「つまらない仕事から人間を解放」掲げる中国企業、人の感情読み取り対話するAIモデルを発表

2025年2月10日0127

36Kr Japanで提供している記事以外に、スタートアップ企業や中国ビジネスのトレンドに関するニュース、レポート記事、企業データベースなど、有料コンテンツサービス「CONNECTO（コネクト）」を会員限定にお届けします。無料会員向けに公開している内容もあるので、ぜひご登録ください。

原文はこちら

セミナー情報や最新業界レポートを無料でお届け

メールマガジンに登録

人工知能（AI）ブームが盛り上がるなか、中国の有力スタートアップ「硅基智能（Silicon Intelligence）」が開発したマルチモーダルAIモデル「DUIX ONE」がよりリアルなデジタルヒューマンの普及を加速する鍵となりそうだ。

硅基智能は、2017年の設立当初から「人類のために労働力となるデジタルヒューマン1億人を創造する」という壮大な目標を掲げてきた。AIデジタルヒューマンが単調で創造性のない膨大な仕事から人間を解放し、企業のコスト削減と効率向上に貢献すると考えている。

同社のAIデジタルヒューマンはすでに、ショート動画やライブコマース、オンライン教育、AIカスタマーサービスなどの場面で活躍している。23年上半期には、約50万人分のデジタルアバターを制作し、ライブ配信ルーム5万カ所以上にデジタルヒューマンを提供したという。

デジタルヒューマンをよりリアルに

米OpenAIが2024年5月に発表したAIモデル「GPT-4o」は、見る・聞く・話すの3つの能力を備えており、オンライン発表会では、AIとユーザーが電話で話しているような自然なコミュニケーションを披露。それから数カ月後の11月1日、硅基智能はGPT-4oをベースに開発した次世代型のマルチモーダルAIモデル「DUIX ONE」を発表した。

DUIX ONEは、デジタルヒューマンに視覚と聴覚だけでなく相手の感情を読み取る力も与える。ChatGPTやCharacter.AIなど現在主流の対話型AIや既存のデジタルヒューマンをはるかにしのぐ対話スキルを備え、より没入感のあるコミュニケーションを可能にする。

応用シーンは幅広く、外国語会話の個人レッスン、メンタルサポート、子ども向けの家庭教師、高齢者の健康・メンタルケアなどの分野で大きな力を発揮する。ビジネスシーンでは、人材採用アシスタントとして、候補者の表情や所作をリアルタイムで分析し、多角的なデータを総合して評価することができる。

反応速度は1秒未満、識別精度は98％

DUIX ONEは700億パラメータ（70B）のマルチモーダルモデルで、モードを切り替えることなくテキスト、音声、動画を自在に処理することが可能。1万種類以上の物体を98％の精度で識別することもできる。リアルタイムの会話に必要な推論能力も高く、音声や動画からの推論にかかる時間は1回あたり0.3秒以下だ。また、正確に表情を検出・分析し、95％以上の精度でユーザーの感情を読み取って、適切な反応を返すこともできる。さらに、周囲の生活音やユーザーの呼吸音などを識別できるため、静かな場所ならユーザーの声の識別率は98％に上る。

硅基智能の創業者、司馬華鵬氏によると、DUIX ONEの毎月の運用コストはすでに数百元（数千円）程度にまで下がっている。すでに中国本土の複数の大企業と提携しているほか、香港・マカオや欧州、日本、北米のパートナー企業とも協業しており、今後はDUIX ONEをオープンにつながれるAIエコシステムとして成長させ、労働力としてのデジタルヒューマンの普及と産業のレベルアップを目指していく。2025年の目標は、1億人のデジタルヒューマンを世に送り出すことだという。