智元发布 WITA-Omni 具身全模态端到端交互大模型

智元正式发布 WITA-Omni（硅光动语全模态大模型），官方称其为行业首个具身全模态端到端交互大模型。该模型在音视频之外新增触觉、本体状态等输入，并输出机器人动作与表情，基于流式全双工架构实现边听边想边应边动，交互响应最快约 400 毫秒、平均约 600 毫秒。全模态拒识使其无需唤醒词即可自然对话，并支持上百种语言和方言的流式同声传译。