WITA-Omni

WITA-Omni 是智元机器人（AGIBOT）首个面向人形机器人的全模态端到端交互模型，在 2026 年 10 月 29 日的 2026 智元创新日上以 WITA-Omni 1.0 的版本发布。它让机器人在感知所见所闻的同时，与人进行自然的语音对话。

来源：X 上的 @RobotDollLab · 发布会产品线：AGIBOT Hong Kong

要点

1. 端到端、全模态：一个模型同时完成听、理解、说（并结合视觉信息），而不是把语音识别、大模型、语音合成串起来。
2. 响应快：延迟最低 400 毫秒，平均约 600 毫秒，接近人与人对话的节奏。
3. 语言覆盖：支持 100 多种语言和 29 种方言。
4. 适应真实环境：在嘈杂环境中可用，且无需唤醒词，这对工厂、门店和前台场景很重要。
5. 整体方案的一部分：智元把它定位为人机交互基座模型，与 GO-3 Preview（具身基座模型）和 Link-U OS（机器人操作系统）配套。

适用场景

• 接待、导购类人形机器人：多语言迎宾、答疑和引导。
• 工厂和仓库机器人：在背景噪声中接收语音指令。
• 基于智元硬件的开发者：无需自己搭建语音管线即可实现自然对话。

下一步

关注智元官方渠道，了解 SDK/API 的开放情况，以及哪些机型会搭载 WITA-Omni 1.0。