基于自主开发的AI大模型，结合计算机视觉、语音克隆技术，实现高精度数字人生成、实时互动与多语言处理，支持复杂场景的智能化需求。
- 智行大模型，高精度自然语言理解
- 实时互动与多语言处理
- 数字人形象生成、多语言跨境电商
技术优势
-
自主研发AI大模型与核心算法
-
全栈数字人技术体系
覆盖2D/3D数字人形象定制、语音克隆，支持24小时"日不落直播"，适配电商、客服、教育等多场景，大幅降低内容生产门槛
- 支持2D/3D快速生成数字人形象
- 动作与交互，支持拟人化情绪表达
- 覆盖电商直播、文旅虚拟代言人等场景
-
多模态交互与XR融合
整合AI虚幻舱、XR虚拟拍摄、AR/VR技术，打造沉浸式交互体验；虚拟与现实场景无缝衔接，提升品牌营销与用户参与感
- 融合3D全息投影与实时语音交互，打造沉浸式体验
- 虚拟拍摄技术，真人动作实时映射
- AR冰箱贴、3D文创手办等交互产品
-
海量数据集（动捕、3D、人脸数据）
整合高精度动作捕捉、三维扫描建模、多维度人脸数据库，构建数据资产库；虚拟人驱动全场景赋能，推动数字内容生产效率跃升
- 结合AI骨骼重定向，适配多领域应用
- 支持UE5/Blender/Maya生成与物理仿真
- 3D拓扑优化、人脸特征域迁移，突破小样本训练瓶颈
技术能力
智行大语言模型
-
多模态Multimodality
数据归一化：对不同模态的数据进行归一化处理
多模态特定架构：将不同模态进行提取、融合和交互
多模态预训练与微调：根据需求进行训练与微调算法
多模态对话生成：实现更加自然和丰富的人机交互
-
垂类Vertical Category
知识图谱融合：将垂类领域的知识图谱与大模型相结合
领域特定预训练：针对特定垂类领域对模型进行预训练
多模态融合：将图像音频等多模态数据与文本数据进行融合
上下文感知：通过对话状态跟踪技术处理多轮对话
-
私有化Privatization
本地服务器部署：将大模型部署本地上，确保数据安全和隐私
加密技术：在数据交互处理过程中,使用加密算法对数据进行加密
身份验证与授权：只有合法的用户能够访问私有化的大模型
-
数据安全Data Secure
授权管理：根据用户权限大小，对大模型数据资源进行授权管理
数据脱敏：将敏感信息进行脱敏处理转化为非敏感信息
模型加密：使模型在存储和传输过程中以密文形式存在
-
响应迅速Quick Response
模型并行化：将大模型划分为多个子模型，使得多个子模型同时计算
分布式推理：将大模型的推理任务分布到多个计算节点上进行并行处理
高效的推理引擎：选择合适的计算算法，减少模型推理的时间开销
声音克隆
-
计算机视觉AutoCV
垂类
· 根据用户需求可以进行私有化部署
· 保护用户数据隐私
-
自然语言处理AutoNLP
垂类
· 根据用户需求可以进行私有化部署
· 保护用户数据隐私
-
语音识别AutoSpeech
垂类
· 根据用户需求可以进行私有化部署
· 保护用户数据隐私
人脸融合
-
NeRFNeural Radiance Field
人脸特征提取：利用深度神经网络快速检测出人脸关键点
人脸姿态估计：准确地识别出人脸的各种姿态变化
优化算法：优化人脸识别算法，以获得最佳的融合效果
-
高斯溅射Gaussian Splatting
联合优化策略：将高斯溅射与可变形表面（如 3DMM）同步优化
Splat - to - Surface 距离度量
空间密集化：利用可变形表面的信息来动态增删高斯点
-
3D模型3D Model
特征提取与匹配：提取人脸的特征信息
图像变形与融合：根据人脸特征信息进行融合
光照与色彩调整：对光照和色彩进行调整，使人脸看起来更加自然
三维重建技术
-
点云数据Point Cloud Data
数据采集：通过激光雷达获取点云数据
滤波与去噪：使用滤波算法除去噪点
配准与分割：对多视角的数据拼接或对齐
特征提取：提取点云数据中的特征信息
-
深度信息Heterogeneous Computing
多视角图像采集：从多个不同角度拍摄物体，以获取丰富的外观信息
立体视觉重建：基于双目或多目视觉原理来恢复物体的三维结构
纹理映射：将采集的图像纹理映射到三维模型，体现纹理细节
-
Mesh网格Tiered Storage
点云三角化：从三维点云数据生成Mesh网格
Mesh 优化：为了提高渲染效率需要对 Mesh 网格进行简化
纹理坐标生成：为了将二维纹理图像映射到三维上，设置每个顶点计算理坐标
智能表情驱动
-
表情识别Facial Expression Recognition
卷积神经网络：卷积层通过卷积核在图像上滑动进行特征提取
视觉与音频融合：采集视觉信息，语音中的情感线索辅助表情识别
模型预训练：利用预训练模型提高模型的训练效率和泛化能力
-
表情生成Expression Generation
渐进式生成对抗网络：逐步提高生成图像的质量，使得表情更加逼真
有限元模型：建立有限元模型模拟人脸肌肉变化对皮肤变形的影响
语音-表情映射模型：建立语音与表情的映射关系，预测相应的表情
-
智能表情迁移Intelligent Expression Transfer
基于深度学习映射：通过对抗网络来学习源表情和目标表情之间的映射关系
泊松融合：通过求解泊松方程来实现图像的融合，保持融合的连续性
特征解耦与重建：在表情迁移中只对表情进行操作，而保留身份特征不变
AI实时肌肉驱动
-
肌肉运动建模Muscle Motion Modeling
通过大量的训练数据，实现对肌肉运动的实时预测和驱动
通过对肌肉的收缩、拉伸等运动进行数学建模
-
传感器采集Sensor Acquisition
肌电传感器：用于测量肌肉电活动的传感器
运动传感器：提供更全面的身体运动数据
-
人机交互Human-Machine Interaction/em>
通过分析传感器数据和用户的行为模式，推断出用户的运动意图
语音交互、手势交互等技术集成到交互系统系统
