Soul 在WAIC 2026：AI硬件首次亮相、SoulX實時數字人，共探下一代人機交互范式新可能

7月17日，2026世界人工智能大會暨人工智能全球治理高級別會議（WAIC）于上海舉辦，今年大會主題為“智能伙伴 共創未來”。AI賦能千行百業過程中，深度融入每個人的日常工作生活，當AI從“生產工具”演進為“智能伙伴”，面向新時代的交互范式是什么？

長期專注于情緒感知與多模態交互技術研發，上海任意門科技有限公司（Soul）在WAIC 2026，呈現了自身聚焦實時多模態交互技術基建的探索，以及戰略升級后的AI生態布局。

Soul CTO陶明介紹道，“ 從2016年推出App發展至今，Soul已成為一家專注于情緒感知與交互、模型與應用一體化的 AI 生態公司。區別于通用大模型方向，Soul以基于情緒感知、語音為先、面向多模態的交互大模型SoulX為技術內核，構建‘自有應用—產業生態’雙層應用體系。對內，以 Soul App等真實社交場景為載體，持續迭代模型交互能力；對外，以SoulX模型能力為產業鏈賦能，面向具身智能、內容演繹等行業輸出情緒感知與交互決策方案。WAIC 2026是Soul AI生態布局全面展示的一個重要窗口，也是讓外界重新認識、理解Soul的新契機。”

SoulX 實時數字人，多模態交互新方案

作為全球人工智能領域備受矚目的行業盛會，WAIC是研判全球AI技術迭代、產業落地的重要風向標。今年，WAIC“智能伙伴 共創未來”的主題，同樣也呈現了在AI成為工作生活重要伙伴的當下，重構人機關系、交互范式的重要價值和行業發展方向。

Soul長期思考的核心命題，正是實時多模態交互技術基建。2016年，Soul App上線，是當時行業較早將AI引入人與人鏈接的互聯網平臺，并持續探索將AI深度融入社交場景，迭代交互模式。2020年前后，Soul啟動系統的AIGC技術研發工作，專注情緒感知與交互方向。后續，Soul推出自研的SoulX——基于情緒感知、語音為先、面向多模態的交互大模型，為下一代人機交互場景打造新一代 AI 交互技術底座。

以實時交互為核心，SoulX 構建了包括語音生成、歌聲生成、語音轉換、多說話人轉錄、全雙工實時交互、實時數字人生成在內的核心能力體系，覆蓋語音理解、語音生成、情感表達、交互控制和多模態呈現等關鍵環節。

依托SoulX，在WAIC現場，用戶可以直觀感受到SoulX實時數字人帶來的自然互動體驗。SoulX實時數字人融合SoulX的實時語音交互、數字形象驅動等核心能力，可實現從用戶理解、自然對話到聲音、口型、表情和動作同步呈現的一體化交互。

區別于傳統數字人生成技術方案，SoulX實時數字人在延遲、流暢度、穩定性、表現力等方面表現出色。目前Soul實時數字人模型系列包含 SoulX-LiveAct、SoulX-FlashTalk、SoulX-FlashHead 等核心能力，其中 SoulX-LiveAct 支持半身及全身數字人的實時生成，可精準控制人物動作、表情與口型變化；SoulX-FlashTalk 面向高實時性對話場景，能夠實現低延遲、長時穩定的語音驅動視頻生成；SoulX-FlashHead 則提供高效率、低成本的頭部數字人生成能力。系列模型能力可以確保根據不同場景的生成需求，適配差異化方案。

例如，在電商領域打造7×24小時AI直播間，此前傳統的數字人直播長時間運行后常會出現嘴型對不上或畫質模糊的問題，而SoulX實時數字人可以支持全天候的流暢視頻直播，即便是在高強度的實時互動中（如回復彈幕），也能保持如同真人出鏡的高保真畫質，極大降低直播成本，優化消費者購物體驗。

Soul App陶明介紹道，從形式來看，人與人面對面交互能夠傳遞更高密度的信息和情緒價值。在AI時代，重構人機交互范式的重點，便是要通過實時多模態交互技術，讓AI具備更加自然的視覺表達與溝通體驗，以實現交互效率、效果的提升。這也意味著，實時多模態交互技術是面向AI時代至關重要的技術棧，可以有效推動AI 從“內容生成工具”向“能夠理解情緒、自然交流、持續陪伴的智能伙伴”演進。

AI硬件首次亮相，智能終端重塑“連接”

除了SoulX實時數字人，在WAIC現場，Soul還展示了核心能力在智能終端——B Soul的應用。

B Soul是Soul推出的AI硬件，通過將 SoulX 的語音交互、情感表達等核心能力融入可隨身攜帶的智能終端，讓 AI 陪伴從手機屏幕內走向真實物理空間。融合大模型對話與角色養成功能，B Soul提供了智能交互與定制化語音體驗，并能夠實現隨時喚醒、自然交流和持續陪伴，讓數字伙伴以更加即時、自然和有溫度的方式融入每個個體的日常生活。WAIC 2026現場，也是B Soul的首次亮相。

陶明表示，“推出AI硬件的思考是， 我們的主產品Soul App 是人與人連接的平臺，用戶可以通過手機在這里獲得情緒價值和交互體驗。但如果放下手機，我們還希望通過更豐富的智能終端設備，讓關系連接、情緒價值、陪伴體驗延伸到現實生活中，讓感知和交互更加隨時隨地實現。因此，獨立的AI硬件成為我們當前嘗試的一個載體，這也是在探索下一代人與 AI 交互的新形態，讓智能伙伴從‘被動響應的工具”逐漸成為“主動連接的陪伴者’。”

與AI硬件 B Soul配套推出的，還包括了App、小程序。 軟硬件將共同承載用戶的 AI 角色、長期記憶、情緒關系與個性內容。具體來看，App 負責關系養成、記憶沉淀和內容運營，硬件設備負責把這段關系帶到現實里，讓陪伴可攜帶、可展示、可觸發、可回應。

活動現場，觀眾通過B Soul 可體驗與數字人的實時流暢對話，并定制專屬的個性化數字人。B Soul相關負責人表示，AI硬件 B Soul很快將正式上市，預計在今年8月逐步量產銷售。“在硬件基礎上，我們也延展設計了高自由度可定制化的角色、內容、拓展配件生態及配套的訂閱權益與線下社交場景。作為數字生命時代的關系基礎設施，當每個虛擬角色、AI 助理、品牌 IP、個人數字分身都需要現實入口時，它可以成為統一的身份載體、交互方式和商業入口。”

自有應用+產業生態，“活人感”AI構建行業新價值

自2018年首屆大會起，WAIC已在上海連續舉辦多屆，作為根植于上海成長的科技企業，Soul 連續多年參展，WAIC也見證了Soul一路的技術發展和生態建設。

2025年，Soul攜最新升級的自研端到端全雙工語音通話大模型亮相WAIC，展示了具備“活人感”AI帶來的有溫度的人機交互體驗。此次，參展WAIC 2026 企業生態展，Soul不僅呈現了最新技術能力和場景探索，也展示了公司作為大模型產業生態鏈重要組成部分的行業定位。

近年來，Soul在將技術快速落地于自身應用場景的過程中，繼續夯實實時多模態交互技術基建，也讓能力延展至產業端成為了可能。

2025年10月，Soul 開源語音播客生成模型SoulX-Podcast，發布第二天，SoulX-Podcast成為全球AI開源社區HuggingFace TTS（Text To Speech，從文本到語音）趨勢榜榜首。在Github平臺，該模型已收獲3300+星星數。后續，Soul在實時數字人生成方向陸續開源了SoulX-LiveAct、SoulX-FlashTalk、SoulX-FlashHead等模型，并在語音領域開源了歌聲合成模型 SoulX-Singer、全雙工語音對話控制模塊SoulX-Duplug、端到端多人對話轉錄模型SoulX-Transcriber。面向核心垂類方向，平臺持續為產業鏈賦能，輸出更落地、可商用的方案。

開源工作讓Soul受到了AI開發者社區和產業伙伴的認可，也讓公司在自有場景（App、硬件）之外，探索出了面向B端的新生態——基于情緒感知、語音為先、面向多模態的交互大模型SoulX，在AI 陪伴、具身智能、智能座艙、文娛內容、智能硬件、文旅服務等產業場景開展廣泛合作，提供從底層模型到完整交互方案的技術支撐。

陶明表示，Soul作為模型與應用一體化的AI生態公司，站在AI模型、應用、互聯網服務交匯的行業生態位，在與合作伙伴共同構建產業生態時也擁有差異化的思考與優勢。首先是平臺擁有完整的實時交互技術體系， 不同于行業多數模型聚焦于單一能力或API輸出，Soul長期圍繞真實人機交互場景持續建設覆蓋語音理解、語音生成、雙工交互、數字人驅動、多模態協同等完整技術鏈路，形成支撐下一代實時交互的AI技術底座，使客戶能夠快速構建具備持續交流、情緒表達和自然互動能力的AI產品。

此外，圍繞Soul App這一核心應用，讓團隊快速積累場景優勢、數據優勢，并跑通“模型 - 產品 - 用戶 - 數據”閉環飛輪。特別是，Soul將治理方案融入模型，并且在Soul App場景進行了有效驗證。例如，圍繞AI虛擬人、AI語音互動、AI內容生成等場景，平臺逐步構建起覆蓋“輸入治理、生成治理、輸出治理、風險干預、用戶保護”的全鏈路安全體系。今年，Soul App成立人工智能倫理與治理委員會，邀請來自高校、機構、行業等領域不同背景的專家、學者擔任外部委員，致力于更前置、系統地建立AI倫理治理體系和管理閉環機制，同時為行業輸出可供參考的解決方案。

“對交互、內容生態場景來說合規問題非常重要，因為涉及到人與人、人機互動中，具體的監管要求、倫理規范、風控措施，這些都是紅線問題。”陶明說。

現階段，圍繞實時交互、聲音智能、數字表達和情緒理解等核心方向，Soul已經與多家具身智能、AI硬件企業開展合作。接下來，Soul將以 SoulX 為核心技術底座，深化情緒感知、多模態理解與智能交互能力研發，推動 AI 在真實場景中的持續進化，同時為企業與開發者提供更豐富的一站式多模態交互能力服務，推動多模態交互技術從模型能力走向規模化產業應用，讓每一次交互都有理解、有回應、有溫度。