多模态也应该像一次相处
同一个人物,用更多方式被听见、被看见。
媒体只有在加深当下时才有意义。Palumi 把语音、图片、音乐和视频视为人物关系的表达,而不是几个性格互不相干的生成器。
统一身份档案,按模型适配
文字风格、声音方向和视觉参考都来自同一份人物档案。不同服务仍有各自支持的音色、编码和文件限制,所以 Palumi 会把统一身份映射成兼容配置,不会把一个参数盲目发送给所有模型。
技术上无法完全保持声音时,体验应该诚实。唱歌可以解释为人物请朋友完成的一次点歌,而不是悄悄让人物换成完全不同的声音。
优先原生文件,必要时回退链接
在网站上可以直接看图、听语音、看视频。在聊天软件里,Palumi 会优先发送原图、原声和原视频,而且每个作品只发一次;如果平台收不了原文件,就改发一个可播放的链接。
等待也属于这段场景
图片和视频需要时间。Palumi 会先确认请求,再用符合人物性格的进度消息陪伴,而不是让用户只看加载动画。作品完成后会回到同一段对话。
最后更新