智元发布具身全模态交互大模型WITA-Omni

智元发布 WITA-Omni（硅光动语全模态大模型），官方称其为行业首个具身全模态端到端交互大模型。 该模型基于机器人本体感知数据训练，在音视频之外新增触觉、本体状态等输入，以及机器人动作、表情等输出；基于流式全双工架构，可边听、边想、边应、边动，智元称交互响应最快约 400 毫秒、平均约 600 毫秒。 智元称，全模态拒识使其无需唤醒词即可自然对话，并支持上百种语言和方言的流式同声传译。

AI 根据报道生成 · 11 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。