Soukromé nasazení, vlastní avataři a vícejazyčný dialog – co dokáže nový digitální člověk s umělou inteligencí

Yingmiho multimodálníAI interaktivní digitální lidský systém- se nyní dodává jako samostatný vše-v-jednom terminálu - spojuje-3D zobrazení s pouhým okem, uvažování pomocí velkého jazykového modelu a místní soukromou znalostní základnu do jediné jednotky. Organizace jej konfigurují, označují a provozují bez směrování citlivých dat přes externí cloud.

Ten poslední bod je čím dál těžší brát jako samozřejmost. Veřejné instituce a podniky jsou stále více ostražité ohledně toho, co jde do sdílené infrastruktury AI a kde končí. Soukromá znalostní báze RAG (Retrieval-Augmented Generation) systému udržuje obsah uložený a zpracovávaný ve vlastním prostředí klienta. Export a zálohování běží jedním kliknutím.

Terminál funguje jako virtuální operátor -, který odpovídá na dotazy návštěvníků, provádí uživatele službami a vrací informace v jakémkoli formátu, který odpovídá dotazu: text, obrázek, video nebo mluvená odpověď. Návštěvníci mohou zahájit interakci třemi způsoby: hlasovým klíčovým slovem, dotykovou obrazovkou nebo detekcí obličeje. Tyto tři režimy mohou běžet společně nebo je lze jednotlivě zapínat a vypínat z backendu pro správu.

Práce s řečí zahrnuje čínský{0}}anglický dialog s podporou mikrofonu filtrování hluku{1}}. Na rozdíl od pevných-přehrávacích kiosků systém akceptuje přerušení uprostřed-věty -, kde mohou návštěvníci pokračovat-bez čekání na dokončení odpovědi. Další jazyky jsou konfigurovatelné pro mezinárodní turistická místa nebo přeshraniční-podniková prostředí.

Z důvodu umělé inteligence se systém připojuje k DeepSeek, Doubao, ERNIE Bot, Xunfei Spark a volitelně GPT-4.0. Přijímá také klientem-dodané proprietární koncové body API - užitečné pro organizace, které již mají vybudovanou infrastrukturu interního modelu a chtějí, aby ji prováděl digitální člověk, nikoli službu třetí strany.

Vizuální komponenta běží na hloubkovém vykreslování -3D lentikulárního displeje holýma očima - bez brýlí nebo náhlavních souprav. Knihovna avatarů obsahuje více než 200 předem sestavených postav-pokrývajících profesionální role v podnikání, státní správě a cestovním ruchu, přičemž při nasazení jsou zahrnuty tři standardní sady. Klienti mohou nahrát vlastní podnikové znaky prostřednictvím rozhraní pro správu.

Každý avatar nese tři sady pohybů: nečinné dýchání s mikro-výrazy, pozdravná gesta (úklona, ​​kývnutí, mávání) a pohyby rukou-v režimu vysvětlení, které se synchronizují s mluveným obsahem. Přepínání avatarů - nebo přepínání jazykových režimů, řekněme z mandarínské obchodní persony na anglicky -mluvícího průvodce -, se děje hlasovým příkazem za běhu, není potřeba žádná rekonfigurace backendu.

Klonování hlasu umožňuje klientům přivést do systému konkrétní hlas. Krátká nahrávka od mluvčího nebo institucionální postavy projde klonovacím výcvikem; digitální člověk pak mluví tímto hlasem. Více profilů TTS lze nainstalovat a zaměnit nezávisle na tom, který avatar běží.

Soukromá znalostní báze obsahuje obsah v několika formátech: soubory Excel pro páry otázek a odpovědí, balíčky PowerPoint s automatickým-synchronizovaným postupem snímků během prezentací a videosoubory, které se spouštějí v konkrétních bodech interakce. Živé dotazování - počasí, zprávy - běží vedle kurátorského institucionálního obsahu.

Každodenní{0}}-správa probíhá prostřednictvím vizuálního editoru s nulovým{2}}kódem. Operátoři upravují slova probuzení, rychlost hlasu, osobní nastavení a zvukové profily prostřednictvím grafického rozhraní; změny se projeví okamžitě bez restartu systému. Backend používá stupňovité ovládací prvky oprávnění, takže různé role operátorů vidí a upravují pouze to, čeho se mohou dotýkat.

Terminál je k dispozici v šesti velikostech obrazovky - 21.5, 27, 32, 43, 49 a 55 palců - buď se standardním LCD, nebo s 3D lentikulárním-okem. Možnosti krytu zahrnují kartáčovaný kov, tvrzené sklo a lak; branding probíhá prostřednictvím laserového gravírování nebo sítotisku. Instalace se montuje jako volně stojící podlahová jednotka s kolečky, nástěnným držákem nebo stolním stojanem.

Konfigurace OEM a ODMjsou dostupné pro systémové integrátory a prodejce. Přizpůsobení softwaru zahrnuje animaci spouštění, úplné nahrazení motivu uživatelského rozhraní firemní vizuální identitou a ovládací prvky aktivace na-úrovni modulů. Hardware se dodává s koncovým - rámečkem pro branding klienta, spouštěcí sekvencí, uživatelským rozhraním - bez viditelné identifikace výrobce, pokud to klient potřebuje.

Aktuální nasazení probíhá napříč vládními administrativními centry, muzejními výstavními síněmi, firemními showroomy, vestibuly nemocničních oddělení, informačními body univerzitního kampusu a patry bankovních poboček. Mezi pět sektorů, na které se Yingmi zaměřuje, patří vláda a veřejné služby, podnikové prostory, kulturní turistika, vzdělávání a zdravotnictví a finanční instituce.

Nasazení probíhá v sedmi fázích: konzultace požadavků, nabídka řešení, smlouva, výroba obsahu, výroba a expedice,-instalace na místě a po{1}}předání po prodeji. Podpora po-nasazení zahrnuje doživotní aktualizace softwaru, -nepřetržitou{5}}technickou odezvu na dálku, pomoc s údržbou znalostní báze a školení operátorů. Pohotovostní jednotka pro nouzové pokrytí je k dispozici jako doplněk-.

Pro týmy zásobující zakázky se praktické otázky obvykle soustřeďují kolem tří věcí: kde jsou data uložena, zda lze hlas a značku systému vytvořit tak, aby působily spíše institucionálním než --policovým zařízením, a kolik interního zapojení IT vyžaduje probíhající provoz. Soukromá architektura nasazení, hlasové klonování a backend pro nulovou{3}}správu kódu jsou zaměřeny na jeden z těchto tří problémů -, ačkoli to, jak dobře obstojí v měřítku, závisí na konkrétním prostředí a připravenosti vlastní infrastruktury klienta.