3月19日，京东科技人工智能团队凭借“多模态交互式数字人关键技术及产业应用”项目，荣获中国智能科学技术最高奖——吴文俊人工智能科学技术奖的唯一特等奖。该项目在人体建模、多模态语义对齐及行为生成等方面实现技术突破。京东已将该技术商业化，服务9000+商家，带来超140亿销售额。此外，京东言犀数字人技术升级，通过LiveTTS和LiveHuman模型，可快速生成高质量数字人。这是京东继2021年和2022年后再次获此殊荣。

1月24日，Perplexity AI公司推出安卓版Perplexity Assistant，提供多模态交互体验及跨应用任务执行能力。该AI助手能回答问题、写邮件、设提醒、预订晚餐等，支持基于屏幕内容提问及摄像头互动。实际应用案例包括：语音叫车、播放指定播客、识别实物及协助发送短信。目前支持Spotify、YouTube、Uber等应用。

1月20日，豆包实时语音大模型正式发布，旨在实现端到端语音对话，主要面向中文语境。该模型具备接近真人的语音表达水准，低时延且支持打断对话。在与OpenAI的GPT-4o对比中，豆包模型在语音语气自然度和情绪饱满度方面表现更优，整体满意度评分4.36（满分5分）。豆包模型团队采用端到端框架，融合语音与文本模态，通过预训练和后训练阶段优化，提升了模型的对话能力和安全性。实时语音AI的价值在于提供更真实的交互体验和情感价值，有望推动AI端侧硬件的发展。

11月14日，“讯飞开放平台”宣布讯飞星火多模态交互大模型正式上线。该模型实现了从单一语音交互向音视频流实时多模交互的拓展，新增了“多模态、超拟人和个性化”功能，集成了语音、视觉、数字人交互于一体，支持一键调用。该模型首次应用超拟人数字人技术，数字人的动作、表情能精准匹配语音内容，实现跨模态语义一致性，使情感表达更连贯。同时，该模型支持超拟人极速交互，采用统一神经网络实现语音到语音的端到端建模，能敏锐感知情绪变化并自由调整声音节奏、大小及人设。此外，它还能实现多模态视觉交互，能够理解具体背景场景，通过语音、手势、行为、情绪等综合判断作出回复。用户可通过数字人进行自然语音对话，数字人能识别摄像头中的内容，如物品品牌、品类等。

上周，在GITEX GLOBAL展会上，社交应用Soul展示了其最新的AIGC+社交融合成果，用户可通过AI创建3D数字人并进行实时互动。Soul CTO陶明表示，其语音对话延迟已降至不到200毫秒，得益于端到端大模型能力的应用，提升了用户体验。ChatGPT的出现激发了互联网公司纷纷投身AI领域，Soul也积极加入这股浪潮，通过持续迭代产品和探索新业务，意图构建AI与人类共存的社区。 Soul认为，AI不仅要具备认知能力，还需具备感知能力，例如通过感知用户的咳嗽声来判断健康状况。目前，Soul正逐步将AI融入产品中，提升用户与AI的互动体验。Soul产品负责人指出，赛博社交因其强调个性化和无压力交流，更受00后欢迎。随着AI技术的发展，未来年轻人的好友列表或将包含越来越多的AI虚拟角色，形成新的社交模式。

标题：OPPO重构ColorOS，推动系统级AI融合 OPPO软件工程事业部总裁唐凯指出，AIOS是AI手机的关键组成部分，将经历三个阶段：系统应用AI化（AI for System）、系统AI化（System for AI）和AI即系统（AI as System）。 OPPO ColorOS设计总...

中国商汤科技震撼发布国内首个流式多模态交互模型《Her》，6000亿参数的日日新5.5系列5o实现实时、拟人对话，支持多模态交流。商汤CEO徐立宣布即将应用于实际场景，展示出AI与用户更加生动丰富的互动。此外，他们还创新性地“复活”计算机巨匠，推出首个可控人物视频生成大模型Vimi，只需一张照片即可创造个性化1分钟视频。商汤借助混合端边云协同架构和海量训练数据，显著提升AI性能。本次发布还包括端侧模型5.5 Lite的升级，以低至每年9.9元的成本实现高效、普惠的AI服务。商汤CEO强调重塑交互的重要性，预示AI2.0时代的超级时刻正在来临。