作者｜Tim Jiang

編輯｜Tim Jiang

01

虛擬人發(fā)展簡(jiǎn)史

什么是虛擬人？結(jié)合行業(yè)里的定義以及個(gè)人理解，虛擬人主要是通過計(jì)算計(jì)算圖形學(xué)、圖形渲染、動(dòng)作捕捉、深度學(xué)習(xí)和語音合成等計(jì)算機(jī)手段制作出來的具有人類多重特征的虛構(gòu)人物。

來源：公開網(wǎng)絡(luò)，Max Headroom；

虛擬數(shù)字人的歷史敘述可以追溯到上世紀(jì) 80 年代在英國出現(xiàn)的虛擬數(shù)字主持人—— Max Headroom，其內(nèi)容制作的背后由演員 Matt Frewer 飾演，并在當(dāng)時(shí)被宣傳為“第一位計(jì)算機(jī)生成的電視節(jié)目主持人”；然而，實(shí)際上 Max Headroom 并不是由計(jì)算機(jī)生成，而是由演員 Matt Frewer 戴著假肢并穿著西裝，在特定的拍攝環(huán)境下刻意呈現(xiàn)的。

隨著個(gè)人計(jì)算機(jī)的普及與技術(shù)應(yīng)用，從上世紀(jì) 80 年代開始，通過 CG（Computer Graphics）制作的影視內(nèi)容不斷出現(xiàn)，期間包括 1973 年的《Westworld》、1977 年的《星球大戰(zhàn)》以及 1979 年的《異形》；到了1991 年，類似《終結(jié)者 2 》中完全由 CG 制作的角色——終結(jié)者“T－1000”開始出現(xiàn)；1995 年，由皮克斯制作的《玩具總動(dòng)員》成為第一部完全通過 CG 技術(shù)制作的電影。

來源：公開網(wǎng)絡(luò)，《星球大戰(zhàn)》；

CG 技術(shù)的出現(xiàn)與普及，主要是為了提高更早以前的傳統(tǒng)動(dòng)畫行業(yè)內(nèi)容制作效率，并讓動(dòng)畫制作繞開了在紙張上著墨的環(huán)節(jié)；成本上看，制作周期更短更快、人員成本更少以及更加環(huán)保，并且在收入上更加可觀，例如皮克斯于 1999 年推出的《玩具總動(dòng)員 2 》，當(dāng)時(shí)在全球拿下了 4．85 億美元票房。

來源：公開網(wǎng)絡(luò)， Cabell Calloway III；

動(dòng)作捕捉（Motion Capture，下稱“動(dòng)捕”）其實(shí)最早可以追溯到上世紀(jì) 30 年代的美國爵士歌手 Cabell Calloway III，他的舞蹈動(dòng)作與風(fēng)格被融入了動(dòng)畫制作當(dāng)中，內(nèi)容制作方通過將演員跳舞中的動(dòng)作記錄下來，以便藝術(shù)家可以在鏡頭上勾勒出逼真的動(dòng)畫動(dòng)作，以及迪士尼的早期作品《白雪公主和七個(gè)小矮人》也是如此。

進(jìn)入到 21 世紀(jì)，結(jié)合 CG和動(dòng)作捕捉（Motion Capture，下稱“動(dòng)捕”）兩項(xiàng)技術(shù)制作的虛構(gòu)人物開始在電影中大放異彩，例如 2001 年上線的《指環(huán)王》中的“咕嚕”這一角色，以及后來陸續(xù)出現(xiàn)的《阿凡達(dá)》、《猩球崛起》以及漫威《復(fù)仇者聯(lián)盟》系列中的“滅霸”。

來源：公開網(wǎng)絡(luò)，滅霸拍攝過程；

21 世紀(jì)的前十年除了計(jì)算機(jī)在視覺制作上進(jìn)步，同時(shí)間線在音樂制作領(lǐng)域也出現(xiàn)了一個(gè)代表性的事件，即在 2007 年推出的“初音未來”，她是 Crypton Future Media（下稱“Crypton”） 旗下通過雅馬哈旗下 Vocaloid 2 語音合成引擎開發(fā)的虛擬女性歌手，即將聲優(yōu)的錄音合成歌聲，需要輸入部分諸如音調(diào)、歌詞和音速等情感參數(shù)。

來源：公開網(wǎng)絡(luò)，初音未來演唱會(huì)；

原先在 Crypton 負(fù)責(zé)初音項(xiàng)目的僅 3～4 人，早期團(tuán)隊(duì)曾想接洽歌手來提供聲音，但接洽下來的歌手基于聲音的復(fù)制與版權(quán)問題而拒絕了合作，最后在篩選了 500 位聲優(yōu)后選擇了聲優(yōu)藤田咲來提供原聲，總錄制時(shí)間達(dá)到 6 小時(shí)；另一方面，在初音的 IP 設(shè)定上， Crypton 將其定位為年齡 16歲、生日為2007 年 8 月 13 日、身高 158 cm 以及體重 42 kg 的少女歌手，擅長流行歌曲、搖滾樂與舞蹈，隨著初音 IP 知名度的提高，項(xiàng)目方開始向漫畫、游戲、電視節(jié)目、演唱會(huì)以及更多周邊生態(tài)進(jìn)行商業(yè)化。

進(jìn)入到 2011 年，剛剛講的  Vocaloid 語音合成引擎已經(jīng)迭代到第 3 個(gè)版本了，雅馬哈與國內(nèi)名為 Bplats 的公司合作， Bplats 可能很多人也沒聽說過，但它旗下有家子公司名為“上海禾念”，相信很多人聽過。

來源：公開網(wǎng)絡(luò)，洛天依；

回到 Vocaloid，雅馬哈和 Bplats 開始在 2011 年一起推進(jìn)“ Vocaloid China ”項(xiàng)目，同年公布征集了人物形象與活動(dòng)計(jì)劃，最后成功入圍了 5 件作品，大家熟知的“洛天依”就是其中之一；到了 2014 年，Bplats 在官網(wǎng)宣布了 “Vocaloid China” 項(xiàng)目的運(yùn)營，包括洛天依在內(nèi)的 5 個(gè)IP 劃歸為脫離母公司的上海禾念所有，禾念同時(shí)在 2015 年推出了虛擬藝人品牌 Vsinger，在后幾年發(fā)展中被 Bilibili 收購成為旗下超電文化的子公司。

2018 年，洛天依的歌聲庫已經(jīng)擴(kuò)展到了 Vocaloid 5 、ACE AI 歌聲庫以及微軟小冰歌聲庫，不同于 Vocaloid 基于組合拼接的合成方式，后兩者則基于 AI 生成。

來源：公開網(wǎng)絡(luò)，小冰；

小冰是微軟亞研院在 2014 年在中國推出的 AI 聊天機(jī)器人，2016 年其在全球已經(jīng)覆蓋 40 多個(gè)平臺(tái)以及合計(jì) 6．6億的用戶使用；2020 年小冰業(yè)務(wù)從微軟拆分成為獨(dú)立運(yùn)營的小冰公司。

02

虛擬人的商業(yè)路線

關(guān)于虛擬人的劃分，最簡(jiǎn)單的方式是判斷虛擬人的是不是依靠人的，即依靠人和依靠機(jī)器的。

所謂依靠人的，即通過動(dòng)態(tài)捕捉技術(shù)來進(jìn)行肢體與表情的交互，目前常見的動(dòng)作捕捉技術(shù)可分為 3 種：光學(xué)動(dòng)捕、慣性動(dòng)捕和計(jì)算機(jī)視覺動(dòng)捕。

隨著計(jì)算機(jī)圖像識(shí)別相關(guān)算法的進(jìn)步，通過慣性動(dòng)捕或者光學(xué)動(dòng)捕將不再是這一類的必須工具，比如 iPhone 中的「擬我表情」，通過 iPhone 的前置攝像頭捕捉我們的面部肌肉和動(dòng)作，再通過手機(jī)的神經(jīng)網(wǎng)絡(luò)引擎機(jī)器學(xué)習(xí)計(jì)算獲得，本質(zhì)上所有的語言、語音、表情與肢體互動(dòng)還是依靠人來提供。

所謂依靠機(jī)器，虛擬人呈現(xiàn)的內(nèi)容在語言、語音、表情與肢體互動(dòng)上通過計(jì)算機(jī)的 AI 模型來運(yùn)算得出，可以是離線生成也可以是實(shí)時(shí)驅(qū)動(dòng)，離線就是異步的，實(shí)時(shí)就是動(dòng)態(tài)同步的。

再進(jìn)一步，虛擬人相關(guān)內(nèi)容的生產(chǎn)主要涉及到三個(gè)環(huán)節(jié)：建模、驅(qū)動(dòng)和渲染，每個(gè)環(huán)節(jié)依靠人還是依靠機(jī)器，以及依靠程度的高低，不同的組合造就了現(xiàn)在市場(chǎng)上不同的虛擬人流派。

小冰的CEO 李笛把目前市場(chǎng)上三種主要的虛擬人流派描述為殊途同歸，大白話講就是當(dāng)前所謂的虛擬人賽道上，三撥不同人馬在往里湊，干內(nèi)容特效的，干偶像運(yùn)營的和干人工智能的。

2．1 內(nèi)容特效路線

可以追溯到上節(jié)提到的歷史背景，從動(dòng)畫行業(yè)再到影視 CG 特效，呈現(xiàn)的內(nèi)容目前不具備實(shí)時(shí)互動(dòng)的能力，都是提前生產(chǎn)的，中間部分是通過設(shè)計(jì)師和藝術(shù)家繪制建模與渲染而成，部分是半人工或機(jī)器生成，比如《速度與激情 7 》中已故演員保羅沃克的戲份就是通過替身和計(jì)算機(jī)合成。

走影視行業(yè)路線，其商業(yè)模式本質(zhì)是內(nèi)容付費(fèi)，因此這類項(xiàng)目方對(duì)于內(nèi)容的精細(xì)度與現(xiàn)實(shí)程度有很高要求，對(duì)立面則是隨之而來的內(nèi)容制作成本會(huì)很高，根據(jù)相關(guān)媒體報(bào)道，這類作品的成本達(dá)到每秒 8000～15000元不等。

來源：鳳凰網(wǎng)，柳夜熙；

走明星網(wǎng)紅路線，其商業(yè)模式本質(zhì)是廣告變現(xiàn)，特點(diǎn)是這類人物內(nèi)容更多以靜態(tài) 3D 為主，然后通過品牌代言創(chuàng)造營收，國內(nèi)虛擬網(wǎng)紅 IP 案例如柳夜熙、AYAYI 以及翎；在人力成本上，以柳夜熙為例，其背后就包括了一個(gè) 150 人的團(tuán)隊(duì)。

2．2 偶像運(yùn)營路線

偶像運(yùn)營路線背后主要是做 IP 孵化和 MCN 運(yùn)營的機(jī)構(gòu)，偶像人設(shè)不強(qiáng)調(diào)互動(dòng)，人物的驅(qū)動(dòng)主要依靠背后演員的聲音與動(dòng)作（PS：這種模式也被稱為“中之人”）；另一方面在渲染上能夠降低成本，多以二次元畫風(fēng)呈現(xiàn)，也能夠提高 IP 塑造與風(fēng)險(xiǎn)控制，因此這類路線更加偏重運(yùn)營，例如被字節(jié)跳動(dòng)收購的 A－Soul 就屬于這個(gè)路線，2021 年 A－Soul 團(tuán)隊(duì)直播年?duì)I收達(dá)到 2500 萬元。

來源：公開網(wǎng)絡(luò)，Asoul；

相比于孵化真人網(wǎng)紅，可以避免出現(xiàn) MCN 機(jī)構(gòu)與網(wǎng)紅之間的不可控因素，但在 IP 的管理上仍然是以傳統(tǒng)的模式，一方面虛擬網(wǎng)紅與背后的演員和聲優(yōu)是掛鉤的，因此無法達(dá)到規(guī)模化孵化，這也是為什么沒有見到成批的洛天依和初音未來。

2．3 人工智能路線

人工智能的路線直接跳過了通過人工驅(qū)動(dòng)虛擬人進(jìn)行互動(dòng)，對(duì)于表情、肢體、語言和語音等多模態(tài)融合的技術(shù)要求高，按照小冰 CEO 李笛的說法，前兩者路線，第一種人力生產(chǎn)成本高昂，內(nèi)容生產(chǎn)與優(yōu)化周期長，第一種仍然與人掛鉤無法規(guī)�；�，且背后依然是以人為核心，偽人工智能。

針對(duì)前兩者沒有解決的問題，小冰希望通過機(jī)器路線打造 AI 驅(qū)動(dòng)的虛擬人。目前，小冰的制作不同于影視領(lǐng)域的人工動(dòng)態(tài)捕捉建模與畫面渲染，而是通過機(jī)器學(xué)習(xí)生成，渲染成本控制在 17 元／秒，大約是傳統(tǒng)影視制作的 1／500，缺點(diǎn)是畫面的精度只有 1080 P，無法和前者相比，但在手機(jī)上呈現(xiàn)是足夠了。

同時(shí)在人員上，小冰的建模渲染由于是通過計(jì)算機(jī)生成的，因此沒有專門的美術(shù)相關(guān)人員，出圖效率可以做到以萬計(jì)算，而內(nèi)容的好壞交給市場(chǎng)與用戶去評(píng)判，再根據(jù)用戶偏好矯正與迭代。

來源：小冰；

另一種基于 AI 的虛擬人場(chǎng)景主要是企業(yè)服務(wù)領(lǐng)域，例如 RPA 辦公流程自動(dòng)化，萬科的財(cái)務(wù)部虛擬員工崔筱盼，以及近期紅杉推出的虛擬員工 Hóng ，在近期的宣傳視頻中的 IP 形象依然是提到的第一種路線，通過頭像設(shè)計(jì)與拍攝后期合成。

來源：紅杉；

封面：公開網(wǎng)絡(luò)

       原文標(biāo)題 : 虛擬人的發(fā)展簡(jiǎn)史與三條路線