首页 > 动态 > 关键词  > 阿里最新资讯  > 正文

阿里AliGenie 5.0首创多模态唤醒:唇动即可唤醒天猫精灵

2020-09-17 20:18 · 稿源: 快科技

9月17日,阿里巴巴在云栖大会上发布了全场景人机交互系统“AliGenie 5.0”,将视觉、语音、触觉等多种形态的交互方式融合在一起,可以让设备更精准地感知物理世界、更深入地理解用户意图,人与机器的交流可以像人与人之间一样自然流畅。

多模态交互技术其实并不是第一次提出,但此前基本都停留在学术层面,而阿里在业内第一次把“多模态唤醒”技术大规模用在了消费电子产品上。

从AliGenie 5.0开始,阿里旗下的天猫精灵将以服务为中心,应用微内核、多模态交互等技术,构建全场景智能化,并面向开发者、智能家居合作伙伴开放。

天猫精灵今天也同步推出了四款产品,其中“天猫精灵CC10”电池版率先搭载AliGenie 5.0,号称“懂你的教育智慧屏”,支持唇动唤醒、挥手唤醒。

它还内置电池,支持精灵伴读、智慧课堂、智能看护等功能,10月16日10点开卖,价格699元,赠送价值2499元的新东方在线课程。

“天猫精灵CCMINI”则是第一款4英寸屏的天猫精灵产品,搭载了阿里自研的微内核操作系统,成为全球首个量产上市的微内核智能音箱。

它具备炫彩表盘、日程管理、音乐伴眠、家居智控、信息中心等功能,已开启预售,价格199元,送价值199元护肤品。

另外两款新品,一个是“天猫精灵IN糖2”,具备像素信息屏、多彩金属网面、专属精灵键,全面提升了音质,还有贪睡闹钟,已开启预售,价格169元,限量送39元声控智能灯泡。

另一个是“天猫精灵CC7”,支持影音娱乐、视频通话、智慧课堂、爱家看护、家居智控,已开启预售,价格329元,限量送价值69元童心礼盒、400元语音购大礼包。

举报

  • 相关推荐
  • 谷歌“狙击”OpenAI,发布新一代大模型,主打Agent+多模态

    继量子芯片之后,谷歌又来抢“OpenAI双12直播”的流量了!就在刚刚,谷歌新一代大模型Gemini2.0突然登场,再次由谷歌CEO皮猜亲自官宣。新一代模型专为AIAgent打造,谷歌表示目前已经将2.0版本提供给了一些开发者内测,正在迅速将其集成在Gemini和搜索等产品线中。从OpenAI跳槽到谷歌的LoganKilpatrick表示,他们在GoogleAIStudio中创建了一个全新体验,展示了Gemini2.0视频理解、原生工具�

  • 不做Sora背后:百度的多模态路线是什么?

    当ChatGPT掀起国内“百模大战”,百度率先交卷文心一言。Sora再掀视频生成风潮,却传出李彦宏内部讲话“Sora无论多么火,百度都不去做”。大量的行业应用所产生的数据,又能为AGI的发展提供丰富的养分,形成良性循环,推动数据飞轮的高速运转,从加快我们迈向AGI的步伐。

  • 北大等发布多模态版o1!首个慢思考VLM将开源,视觉推理超越闭源模型

    北大等出品,首个多模态版o1开源模型来了——代号LLaVA-o1,基于Llama-3.2-Vision模型打造,超越传统思维链提示,实现自主“慢思考”推理。在多模态推理基准测试中,LLaVA-o1超越其基础模型8.9%,并在性能上超越了一众开闭源模型。团队宣布LLaVA-o1的代码、预训练权重、数据集等即将全部开源。

  • 亚马逊祭出地表最强全家桶,多模态Nova却败给Claude 3.5

    【新智元导读】围剿英伟达,数十万颗自研二代芯片超算在建!亚马逊祭出地表最强全家桶,多模态Nova击败GPT-4o。亚马逊推出了号称最强大的多模态模型Nova系列。IDC在2023年12月发布的最新研究报告显示,英伟达当前在AI芯片市场中占据着约95%的主导地位。

  • 超GPT-4o,1240亿参数!最强开源多模态模型 Pixtral Large

    法国著名开源大模型平台Mistral.ai,开源了超大多模态模型——PixtralLarge。PixtralLarge有1240亿参数,支持128K上下文,能理解文本、图表、图像等,也是Mistral.ai自家聊天助手leChat目前正在使用的视觉模型。LeChat提供了一个从模型到输出的完全集成平台,用户可以在一个平台上完成所有的多模态任务,无需在多个工具之间切换,简化了工作流程。

  • AI日报:阿里云逆天大模型Qwen2.5-Turbo;ElevenLabs支持打造对话AI智能体;Mistral推最强开源多模态模型Pixtral Large

    欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里云发布逆天大模型Qwen2.5-Turbo一口气读完十本小说,推理速度提升4.3倍!阿里云推出的Qwen2.5-Turbo大语言模型在上下文处理能力和推理速度上都取得了革命性的突破,令人期待其�

  • 首个可保留情感的音频LLM!Meta重磅开源7B-Spirit LM,一网打尽「音频+文本」多模态任务

    【新智元导读】Meta最近开源了一个7B尺寸的SpiritLM的多模态语言模型,能够理解和生成语音及文本,可以非常自然地在两种模式间转换,不仅能处理基本的语音转文本和文本转语音任务能捕捉和再现语音中的情感和风格。在纯文本大模型取得进展的同时,其他模态数据,如语音与文本结合的语言模型也成为了一个热门的研究领域,但现有的模型要么在仅包含语音的数据上进行训练,要么是关注特定任务,如文本转语音、自动语音识别或翻译,在其他模态数据和任务上的泛化能力十分有限。研究人员还直接评估了模型对输入提示的处理能力,结果发现,无论是哪种提示,模型都能得到很高的评分,表明还有很大的空间来进一步提高模型在保持情感表达方面的能力,也意味着,智能体在理解和生成情感丰富的内容方面还有很大的潜力可以挖掘。

  • 苹果CEO库克:从来没有考虑过Apple Intelligence收费问题

    此前MarkGurman在播客节目中表示,苹果或将效仿iCloud订阅的形式,将部分AI功能以付费服务的形式提供,他们的长期计划或是推出类似AppleIntelligence”这样的产品。这则消息曝光后引发热议,业界普遍认为,苹果AI后续会收取费用,因为将重心从硬件转向具有更高盈利能力的服务业务已经是苹果过去几年经营策略的重要路线。自1998年以来,我的生活就跟这家公司息息相关,苹果因改变世界、为人类提供改善生活品质的伟大产品被历史铭记。

  • AI日报:OpenAI重磅上线Sora;智谱AI免费多模态模型GLM-4V-Flash;腾讯云打造AI代码助手

    欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、OpenAI正式上线Sora,ChatGPTPro用户可无限生成、最长20秒OpenAI在"ship-mas"系列活动中发布了SoraTurbo视频生成AI,支持生成20秒1080p视频,用户可通过文本、图片或视频进行创作,具有多种风格和剪辑功能。See3D已开源,支持多种3D创作应用。

  • AI Agent再迎一巨头!谷歌重磅发力AI Agent ,商用大爆发!

    上周微软在“Microsoftignite2024”大会上发布10多个商用AIAgent后,科技巨头谷歌也宣布全力推广商用AIAgent,发布一系列激励活动和产品。谷歌云将提供从AIAgent的开发、部署到应用一站式商用生态。微软、谷歌、百度、SAP、Salesforce等巨头都在积极推广,加上OpenAI即将推出的全新AIAgent产品“Operator”,2025年将成为AIAgent商用爆发年。