“多模态实时交互式数字人作为新一代人机交互的核心载体，正随着多模态大模型、AR（augmented reality）/VR （virtual reality），以及5G（5th-generation mobile communication technology）/6G（6th-generation mobile communication technology）等技术的快速发展，逐步从传统的单模态输入方式，演进为融合语音、视觉、动作乃至情感信号的多模态自然交互形式。数字人本身也经历了从非交互式虚拟形象到具备语义理解、情感感知与主动响应能力的智能体的转变。”