne roly operátorov vidia a upravujú iba to, čoho sa môžu dotýkať.

Terminál sa dodáva v šiestich veľkostiach obrazovky - 21.5, 27, 32, 43, 49 a 55 palcov - buď v štandardnom LCD, alebo -3D lentikulárnom prevedení. Možnosti krytu zahŕňajú brúsený kov, tvrdené sklo a lak; branding prebieha prostredníctvom laserového gravírovania alebo sieťotlače. Inštalácia sa montuje ako voľne stojaca podlahová jednotka s kolieskami, nástenná konzola alebo stolný stojan.

OEM a ODM konfiguráciesú dostupné pre systémových integrátorov a predajcov. Prispôsobenie softvéru zahŕňa animáciu spúšťania, úplné nahradenie témy používateľského rozhrania za podnikovú vizuálnu identitu a ovládacie prvky na-úrovni aktivácie. Hardvér sa dodáva s koncovým - rámom značky klienta, postupnosťou spúšťania, používateľským rozhraním - bez viditeľnej identifikácie výrobcu, ak to klient potrebuje.

Aktuálne nasadenia prebiehajú vo vládnych administratívnych centrách, výstavných sálach múzeí, firemných showroomoch, vestibuloch nemocničných oddelení, informačných miestach univerzitného kampusu a poschodia pobočiek bánk. Medzi päť sektorov, na ktoré sa Yingmi zameriava, patrí vláda a verejné služby, priestory pre podnikanie, kultúrny cestovný ruch, vzdelávanie a zdravotníctvo a finančné inštitúcie.

Nasadenie prebieha v siedmich fázach: konzultácia s požiadavkami, cenová ponuka riešenia, zmluva, produkcia obsahu, výroba a odoslanie,-inštalácia na mieste a{1}}odovzdanie po predaji. Podpora po-nasadení zahŕňa doživotné aktualizácie softvéru, -nepretržitú{5}}technickú odozvu na diaľku, pomoc pri údržbe znalostnej databázy a školenie operátorov. Pohotovostná jednotka na núdzové pokrytie je k dispozícii ako doplnok-.

Pre tímy obstarávania sa praktické otázky zvyčajne sústreďujú na tri veci: kde sú uložené údaje, či hlas a značka systému môžu pôsobiť tak, aby pôsobili inštitucionálne a nie mimo -{1}}police, a koľko interného zapojenia IT vyžaduje prebiehajúca prevádzka. Privátna architektúra nasadenia, hlasové klonovanie a nulový{3}}základ správy kódu sú zamerané na jeden z týchto troch problémov -, aj keď ich obstoja vo veľkom závisí od konkrétneho prostredia a pripravenosti vlastnej infraštruktúry klienta.