多模型意图模型

活动简介

本次演讲介绍面向端侧部署的多模态意图模型 MMIM。传统意图识别通常依赖语音或文本等单一模态，难以捕捉用户隐含的情感与社交意图。MMIM 将面部表情、声音、语言、姿态和生理信号统一到同一意图空间，并通过跨模态对齐、时序融合和上下文推理，同时识别明确请求与隐含情感意图。该模型面向养老陪伴、儿童陪伴和心理健康支持等场景，旨在提升人机交互的同理心、个性化与可信度。