作者 ｜ 曉陽

編輯 ｜ 周燁

早在2007年，日本公司Crypton Future Media推出的虛擬聲優(yōu)“初音未來”，便將虛擬人推向大眾視野。遺憾的是，往后數(shù)年，數(shù)字人并沒有在真正意義上迎來爆發(fā)。

但2021年以后，基于AI技術(shù)深度開發(fā)的AYAYI、度曉曉等應(yīng)用場景更廣泛的數(shù)字人的出現(xiàn)，展現(xiàn)了更自然逼真的體驗(yàn)，也向“真實(shí)”邁進(jìn)了一大步。

在寫作、手語翻譯、直播等領(lǐng)域，數(shù)字人開始發(fā)揮作用。AI數(shù)字人挑戰(zhàn)高考作文，得分排總考生的前25％；數(shù)字人主播小C，已連續(xù)兩年報(bào)道兩會并采訪人大代表；AI手語主播，在今年冬奧會期間為數(shù)千萬聽障用戶提供直播及賽事的手語服務(wù)；百度數(shù)字人希加加，甚至成為麥當(dāng)勞的首位虛擬代言人。

圖／希加加抖音賬號、央視網(wǎng)

虛擬數(shù)字人正在快速走向大眾，經(jīng)歷著大量的制作生成、不同場景的應(yīng)用，展現(xiàn)出一幅“人”與人共生的未來圖景。

2022年，這場有關(guān)“造人”的暢想、實(shí)驗(yàn)仍在進(jìn)行。業(yè)內(nèi)普遍認(rèn)為，以洛天依為代表的“形象＋語音合成”的數(shù)字人，為1．0階段。2．0階段，則是依靠“2D／3D模型＋實(shí)時動作捕捉＋聲優(yōu)配音”模式。

而如今進(jìn)入的3．0階段，將考驗(yàn)企業(yè)的AIGC（人工智能自動生成內(nèi)容）能力。算法、程序是數(shù)字人的基因，但通過AI，它們能在面部表情、形體表達(dá)、語音表述上變得更加“真實(shí)”、“個性”。

近期，沙利文發(fā)布的《2022年中國數(shù)字人市場觀測報(bào)告》（下稱報(bào)告）顯示，按綜合競爭實(shí)力量化評估，小冰、百度、商湯三家位列第一梯隊(duì)。從硬軟件、AI能力平臺到各產(chǎn)業(yè)的應(yīng)用，各大廠商也開始試圖打通數(shù)字與現(xiàn)實(shí)的入口。

但目前為止，企業(yè)以及個人還無法獲得“數(shù)字人自由”。虛擬數(shù)字人距離真正意義上的爆發(fā)，還有一段路要走。

大多數(shù)字人僅能進(jìn)行簡單的決策，而無法達(dá)到完全智能化交互。同時，數(shù)字人的生產(chǎn)效率問題，導(dǎo)致難以滿足企業(yè)的高頻需求，數(shù)字人制造成本較高。

打造有“靈魂”的數(shù)字人，能聽、能說、能理解、能互動，是企業(yè)、用戶的訴求，但技術(shù)方面依然面臨高難度挑戰(zhàn)。

1、數(shù)字人為什么被需要？

數(shù)字人浪潮的興起、爆發(fā)，一直是伴隨需求而生。

千禧年后，CG合成的“初音未來”讓虛擬偶像概念破土而出，愿意買單、參與創(chuàng)作的年輕人，制造了第一場圍繞虛擬偶像的“吸金效應(yīng)”。

回到當(dāng)下，在社交媒體上，虛擬美妝主播、虛擬換裝達(dá)人、虛擬演員等一夜爆紅的案例數(shù)不勝數(shù)。Z世代的新消費(fèi)趨勢，驅(qū)動著數(shù)字人進(jìn)入更多產(chǎn)業(yè)鏈條。

提及數(shù)字人，大多年輕人的第一反應(yīng)也許是主打顏值的“演藝型”數(shù)字人。一位90后女生小蕾提到，她最早關(guān)注到虛擬人是在小紅書上，關(guān)注時尚博主AYAYI后，她隔幾天就會點(diǎn)進(jìn)她的賬號瀏覽最新的發(fā)帖內(nèi)容，后來才發(fā)現(xiàn)這是虛擬人。但目前，AYAYI小紅書的筆記點(diǎn)贊數(shù)已經(jīng)從十萬＋驟降至幾十，純演藝型數(shù)字人如何打破“虛火”、“過氣”的命運(yùn)，也是各大數(shù)字人廠商面臨的難題。

另一位90后男生周凡也提到，從小他就混二次元圈，從動畫、游戲中的二次元人群到虛擬偶像，無論是顏值還是人設(shè)，都更能讓他產(chǎn)生興趣。真實(shí)的明星他絲毫不關(guān)心，卻很愿意為“虛擬人老婆”花錢買單。

圖／小紅書

主打顏值的演藝型數(shù)字人，常被塑造成網(wǎng)紅并進(jìn)行品牌代言活動。比如希加加便是一個演藝型數(shù)字人，在多個社交平臺運(yùn)營著個人IP賬號，一邊與蜘蛛俠、三體等超級IP合作，打造人氣，一邊與品牌在年輕化營銷方面進(jìn)行合作，此前希加加便成為麥當(dāng)勞的首位虛擬推薦官，還與Qee熊、FE賽車合作畫作并發(fā)布售賣。

可以看出，數(shù)字人扮演著為品牌開辟全新營銷場景、與未來消費(fèi)主力軍溝通的角色。

但市場對數(shù)字人的期待不僅僅停留在“顏值”上，人們希望數(shù)字人承擔(dān)的角色從演藝?yán)^續(xù)向服務(wù)型擴(kuò)展，撐起更大的市場需求。

在過往提到人“人”共存爭議時，數(shù)字人替代人類的問題總被提及，但無論是前端的開發(fā)者還是投身其中的科技公司都一再強(qiáng)調(diào)，數(shù)字人的服務(wù)屬性。百度智能云AI人機(jī)交互實(shí)驗(yàn)室負(fù)責(zé)人李士巖便曾提到，做數(shù)字人的初衷，并非為了替代人，而是為了“服務(wù)人和陪伴人”。

如何服務(wù)？取代部分基礎(chǔ)性工作、提升效能，是當(dāng)下能看到的答案。數(shù)字員工、智能客服已經(jīng)被廣泛應(yīng)用到很多企業(yè)中，這幫助了企業(yè)降本增效、提升客戶體驗(yàn)。

京東的數(shù)字人出現(xiàn)在618，在電商、社交、媒體等領(lǐng)域上崗就業(yè)；在直播帶貨領(lǐng)域，網(wǎng)易伏羲的24小時AI虛擬主播，可以填補(bǔ)真人主播無法出鏡的空白時間；在新聞報(bào)道方面，度曉曉與《工人日報(bào)》合作，在兩會期間應(yīng)用“AI記者”播報(bào)、采訪。

百度數(shù)字人度曉曉則屬于典型的“服務(wù)型選手”。2022年百度世界大會即將在7月21日舉行，在其預(yù)溝通會上也提到，百度智能云專門打造了一個數(shù)字人平臺“曦靈”，基于此形成了一個“AI數(shù)字人家族”，包括虛擬偶像、數(shù)字人主播、數(shù)字人員工等，都在為企業(yè)品牌提供服務(wù)。

而今年的大會中，度曉曉還將迎接一個難度系數(shù)翻倍的新挑戰(zhàn)。此前，在寫作方面，度曉曉參與作答全國議論文，拿下48分高分；作畫方面，其具備領(lǐng)先的跨模態(tài)理解和生成能力，可以根據(jù)個性化需求自動生成油畫、水彩畫、中國畫等多種風(fēng)格的圖像，還能實(shí)現(xiàn)“看圖說話”的效果；度曉曉甚至還能創(chuàng)作歌曲方面，其與龔俊數(shù)字人聯(lián)合演唱的歌曲，從作詞到編曲均由AI“操刀”。報(bào)告也提到，服務(wù)型數(shù)字人是百度的優(yōu)勢所在，產(chǎn)品類型豐富，從最早的企業(yè)服務(wù)場景已經(jīng)延伸到營銷、辦公等領(lǐng)域。

這一切也讓人們展望數(shù)字人在更多領(lǐng)域被全面喚醒。

2、實(shí)現(xiàn)“數(shù)字人自由”的技術(shù)難題

虛擬數(shù)字人呈現(xiàn)的爆發(fā)態(tài)勢，是過去數(shù)年制作水平、軟硬件技術(shù)等各方面的跨越式升級在催動。

盡管虛擬數(shù)字人不再停留在“紙片人”的階段，向智能化、精細(xì)化、多樣化方向發(fā)展，但還沒有到達(dá)談?wù)摗捌占啊�、甚至大�?guī)�！皬�(fù)制”的階段。

由此，在談?wù)撎摂M數(shù)字人“服務(wù)和陪伴人”這件事之前，似乎需要先解答“數(shù)字人自由”的問題：數(shù)字人大規(guī)模普及，依然面臨著技術(shù)發(fā)展的阻礙。

經(jīng)歷了長期的發(fā)展，如今到了數(shù)字人產(chǎn)業(yè)的3．0階段，通過掌握語義智能解析（NLP）和語音在線合成（TTS）等AI技術(shù)，數(shù)字人將變得更加“聰明”。

AIGC將進(jìn)一步在數(shù)字人領(lǐng)域滲透，將顛覆現(xiàn)有的內(nèi)容生產(chǎn)模式，AI將成為打造數(shù)字人的基礎(chǔ)硬實(shí)力。

AIGC的應(yīng)用，說到底還是依賴于大模型等底層技術(shù)的創(chuàng)新。2022年百度數(shù)字大會的預(yù)溝通會也提到，希加加、度曉曉AI作畫、AI寫作文、AI作曲等，都是AIGC在內(nèi)容生產(chǎn)提效的體驗(yàn)，而這背后，是百度飛槳及大模型的支持。

圖／文心大模型官網(wǎng)

AIGC如何讓數(shù)字人成為一個更真實(shí)的“人”，首先要從“真實(shí)”的要素說起。主要可分為：身體的靜動態(tài)（軀體、面部、口型），感知能力（看、聽、說），認(rèn)知能力（情感識別、知識理解），它們都被期待著擺脫“紙片人”的僵硬。

目前而言，部分?jǐn)?shù)字人僅僅擁有單一能力，且單一能力也僅僅是“半吊子”水平。

以涉及聽和說的“可交互”能力舉例，被稱作“人工智障”的數(shù)字人，無法完成多輪對話，更達(dá)不到“語言理解力”。當(dāng)你說“不喜歡”時，它可能會回答，“我不明白你在說什么�！�

但與度曉曉等更“真實(shí)”的數(shù)字人對話時，你會發(fā)現(xiàn)，跟她說你想看電影，她會給你推薦影片；你提到想喝咖啡，她就會跳轉(zhuǎn)到咖啡外賣的小程序去下單。顯然，度曉曉在對話中不僅能與用戶閑聊，同時能識別用戶說話的意圖，來提供給用戶搜索、推薦等，更好地為用戶服務(wù)。

那么，這樣流暢的對話是如何實(shí)現(xiàn)的？這需要依賴數(shù)個步驟：首先，預(yù)訓(xùn)練對話大模型，使數(shù)字人學(xué)習(xí)通用的對話生成能力。再進(jìn)一步學(xué)習(xí)不同畫像信息下的對話生成能力，使模型的答復(fù)更具“定制化”“一致性”。最后，將海量的問答知識內(nèi)化到模型參數(shù)中，使得模型具備準(zhǔn)確的問答能力。百度文心PLATO大模型，便具備接近真人水平的多輪對話能力。

簡單來說，不斷迭代大模型的能力，提高各項(xiàng)AI能力，而基于大模型生成的數(shù)字人也將擁有更高的“智商”“情商”。

不過，提高單一能力并非終點(diǎn)，數(shù)字人需要走向全能。隨著虛擬人扮演的角色逐漸復(fù)雜，比如協(xié)助國家隊(duì)訓(xùn)練的虛擬教練觀君、負(fù)責(zé)萬科內(nèi)部財(cái)務(wù)催收的虛擬員工崔筱盼、百度的AI手語數(shù)字人等，內(nèi)容生成、感知表達(dá)等都在逐步進(jìn)化。

比如在直播場景中，百度的AI手語數(shù)字人，需要“聽到”主播的話，并“理解”字句，再實(shí)時轉(zhuǎn)換成手語“動作”，展示給觀眾看。顯然，相比其他數(shù)字人，它進(jìn)行著更高強(qiáng)度的“大腦”運(yùn)轉(zhuǎn)，完成著更復(fù)雜的工作。

這便要考驗(yàn)數(shù)字人背后的大模型的跨模態(tài)能力。從文字、聲音到圖像模態(tài)，AI需要讓數(shù)字人做到“聽說讀寫”樣樣俱全。AI驅(qū)動下，數(shù)字人將不斷成長，擁有更多可能性。

3、技術(shù)越來越強(qiáng)，大量復(fù)制卻依然艱難？

解決“數(shù)字人自由”，技術(shù)難題之外，生產(chǎn)效率問題也是討論的主要問題——如何低成本且快速地生成數(shù)字人，去滿足高頻的需求。

當(dāng)下，數(shù)字人還很難快速低成本生成。當(dāng)企業(yè)希望借助數(shù)字人營銷、服務(wù)用戶時，面臨著數(shù)字人的投入成本高、制作周期長、人設(shè)運(yùn)營難、技術(shù)難度高等難題。

提供解決方案的服務(wù)平臺，被認(rèn)為是“數(shù)字人自由”的加速器。如百度、騰訊、網(wǎng)易伏羲等，都是平臺型技術(shù)服務(wù)商。

通過服務(wù)平臺，企業(yè)品牌借助批量生成功能，定制與業(yè)務(wù)方面吻合的數(shù)字人，同時，可以通過平臺進(jìn)行內(nèi)容生產(chǎn)和運(yùn)營，比如直播、制作短視頻等，或是對數(shù)字人的“人設(shè)”進(jìn)行包裝。

過去兩年，縮短生產(chǎn)周期——企業(yè)的這一核心需求，在不斷被滿足。

比如根據(jù)不同需求所需時間區(qū)分：在百度智能云曦靈平臺上，較為簡單的2D數(shù)字人像，以前需要兩三個月時間做出來的3D數(shù)字人，現(xiàn)在可以壓縮到小時級；困難度最高、成本最高的特異型數(shù)字人（有具體的參照形象要求），也可在10到30天內(nèi)生成。

另外，不同類型的數(shù)字人的制作成本都很高昂，企業(yè)品牌既要避免數(shù)字人同質(zhì)化競爭，又要低成本，實(shí)屬艱難。

越來越多的企業(yè)也在通過AI技術(shù)釋放生產(chǎn)力、降低成本。比如在人像制作上，掃描真人、捏臉是常規(guī)手段，但生產(chǎn)周期長至3個月，成本高至上百萬。而各個平臺也在試圖尋找降低成本的方法。如百度的技術(shù)團(tuán)隊(duì)，通過積累人像數(shù)據(jù)，利用數(shù)據(jù)訓(xùn)練AI生成模型，最終通過AI模型快速打造各種需求的人像，大幅降低成本。

百度讓數(shù)字人制作成本十倍、百倍地下降，使數(shù)字人生產(chǎn)周期，從動輒幾個月，縮短到小時級別。2022年百度世界大會的預(yù)溝通會提到這一數(shù)據(jù)。

可以預(yù)見，未來數(shù)年，更多企業(yè)會加入應(yīng)用數(shù)字人的隊(duì)伍，數(shù)字人的商業(yè)價值將在更多領(lǐng)域發(fā)揮，數(shù)字人幫助品牌代言、與用戶溝通互動等，都會變得普遍起來，而不止企業(yè)，甚至個人也能擁有屬于自己的數(shù)字人。

作為國內(nèi)AI領(lǐng)先企業(yè)，百度多年積累的AI能力，成為它在數(shù)字人產(chǎn)業(yè)實(shí)力領(lǐng)先的基礎(chǔ)。此前互聯(lián)網(wǎng)周刊發(fā)布的《2021虛擬數(shù)字人企業(yè)排名TOP50》榜單中，百度因?yàn)檎Z音、視覺等AI能力的積累，在數(shù)字人綜合實(shí)力方面排名第一。百度等服務(wù)平臺的下場也助推了數(shù)字人產(chǎn)業(yè)的發(fā)展。

數(shù)字人變得更加“真實(shí)”，服務(wù)于更多產(chǎn)業(yè)，得益于百度等廠商對AI能力的投入、培育，并將解決方案提供給更多有需求的企業(yè)，將數(shù)字人產(chǎn)業(yè)從0推向1，再走向虛實(shí)融生。

       原文標(biāo)題 : 我們離“數(shù)字人自由”還有多遠(yuǎn)？