logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

一条老街两小时,一位不背导游词的 AI 讲解:途说如何用端到端具身交互智能让城市导览活起来(1)

途说基于魔珐星云端到端具身交互平台,以本地向导形象实现“随走随讲”的智能导览。通过定位触发、多模态感知与实时交互闭环,打破传统单向播放模式,支持自由追问与动态响应。依托轻量SDK,仅500行代码完成“定位—讲解—追问—引路”全流程,结合容错机制与降级策略,保障弱网下体验流畅。真正让游客“走进”老街,而非“走过”街区。

文章图片
#人工智能#交互#microsoft +2
一首曲子弹四十遍,一位不打击琴童的 AI 陪练:琴随如何用端到端具身交互智能守住练琴的乐趣

晚上八点,隔壁传来第四十遍《小星星变奏曲》——第三小节又错了。琴童妈妈推门进去:"这个音说多少遍了,升4!"孩子眼圈一红,琴盖"砰"地合上:我不学了。这一晚,全国有几十万个琴童家庭在上演同一场戏。琴随(Qínsuí)就是冲着这场戏做的。她以陪练老师的形象常驻在平板上的琴谱旁,孩子弹她听,弹对了她夸,但夸得有名有据;弹错了她不会喊"又错了",而是说"第三小节那个升4,我们单独把它拎出来弹三遍"。她记

文章图片
#人工智能#交互#microsoft +1
深夜十一点,一位不评判你的 AI 陪伴者:心屿如何用端到端具身交互智能搭一座情绪树洞

深夜独处时,一句“睡一觉就好了”背后是千万人的沉默。心屿依托魔珐星云端到端具身交互平台,以低延迟打断、精准静默识别、多模态同步表达,实现真正“在场”的陪伴。通过标准化SDK,将感知、共情、守护一体化,即使弱网或崩溃也保持温暖回应——不抢话、不丢上下文、危机时主动递出援助。它不是拼接的工具,而是一条完整的神经,让AI陪伴从“说话”升维为“共在”。

文章图片
#人工智能#交互#microsoft +2
端到端具身智能平台构建旅行 Agent:行止的感知 - 求解 - 随行闭环落地

行止是一款基于魔珐星云端到端具身交互智能平台的旅行定制应用,通过多模态感知、实时决策与自然表达,实现“需求澄清—行程求解—随行调整”闭环。她以真实定制师思维,拒绝行程堆砌,坚持“留白”与“可执行”,用约束求解器控制密度,敢于对用户说“不”,并动态响应天气、体力等变量。依托专属智脑,她不仅懂规则,更懂人——在语音、表情、手势中传递温度,让行程真正成为“去休息”的旅程。

文章图片
#人工智能#microsoft#重构 +2
用 SDK 落地一个英语口语陪练具身交互智能体:从“能说话“到“像在和人说话“

本文基于魔珐星云 SDK,落地一个可日常使用的英语口语陪练具身智能体。突破传统“语音识别+大模型+TTS”拼接架构,实现端到端实时交互:支持随时插话、表情自然、状态同步,真正模拟面对面对话。通过专属智脑构建角色认知与知识图谱,结合参数流渲染与持续交互循环,实现≈500ms响应延迟,终端成本低,代码可复用。核心在于让AI不仅“会说话”,更“像在和人说话”。

文章图片
#交互#人工智能#microsoft +3
桃桃上岗记:调教出一个 3D 具身交互智能体导购

本文记录了3D具身智能体导购“桃桃”的诞生全过程。面对客服人力不足、咨询响应滞后等问题,作者基于魔珐星云平台,通过精心调教人设与智脑,打造了一个7×24小时在线、口语化表达、能精准推荐商品的虚拟导购。核心突破在于:摒弃传统“ASR→LLM→TTS”拼接模式,构建持续交互循环;依托知识图谱与RAG深度融合,实现跨文档推理;并通过可插拔架构灵活适配品牌需求。最终,桃桃不仅会“说话”,更懂“自己是谁、在

文章图片
#交互#人工智能#microsoft +3
每天早上 7 点半先开口:用交互做了个AI小晨

每天7点半,AI“小晨”主动开口,打破传统语音助手被动等待的局限。通过具身交互技术,实现多模态感知、专属智脑驱动与实时多模态表达,支持随时打断、连续对话与情境化播报。项目基于魔珐星云SDK,构建端到端交互链路,让AI从“工具”变为“可互动的伙伴”,真正融入真实晨间场景。

文章图片
#交互#microsoft#3d +2
团队_招_了个不发工资的AI同事:不迟到、不忘事,30 秒把重点播完

团队打造AI同事“简简”,以30秒口播形式每日播报会议纪要与待办事项,解决群消息淹没问题。通过大模型流式整理+星云具身交互智能体实时驱动,实现语音、口型、表情、动作同步表达,构建“持续感知-决策-表达”闭环。关键突破在于:非简单拼接TTS,而是以“真人播报”体验为核心,实现边整理边播报、可打断续播的自然交互。真正让AI“像个人”,不在技术堆砌,而在对表达节奏、状态连续性与用户感知的精细设计。

文章图片
#人工智能#microsoft#交互 +1
时序数据库选型指南:从大数据架构视角拆解 Apache IoTDB 的适用边界

时序数据库选型应聚焦数据链路而非单纯性能。基于工业场景的“端-边-云”架构,Apache IoTDB 凭借树/表双模型、TsFile 存储优化、乱序写入分离、边缘轻量部署(512MB内存)及内置AI推理能力,在高基数、低资源环境下具备显著适用性。其核心优势在于生态集成与真实场景适配,而非跑分。选型关键:先画链路图,再对齐建模、协议、部署与成本约束。

文章图片
#时序数据库#大数据#架构 +2
一文读懂系统架构与芯片:从x86到国产芯

本文系统介绍了计算机领域的核心架构与芯片品牌。主流架构包括x86、x86_64/AMD64(32/64位PC和服务器的标准架构)、ARM/AArch64(移动设备主流架构),以及x86与非x86服务器的区别。国际芯片品牌以Intel、AMD、NVIDIA等为主导,国产芯片则包括海思、龙芯、兆芯等自主品牌。特别解析了x86与国产C86架构的区别:x86是Intel主导的全球标准,C86是基于x86授

文章图片
#系统架构#运维#硬件架构 +1
    共 110 条
  • 1
  • 2
  • 3
  • 11
  • 请选择