中科院自動化所發佈通用AI平臺 可實現圖文音＂無縫轉換＂

新華社北京7月12日電(記者董瑞豐)從檢索圖像、描述視頻，到吟詩作賦、續寫文章，再到識別語音、雙語翻譯，虛擬人"小初"日前亮相2021世界人工智慧大會，展示了圖、文、音三種模態的智慧轉換和生成。

"小初"具備這樣的能力，得益於一個名為"紫東太初"的跨模態通用人工智慧平臺。該平臺由中國科學院自動化研究所研發，基於國產化基礎軟硬體，僅採用一個大模型，即可"鍛煉"人工智慧在視覺、文本、語音多個場景的理解能力。

中科院自動化所所長徐波介紹，"大資料+大模型+多模態"將改變當前單一模型對應單一任務的人工智慧研發範式，多模態大模型將成為不同領域的共性平臺技術，是邁向通用人工智慧的重要路徑探索。

"`紫東太初`實現了圖、文、音三種模態的統一表達，以圖生音，以音生圖，將開拓AI在視頻配音、語音播報、標題摘要、海報創作等更多元場景的應用。"徐波說。

據瞭解，中科院自動化所構建了中文預訓練模型、語音預訓練模型、視覺預訓練模型，並通過跨模態語義關聯，構建了三模態預訓練大模型。