号称行业首个具身全模态端到端交互大模型，智元发布 WITA-Omni

来自IT之家 AI的《号称行业首个具身全模态端到端交互大模型，智元发布 WITA-Omni》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 10 日消息，“智元 AGIBOT”公众号今天（10 日）晚间发文宣布，智元正式发布 WITA-Omni（硅光动语全模态大模型）。 根据官方介绍，该模型也是 行业首个具身全模态端到端交互大模型 。WITA-Omni 基于机器人本体感知数据深度训练，除了音视频输入输出，还新增支持 触觉、本体状态等输入 ，以及 机器人动作、表情等输出 ，让机器人第一次拥有为物理世界而生的“交互大脑”。 基于流式全双工架构，WITA-Omni 可做到 边听、边想、边应、边动、边做表情 ，减少传统串行处理中的等待。交互响应最快约 400 毫秒、平均约 600 毫秒，较业内平均水平快近 3 倍。 同时，全模态拒识让机器人交互 不再需要唤醒词，全程自然对话 。系统结合对话朝向、视频、音频、声纹、唇动、姿态、语义和上下文，决策当前发言是否需要回应。面对多人交谈或环境广播等干扰时，极大降低误触发，让机器人更懂“看场合”。 WITA-Omni...