ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

熄灯之后那一个故事:端到端具身智能交互如何陪孩子睡着

熄灯之后那一个故事:端到端具身智能交互如何陪孩子睡着

熄灯之后那一个故事:端到端具身智能交互如何陪孩子睡着

灯关了。孩子翻个身,问:今天讲什么。

这个问题不好接。音频里的故事是播出来的,孩子问一句"小船后来呢",它不会答。绘本要大人先读一遍、再随口讲一遍,对累了一天的人是另一份活。手机搜一个,屏幕的光又把睡意赶走。

「星子屋」想接的就是这一句。它不是故事库,也不是念稿的机器。

打开它是什么样子

页面第一眼是"轻轻推门"。点进去,上方一整片星空,占了大半个屏幕,里面坐着一位智能体。页面给她的设定是讲了二十年故事的幼儿园老师,名字叫星子。

下面是两块:左边对话,右边「星瓶」。

说话就行。浏览器把你的话实时转成文字,停顿一秒左右,自动交给她。她的回答一段段浮出来,不用等整段憋完。想改口,她停下听你说。不想说,打字也一样。

右边那栏只有一个动作:点"摘一颗星"。一颗星从夜空落下来,放大到屏幕中央,亮一下,缩小飞进星瓶的角标。每颗星是一个主题——迟到的月亮、迷路的小船、数星星的小刺猬——各带一个方向。▲是对着勇气讲,▼是对着告别讲。符号是符号,字始终是正的。摘过的星存进本地星瓶,下次推门还在,能一颗颗删,也能整瓶倒空。

什么时候讲,怎么讲

不必等孩子开口。他说"讲什么"之前,你也可以先摘一颗。方向只管从哪一面讲,不给结论——故事她现场讲。

孩子不想说白天的事,别追。摘一颗星,起个头就行。她讲到一半会停,说剩下的明天接着讲。孩子没睡着不要紧,人松下来就够了。

它接不住的地方在哪

睡前内容的存量从来不缺。缺的是"今天这个孩子、这个晚上"。他累不累,心里有没有事,刚才那句"讲什么"是想睡还是在撒娇。这些要靠来回听、来回接,靠在他不想说的时候不去问。

把"听见"“想出”"念出来"三件事分开做,再按顺序拼起来,是常见做法。拼得齐,不代表接得顺;中间慢半拍,这半分钟就散了。睡前这段尤其经不起散——孩子正听着,你卡一下,那点睡意就跑了。

这正是端到端具身交互智能要解的题,也是Continuous Interaction Loop(持续交互循环)这个说法的来处:感知、理解、决策、表达与行动、反馈,是一圈一圈转的,不是排成一队走完就算。托着这一圈转的,是魔珐星云的 Real-time Interaction Runtime。

由亮到暗的五个档位

天越黑,声音越轻。技术上的事,也按这个顺序说。

第一档:它还亮着的时候,先接住一句"今天讲什么"。

房间里灯还开着,人最多。语音侧一直在听:浏览器开着识别,静音约一秒自动收口,把一整句交给她。麻烦不在"听",在"插话"。她正讲着,你突然说"等等";她的话又可能被自己的麦克风录回去。

平台侧那一整套收声、断句的本事,网页端拿不到。只能用工程办法补一半:她一张嘴,麦克风先闭,残留的转写清掉;她讲完,隔约半秒再开,扬声器尾音和房间残响也就吞掉了;开麦后再留一小段忽略窗。打字和摘星不用等,随时生效——只有她自己的回声进不来。这就是多模态感知落在网页上的样子。

第二档:它知道今晚该讲多轻。

她不是通用模型直接摆上来。星子的身份、故事、价值观、说话方式,都配进了专属智脑:讲了二十年故事的老师;故事是让孩子安心睡着的桥;慢比精彩重要;不吓人,不吊胃口。问她"你是谁",她说:我是星子,守着一间星子屋的老老师。

用哪颗脑子,由你定,平台不替你定。遵循 OpenAI 协议的模型能直接接,编排在别的平台上的 Agent 也能接,自建的模型、自己的资料库都行。手上还没有模型的时候,平台自己那颗也能用。换脑子不是改个地址:事件怎么流转、会话怎么记、时间怎么对,都还照旧。

第三档:声音怎么一点点降下去。

台词里藏着括号,比如「(把灯调暗了一点)」「(轻轻把星星放进瓶子里)」。这些字她不念,前端把它们摘出来,交给屏幕去演。声音、口型、眼神、头部动作是一起出来的。她决定讲这颗星,界面上那场摘星就跟着发生——落下、放大、亮一下、飞进瓶口。方向只写▲和▼,字不转。这是多模态表达。

第四档:床边那台设备,为什么能一直开着。

每个终端都挂云 GPU、推一路高清视频流,设备一多就撑不住。这里的星子在本地画:模型和渲染都下沉到浏览器,网络只跑轻量的交互数据。她是全身的,按舞台尺寸实时算缩放基线,头脚都在画面里。头顶那片星空也是本地画的星点,把自己限制在很低的像素比。设备不动,成本就不动。这是AI 端渲。

第五档:故事讲完,还得有人把灯关掉。

停在文字的智能体,说到"晚安"就没了。这里多了数字行动:屏幕端她把故事讲出来、演出来,还配上摘星和星瓶那一整套小动作。换到机器人身上,同一个她还有物理行动:转过来看你、走近一点、把台灯调暗、把被子掖好。屏幕和机器人,是同一个人的两种身体。

换成别的身体

今天的星子住在浏览器里。Web、PC、手机、Pad 都能推开这扇门。同一个她也能走进 AI 屏幕、移动的屏幕,一路到人形机器人。

换的是身体,不换的是她这个人。你摘下的每颗星——主题、方向、日期——都存在本地星瓶里,下次开门还在。

让 AI 通过屏幕和机器人进入真实世界——不是再搜一遍"睡前故事",是床边坐着一个会等你、会停下、会把灯调暗一点的人。

写在最后

我们做星子屋,不是造一台更会讲故事的机器。睡前那段最难的,从来不是故事够不够,是今天这个孩子、这个晚上。

当 AI 从对话框走进屏幕、走进真实的空间,它能不能不再只是"回答",而是持续地感知、理解、表达,再动手做点什么。这几天每一行代码,从麦克风开关的那半秒,到一颗星飞进瓶口的弧度,都在试这件事。

这恰恰是魔珐星云想让更多人记住的:

魔珐星云是一套端到端具身交互智能平台,让 AI 通过屏幕和机器人进入真实世界,成为能够感知、理解、表达并行动的智能体。

灯熄了,星星还在窗外。孩子又问"今天讲什么"的时候,就点亮这盏小灯,让星子陪你把睡前那一个故事,慢慢讲完。

RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进