Privat implementering, anpassade avatarer och flerspråkig dialog – vad den nya AI Digital Human kan göra

Yingmis multimodalaAI interaktivt digitalt mänskligt system- som nu levereras som en fristående allt-i-terminal - ger 3D-visning med blotta-ögon, stora språkmodellresonemang och en lokal privat kunskapsbas i en enda enhet. Organisationer konfigurerar det, märker det och kör det utan att dirigera känslig data genom ett externt moln.

Den sista punkten har blivit svårare att ta för given. Offentliga institutioner och företag blir mer försiktiga med vad som går in i delad AI-infrastruktur och var det hamnar. Systemets privata RAG-kunskapsbas (Retrieval-Augmented Generation) håller innehåll lagrat och bearbetat i klientens egen miljö. Export och säkerhetskopiering körs med ett klick.

Terminalen fungerar som en virtuell telefonist - som svarar på besökarnas frågor, leder användare genom tjänster och returnerar information i vilket format som helst som passar frågan: text, bild, video eller talat svar. Besökare kan starta en interaktion på tre sätt: röstsökord, pekskärm eller ansiktsigenkänning. De tre lägena kan köras tillsammans eller slås på och av individuellt från förvaltningens backend.

Talhantering omfattar kinesisk-engelsk dialog med brus-filtrerande mikrofonstöd. Till skillnad från fasta-uppspelningskiosker, accepterar systemet avbrott i mitten-mening - besökare kan koppla in med en uppföljning-utan att vänta på att svaret ska avslutas. Ytterligare språk kan konfigureras för internationella turistattraktioner eller gränsöverskridande företagsmiljöer-.

Av AI-resonemang ansluter systemet till DeepSeek, Doubao, ERNIE Bot, Xunfei Spark och eventuellt GPT-4.0. Den accepterar även klient--levererade proprietära API-slutpunkter - som är användbara för organisationer som redan har byggt interna modellinfrastrukturer och vill att den digitala människan ska köra igenom den istället för en tredjepartstjänst.

Den visuella komponenten körs på en 3D-linsformad 3D-linsskärm - med blotta ögon - djupåtergivning utan glasögon eller headset. Avatarbiblioteket har mer än 200 förbyggda-karaktärer som täcker yrkesroller inom företag, myndigheter och turism, med tre standarduppsättningar som ingår vid implementeringen. Klienter kan ladda upp anpassade företagstecken via hanteringsgränssnittet.

Varje avatar har tre rörelseuppsättningar: tomgångsandning med mikro-uttryck, hälsningsgester (båge, nicka, vinka) och handrörelser i förklaringsläge- som synkroniseras med talat innehåll. Att byta avatarer - eller byta språkläge, säg från en mandarinsk affärsperson till en engelsktalande-guide - sker med röstkommando under körning, ingen omkonfigurering av backend behövs.

Röstkloning låter klienter ta en specifik röst till systemet. En kort inspelning från en talesperson eller institutionsfigur går igenom klonutbildning; den digitala människan talar sedan med den rösten. Flera TTS-profiler kan installeras och bytas ut oberoende av vilken avatar som körs.

Den privata kunskapsbasen tar innehåll i flera format: Excel-filer för fråge- och svarspar, PowerPoint-spel med automatisk-synkroniserad bildprogression under presentationer och videotillgångar som utlöses vid specifika interaktionspunkter. Liveförfrågningar - väder, nyheter - körs tillsammans med det utvalda institutionella innehållet.

Daglig-till-hantering går genom en visuell redigerare med noll-kod. Operatörer justerar väckningsord, rösthastighet, personinställningar och ljudprofiler via ett grafiskt gränssnitt; ändringar aktiveras omedelbart utan omstart av systemet. Backend använder nivåstyrda behörighetskontroller så att olika operatörsroller bara ser och redigerar det de är behöriga att röra vid.

Terminalen finns i sex skärmstorlekar - 21.5, 27, 32, 43, 49 och 55 tum - i antingen standard LCD eller 3D linsformad-ögon. Kapslingsalternativ inkluderar borstad metall, härdat glas och lack; branding sker via lasergravering eller screentryck. Installation monteras som en fristående golvenhet med hjul, ett väggfäste eller ett skrivbordsställ.

OEM- och ODM-konfigurationerär tillgängliga för systemintegratörer och återförsäljare. Programvaruanpassning omfattar startanimering, komplett ersättning av UI-tema mot en visuell företagsidentitet och aktiveringskontroller på modul-nivå. Hårdvaran levereras med klientvarumärke från slut till slut --kapsling, startsekvens, UI - utan någon tillverkaridentifiering synlig om det är vad kunden behöver.

Nuvarande installationer går över statliga administrativa centra, museiutställningshallar, företagsutställningslokaler, sjukhusavdelningslobbyer, universitetscampusinformationspunkter och bankkontor. De fem sektorer som Yingmi siktar på är statliga och offentliga tjänster, företagsutrymmen, kulturturism, utbildning och hälsovård och finansiella institutioner.

Implementeringen sker i sju steg: kravkonsultation, lösningsoffert, kontrakt, innehållsproduktion, tillverkning och leverans,-installation på plats och överlämning efter-försäljning. Support efter-implementering inkluderar livstidsuppdateringar av mjukvara,-dygnet runt-fjärrteknisk respons, hjälp med kunskapsbasunderhåll och operatörsutbildning. En beredskapsenhet för nödsituation är tillgänglig som tillägg-.

För inköpsteam tenderar de praktiska frågorna att samlas kring tre saker: var data lagras, om systemets röst och varumärke kan fås att kännas institutionell snarare än -från-hyllan, och hur mycket internt IT-engagemang som den pågående driften kräver. Den privata implementeringsarkitekturen, röstkloningen och noll-kodhanteringsbackend är var och en inriktad på ett av dessa tre problem - men hur väl de håller i skala beror på den specifika miljön och kundens egen infrastrukturberedskap.