眼神表情、語氣動作與臺詞內容、周邊環(huán)境可實時調整，情緒轉折和肢體行為切換順暢，直播間里超擬真數字人的表現力甚至超越真人；果農打開AI助手，語音說出想法，一個集合產品展示、線上下單、收款發(fā)貨功能的定制化應用即在3分鐘內生成，實現無代碼編程，每個人都可以成為程序員……

這些是科技日報記者在Create2025百度AI開發(fā)者大會上看到的多模態(tài)大模型應用場景。

近日，百度發(fā)布文心大模型4.5Turbo及深度思考模型X1Turbo。作為多模態(tài)大模型，前者實現了文本、圖像和視頻的混合訓練，大幅提升跨模態(tài)學習效率和多模態(tài)融合效果，使學習效率提高近2倍，多模態(tài)理解效果提升超過30%。

創(chuàng)新應用賦能多業(yè)態(tài)

超擬真數字人的“超能力”從何而來？其驚艷表現的背后是多模態(tài)AI技術的強力支持。

百度首席技術官王海峰所在的團隊研制了“劇本”驅動多模協同的超擬真數字人技術，可實現語言、聲音、形象的協調一致。

“打開電腦，拿起手機，讓文物講述它的故事。”當天，中國文物交流中心與百度文心大模型發(fā)布首個文博智能體——文夭夭文博智推官，為公眾提供國內外博物館文物、展覽、數字化應用等文博專業(yè)知識的科普講解、傳播推廣。

如何提高文物展示水平，重塑與激活文物承載的文化內涵和精神價值？AI給出了科技答案，賦予文物新的創(chuàng)造力。

中國文物交流中心黨委副書記、副主任周宇表示，中國文物交流中心與百度文心大模型合作，希望通過AI技術賦能文博事業(yè)發(fā)展，借助智能體讓人們更方便、更快捷、更全面地了解文物背后的歷史、故事以及價值。

通過整合文本、圖像、視頻等數據，多模態(tài)大模型實現了跨模態(tài)理解與生成，突破了傳統單模態(tài)模型的局限性。王海峰表示，未來，大模型的能力和效率將進一步提升，人們可以探索更前瞻、更有想象力的創(chuàng)新應用。

在大模型賦能下，文物更鮮活，也更吸引人了。百度文心大模型與中國文物交流中心將繼續(xù)探索AI大模型技術在文博領域的應用，打造多元化、數字化、智能化文博內容新場景，助力文物和文化遺產保護傳承。

非遺傳承有了新方式

非遺武術是五千年中華文明的活態(tài)載體，然而其傳承傳播正遭遇嚴峻挑戰(zhàn)。數據顯示，傳統武術拳種僅存129種。

事實上，非遺武術離人們的生活并不遙遠，太極拳、形意拳、八卦掌，這些特色拳種早已通過武俠小說、電影、電視等融入生活。如何讓更多人學到非遺武術知識，參與非遺武術傳承傳播？大模型給出了新答案。

“非遺武術—百度文心大模型”應運而生。該應用基于百度文心大模型，融合上海體育大學武術學院、中國武術博物館的專業(yè)積淀，將武術技法與算法結合，通過3D動作建模、AI動態(tài)糾錯等技術，把非遺武術技術動作以數字化的形式保存和記錄下來。

例如，練拳時，AI可以捕捉用戶動作軌跡，與標準模型智能比對，實現動態(tài)打分評測和實時反饋指導；學習時，系統可解析發(fā)力原理，提供科學優(yōu)化建議，讓“紙上招式”變?yōu)椤傲Ⅲw教學”。

“大模型豐富了非遺武術的教育形式，也創(chuàng)新了非遺武術的傳承方式，未來我們將積極打造新場景。”王海峰說。

未來，多模態(tài)大模型將重塑多個行業(yè)格局。例如在制造業(yè)中，模型可通過視覺檢測與自然語言指令結合，實現缺陷自動標注與工藝優(yōu)化；在金融領域，其可整合財報、輿情與市場數據，提供更精準的風險評估。