产品名称:SOLAMI
产品简介:SOLAMI是创新的VR端3D角色扮演AI系统,是南洋理工大学研究团队推出的。支持用户用语音和肢体语言与虚拟角色进行沉浸式互动,基于社交视觉-语言-行为模型,提供超越传统文本和语音交互的自然交流体验。
详细介绍:
SOLAMI是什么
SOLAMI是创新的VR端3D角色扮演AI系统,是南洋理工大学研究团队推出的。支持用户用语音和肢体语言与虚拟角色进行沉浸式互动,基于社交视觉-语言-行为模型,提供超越传统文本和语音交互的自然交流体验。SOLAMI用端到端的VLA模型驱动,能识别用户的肢体语言,作出响应,支持多种角色互动,如跳舞、玩游戏等。SOLAMI为AI角色扮演游戏带来了新的沉浸式体验。
SOLAMI的主要功能
- 沉浸式互动:用户在VR环境中用语音和肢体语言与3D虚拟角色进行自然互动。
- 多模态响应:系统够根据用户的语音和动作输入生成相应的角色语音和动作响应。
- 角色多样性:支持多种角色,包括超级英雄、机器人、二次元角色等,提供丰富的互动体验。
- 互动游戏:支持与角色进行简单的互动游戏,如剪刀石头布。
SOLAMI的技术原理
- 社交视觉-语言-行为模型(Social VLA):用端到端的VLA模型,处理用户的语音和动作输入,生成角色的响应。
- 多模态输入处理:基于Motion Tokenizer和Speech Tokenizer,用户的语音和动作被转换成模型能理解的token。
- LLM基座:用大型语言模型(LLM)作为基座,处理输入的token,自回归地输出角色的语音和动作token。
- 动作表示:用户的动作用SMPL-X的3D旋转表示,用VQ-VAE进行编码。
- 语音处理:用户的语音用RVQ-VAE结构进行编码,用SoundStorm进行解码,实现声音克隆。
- 训练过程:包括多任务预训练和指令微调训练,让模型学习动作、语音和文本之间的关联,处理多轮多模态对话。
SOLAMI的项目地址
- 项目官网:solami-ai.github.io
- arXiv技术论文:https://arxiv.org/pdf/2412.00174
SOLAMI的应用场景
暂无评论...