Ιδιωτική ανάπτυξη, προσαρμοσμένα avatar και πολύγλωσσος διάλογος — Τι μπορεί να κάνει ο νέος ψηφιακός άνθρωπος AI

πολυτροπικό του YingmiΔιαδραστικό ψηφιακό ανθρώπινο σύστημα AIΗ αποστολή - τώρα ως αυτόνομη, όλα-σε-ένα τερματικό - τοποθετεί την τρισδιάστατη οθόνη γυμνών-ματιών, τη συλλογιστική μεγάλων γλωσσικών μοντέλων και μια τοπική ιδιωτική βάση γνώσεων σε μια ενιαία μονάδα. Οι οργανισμοί το διαμορφώνουν, το ονομάζουν και το εκτελούν χωρίς να δρομολογούν ευαίσθητα δεδομένα μέσω εξωτερικού cloud.

Αυτό το τελευταίο σημείο έχει γίνει πιο δύσκολο να θεωρηθεί δεδομένο. Οι δημόσιοι οργανισμοί και οι επιχειρήσεις γίνονται όλο και πιο επιφυλακτικοί σχετικά με το τι περιλαμβάνει η κοινή υποδομή AI και πού καταλήγει. Η ιδιωτική βάση γνώσεων RAG (Retrieval-Augmented Generation) του συστήματος διατηρεί το περιεχόμενο που αποθηκεύεται και υποβάλλεται σε επεξεργασία στο περιβάλλον του ίδιου του πελάτη. Η εξαγωγή και η δημιουργία αντιγράφων ασφαλείας εκτελούνται με ένα κλικ.

Το τερματικό λειτουργεί ως εικονικός υπάλληλος - απαντώντας σε ερωτήσεις επισκεπτών, καθοδηγεί τους χρήστες στις υπηρεσίες και επιστρέφει πληροφορίες σε οποιαδήποτε μορφή ταιριάζει στο ερώτημα: κείμενο, εικόνα, βίντεο ή προφορική απάντηση. Οι επισκέπτες μπορούν να ξεκινήσουν μια αλληλεπίδραση με τρεις τρόπους: φωνητική λέξη-κλειδί, οθόνη αφής ή ανίχνευση προσώπου. Οι τρεις λειτουργίες μπορούν να λειτουργούν μαζί ή να ενεργοποιούνται και να απενεργοποιούνται μεμονωμένα από το σύστημα υποστήριξης διαχείρισης.

Ο χειρισμός ομιλίας καλύπτει κινέζικο-Αγγλικό διάλογο με υποστήριξη μικροφώνου φιλτραρίσματος θορύβου-. Σε αντίθεση με τα σταθερά-κιόσκια αναπαραγωγής, το σύστημα δέχεται διακοπές στα μέσα-πρότασης - που οι επισκέπτες μπορούν να κάνουν μια συνέχεια-χωρίς να περιμένουν την ολοκλήρωση της απάντησης. Πρόσθετες γλώσσες μπορούν να διαμορφωθούν για διεθνείς τουριστικούς χώρους ή διασυνοριακά εταιρικά περιβάλλοντα-.

Για λόγους τεχνητής νοημοσύνης, το σύστημα συνδέεται με DeepSeek, Doubao, ERNIE Bot, Xunfei Spark και προαιρετικά GPT-4.0. Αποδέχεται επίσης-παρεχόμενα ιδιόκτητα τελικά σημεία API - που είναι χρήσιμα για οργανισμούς που έχουν ήδη δημιουργήσει εσωτερική υποδομή μοντέλων και θέλουν ο ψηφιακός άνθρωπος να τρέχει μέσω αυτής και όχι μιας υπηρεσίας τρίτου μέρους.

Το οπτικό στοιχείο εκτελείται σε μια-φακοειδή οθόνη 3D γυμνών ματιών - απόδοση βάθους χωρίς γυαλιά ή ακουστικά. Η βιβλιοθήκη avatar περιέχει περισσότερους από 200 προ-χτισμένους χαρακτήρες που καλύπτουν επαγγελματικούς ρόλους σε επιχειρήσεις, κυβέρνηση και τουρισμό, με τρία τυπικά σύνολα που περιλαμβάνονται κατά την ανάπτυξη. Οι πελάτες μπορούν να ανεβάσουν προσαρμοσμένους εταιρικούς χαρακτήρες μέσω της διεπαφής διαχείρισης.

Κάθε avatar φέρει τρία σετ κινήσεων: αναπνοή σε αδράνεια με μικρο-εκφράσεις, χειρονομίες χαιρετισμού (τόξο, νεύμα, κυματισμό) και επεξήγηση-κινήσεις χεριών που συγχρονίζονται με προφορικό περιεχόμενο. Η εναλλαγή avatar - ή η αλλαγή των λειτουργιών γλώσσας, ας πούμε από μια επαγγελματική περσόνα στα Μανδαρινικά σε έναν-οδηγό που μιλάει αγγλικά - γίνεται με φωνητικές εντολές κατά το χρόνο εκτέλεσης, χωρίς να απαιτείται επαναδιαμόρφωση του backend.

Η κλωνοποίηση φωνής επιτρέπει στους πελάτες να φέρουν μια συγκεκριμένη φωνή στο σύστημα. Μια σύντομη ηχογράφηση από εκπρόσωπο Τύπου ή θεσμικό πρόσωπο περνά από εκπαίδευση κλώνων. ο ψηφιακός άνθρωπος τότε μιλάει με αυτή τη φωνή. Μπορούν να εγκατασταθούν και να αντικατασταθούν πολλαπλά προφίλ TTS ανεξάρτητα από το ποιο avatar εκτελείται.

Η ιδιωτική βάση γνώσεων λαμβάνει περιεχόμενο σε διάφορες μορφές: αρχεία Excel για ζεύγη Q&A, πίνακες PowerPoint με αυτόματη-συγχρονισμένη εξέλιξη διαφανειών κατά τη διάρκεια των παρουσιάσεων και στοιχεία βίντεο που ενεργοποιούνται σε συγκεκριμένα σημεία αλληλεπίδρασης. Ζωντανά ερωτήματα - για τον καιρό, οι ειδήσεις - εκτελούνται παράλληλα με το επιμελημένο περιεχόμενο του ιδρύματος.

Η διαχείριση από ημέρα-σε-ημέρα εκτελείται μέσω ενός οπτικού επεξεργαστή μηδενικού-κώδικα. Οι χειριστές προσαρμόζουν τις λέξεις αφύπνισης, την ταχύτητα φωνής, τις ρυθμίσεις προσώπων και τα προφίλ ήχου μέσω μιας γραφικής διεπαφής. Οι αλλαγές εμφανίζονται αμέσως χωρίς επανεκκίνηση του συστήματος. Το backend χρησιμοποιεί διαβαθμισμένα στοιχεία ελέγχου αδειών, έτσι ώστε οι διαφορετικοί ρόλοι χειριστή να βλέπουν και να επεξεργάζονται μόνο αυτά που είναι εξουσιοδοτημένα να αγγίζουν.

Το τερματικό διατίθεται σε έξι μεγέθη οθόνης - 21.5, 27, 32, 43, 49 και 55 ιντσών - είτε σε τυπική οθόνη LCD είτε σε φακό 3D γυμνού-ματιού. Οι επιλογές του περιβλήματος περιλαμβάνουν βουρτσισμένο μέταλλο, σκληρυμένο γυαλί και φινιρίσματα λάκας. Η επωνυμία συνεχίζεται μέσω χάραξης λέιζερ ή μεταξοτυπίας. Η εγκατάσταση τοποθετείται ως ανεξάρτητη μονάδα δαπέδου με ροδάκια, στήριγμα τοίχου ή επιτραπέζια βάση.

Διαμορφώσεις OEM και ODMείναι διαθέσιμα για ενοποιητές συστημάτων και μεταπωλητές. Η προσαρμογή λογισμικού καλύπτει την κινούμενη εικόνα εκκίνησης, την πλήρη αντικατάσταση του θέματος διεπαφής χρήστη έναντι μιας εταιρικής οπτικής ταυτότητας και τα στοιχεία ελέγχου ενεργοποίησης σε επίπεδο ενότητας-. Το υλικό αποστέλλεται με την επωνυμία πελάτη από άκρο σε άκρο - περίβλημα, ακολουθία εκκίνησης, διεπαφή χρήστη - χωρίς να είναι ορατή η ταυτότητα κατασκευαστή, εάν αυτό χρειάζεται ο πελάτης.

Οι τρέχουσες εγκαταστάσεις εκτελούνται σε κυβερνητικά διοικητικά κέντρα, εκθεσιακούς χώρους μουσείων, εταιρικούς εκθεσιακούς χώρους, λόμπι τμημάτων νοσοκομείων, σημεία πληροφοριών πανεπιστημιούπολης και ορόφους υποκαταστημάτων τραπεζών. Οι πέντε τομείς που στοχεύει το Yingmi είναι οι κυβερνητικές και δημόσιες υπηρεσίες, οι χώροι επιχειρήσεων, ο πολιτιστικός τουρισμός, η εκπαίδευση και η υγειονομική περίθαλψη και τα χρηματοπιστωτικά ιδρύματα.

Η ανάπτυξη ακολουθεί επτά στάδια: διαβούλευση απαιτήσεων, προσφορά λύσεων, σύμβαση, παραγωγή περιεχομένου, κατασκευή και αποστολή,-εγκατάσταση στον ιστότοπο και παράδοση-μετά την πώληση. Η υποστήριξη για την ανάπτυξη ανάρτησης-περιλαμβάνει ενημερώσεις λογισμικού καθ' όλη τη διάρκεια της ζωής τους,-επί-απομακρυσμένη τεχνική απόκριση, βοήθεια για τη συντήρηση της βάσης γνώσεων και εκπαίδευση χειριστή. Μια μονάδα αναμονής για κάλυψη έκτακτης ανάγκης είναι διαθέσιμη ως προσθήκη-.

Για τις ομάδες προμηθειών, οι πρακτικές ερωτήσεις τείνουν να συγκεντρώνονται γύρω από τρία πράγματα: πού αποθηκεύονται τα δεδομένα, εάν η φωνή και η επωνυμία του συστήματος μπορούν να γίνουν θεσμικά και όχι εκτός ράφι--και πόση εσωτερική εμπλοκή πληροφορικής απαιτεί η συνεχής λειτουργία. Η ιδιωτική αρχιτεκτονική ανάπτυξης, η κλωνοποίηση φωνής και το μηδενικό-υποστηρικτικό τμήμα διαχείρισης κώδικα στοχεύουν το καθένα σε ένα από αυτά τα τρία ζητήματα -, αν και το πόσο καλά διατηρούνται σε κλίμακα εξαρτάται από το συγκεκριμένο περιβάλλον και την ετοιμότητα της υποδομής του ίδιου του πελάτη.