多模态理解
文本、音频、视频会同步进入后端。表情、语音强度和文字语义会被统一映射成细粒度情绪状态。
云雀：多模态情感陪伴Agent
文本、音频、视频实时进入后端，多模态情绪模型输出细粒度状态分数，云雀再据此生成陪伴式回应。
模型加载中
未开启音视频权限
Agent 待命
情绪陪伴对话
通过文字、音频和视频三个模态，和云雀进行对话吧。
云雀
我已经准备好啦！你可以输入想和我说的话，我会结合多模态来回应你。