萬字專訪Vitalik Buterin：以太坊將成為主流和最安全的基礎層
Vitalik Buterin 在 19 歲時撰寫了以太坊白皮書。他的目標簡單而全面，即創建一個“世界計算機”，旨在成為所有在線應用程序的靈活基礎層，無需任何第三方。自 2015
短短幾個月內，幾乎每一家擁有智能語音技術能力的大廠都在采取行動布局虛擬數字人。
百度、華為、阿里等都紛紛引入AI數字人入職，擔任技術宣講員、形象代言人；OPPO、小米接連宣布其智能語音助手的虛擬形象；騰訊聯合搜狗一口氣推出了五款數智人，為企業定制智能客服、數字員工；科大訊飛、華為、OPPO、英偉達等都推出了虛擬人生成或交互平臺……
左圖為抖音網紅“阿喜”，右圖為虛擬女團“A-SOUL”
他們出現在手機APP里、帶屏智能音箱上，以活潑生動的形象充當用戶的智能助手，甚至讓喜歡的偶像對自己“言聽計從”，做信息搜索等語音識別服務；
在新華社上線的AI合成女主播
他們出現在各種服務場合里，在金融、醫療等APP的客服界面中，像真人一樣和需要答疑解惑的用戶進行互動，連續7×24小時提供服務……
除了國內，國外虛擬數字人也十分火熱，比如近日，韓國的創企DeepBrain AI正在用提供能代替群眾演員的虛擬數字演員；2019年，一位名為“安德魯”的美國作家在AI技術的幫助下有了首個孿生“數字人”，用以在百年之后依然在云端陪伴家人……
從實驗室到現實應用場景，從無智能交互能力到有智能交互，從2C端市場到2B市場……
據我們不完全統計，在過去2~3年里，國內以“數字人”、“虛擬人”、“數智人”等標簽出道并引起關注的虛擬數字人物眾多。目前，已經有眾多虛擬數字人具備智能驅動或交互功能，究其背后推手，有很多都是2017~2019年那場智能音箱大戰中的頭部選手，以及其他智能語音玩家。
“虛擬數字人”一詞最早源于1989年美國國立醫學圖書館發起的“可視人計劃”（Visible Human Project, YHP）。1982 年，日本動畫《超時空要塞》的女主角林明美被包裝成歌手，成為世界上第一位虛擬歌姬。2007年，“初音未來”在日本誕生于成本較高的CG（計算機動畫）技術，是第一個被廣泛認可的虛擬數字人 。近年來，隨著深度學習算法突破，智能驅動的虛擬數字人開始嶄露頭角。
從視覺發展角度來看，當下虛擬數字人在“捏臉”設計人形的環節門檻降低，往視覺形象上加智能驅動和交互能力成為新趨勢。當我們反過來從智能語音交互技術發展的角度來看，語音助手正在實現技術的變道和升維，進化為多模態的虛擬數字人。
虛擬數字人正在成為令智能語音玩家興奮的新故事。在這個故事中，語音助手更加具有人情味，但這與“元宇宙”中的虛擬人不同的是，它們更關注促進現實世界的產業數字化轉型。
正如騰訊智能產品副總裁李學朝在采訪中談到他的觀點：元宇宙很火，但騰訊現在主要是當成數字世界的打造的數字員工，它與“元宇宙”中的虛擬人有技術上的重疊，但騰訊打造數智人不是往元宇宙方向，而是從數字員工怎么更好的服務行業場景。
相比于元宇宙，虛擬數字人顯然是一個更加落到實處、更聚焦的技術應用領域，擁有從To C到To B的更廣大市場想象空間。
作為智能語音技術的主要落地方向，在前兩年還炙手可熱的“語音助手”故事，如今似乎已不再動聽。“不像人”、“缺乏人情味”是被廣為吐槽的點。
就拿各大玩家悉數入局的智能音箱來說，2018年出貨增長1051.8%，2019年繼續翻一番達4589萬臺（IDC咨詢數據），智能音箱一度成為百度、阿里、小米等玩家進行瘋狂技術和價格戰的大戰場。然而，市場行情卻在2020年以來陡轉直下——2020上半年同比下降14.8%，2021年最新數據顯示第三季度同比下降1.5%，智能音箱告別高速增長期，究其背后原因，離不開“傻瓜對話”、“難以理解深度含義”等技術上的發展瓶頸。
以“智能音箱”為代表的語音助手故事再難以引起市場和資本的太大興奮，但令一眾智能語音玩家欣慰的是，一個圍繞“虛擬數字人”新形態展開的新故事、新玩法已經雛形初顯。
這是一個池子更大、場景更豐富的市場，而各大智能語音助手早已入局，成為這一領域的龍頭玩家。根據調查機構頭豹研究所發布的預測，當前虛擬數字人市場規模已超2000億元，2030年有望達2703億元。
1、騰訊聯合搜狗VS百度，互聯網巨頭之戰打響
在互聯網玩家陣營中，騰訊和搜狗聯合組成的戰隊無疑是打頭陣的玩家。就在11月剛剛舉辦的騰訊數字生態大會上，騰訊一口氣推出五款不同能力的數智人，面向AI播報、手語播報、客服對話等場景有需求的客戶賦能；同時，騰訊推出一款“云小微”數智人平臺，這也成為整個騰訊云智能發力產業互聯網的三大平臺之一。
浦發銀行行長親手為小浦佩戴上了正式員工工牌
百度創始人李彥宏曾透露了自己做虛擬人的一大初衷：因為想在懷念時，與過世的父親溝通，他認為這種情感需求會促進虛擬人交互方式產生很大的市場。
百度早在2010年就率先成立了“自然語言處理部門”，據彭博報道，從自然語言處理到語音交互領域，百度過去十年中已投入了數十億美元。百度的虛擬數字人背后是實打實研發資金砸出來的，可以說可與騰訊+搜狗一敵高下。接下來，要看的就是誰能夠在這條賽道找到更加巧妙應用場景。
再看看其他曾經參團“智能語音助手”大戰的互聯網玩家，阿里、京東、網易都已迅速在一些垂直領域探索落地虛擬數字人。比如，阿里、京東近期紛紛將數字人引入電商，擔任代言人、賣貨人；網易也在教育、游戲等領域推出了文本驅動的虛擬講解員、虛擬講師等應用。
當然，更不能忽視字節跳動、快手這樣的新興移動互聯網玩家，它們原生具有人工智能基因。比如字節跳動與樂華娛樂合作打造的“A-SOUL”的虛擬二次元女團獲得了無數的粉絲。虛擬主播領域已經展現出商業化價值，視頻網站嗶哩嗶哩數據顯示，2020年6月~2021年5月已有32,412位主播在其上開播，同比增長40%。
作為當下最接近“元宇宙”代言人Facebook的公司，下一步字節是否會為“A-SOUL”嵌入AI交互能力取代背后扮演的真人？這想想就很“元宇宙”。
可以看到，新老互聯網巨頭正成為虛擬數字人的主要玩家，背后的深層次邏輯也不再僅僅是它們擅長的“2C故事”。
當下，互聯網行業高速增長時代已經遠去，百度、騰訊、阿里等互聯網巨頭們比之前任何時候都更需要考慮第二增長曲線。虛擬數字人雖然看起來只是一條很小、且還很初期的賽道，卻可能暗藏云與AI技術在未來產業互聯網中的諸多新機遇。
2、科大訊飛商湯等AI玩家，可與互聯網巨頭一戰？
除了互聯網巨頭，AI企業也是這場“造人”派對的主場玩家。
其中，智能語音龍頭企業科大訊飛無疑是這一玩家陣營的龍頭。科大訊飛早在2012年就上線語音智能助手，2015年與京東聯合發布了國內第一款智能音箱“叮咚智能音箱”，而到了虛擬數字人時代，對于科大訊飛這樣的玩家來說更多是技術的自然演變。
去年1024開發者節現場，科大訊飛就推出了AI虛擬人5G交互一體機硬件，其虛擬數字人“愛加”已陸需進入春節拜年、“兩會”播報等應用場景。在今年10月剛剛過去的1024開發者節上，科大訊飛更進一步，推出了賦能B端生態伙伴的虛擬人交互平臺1.0，虛擬人家族形象已經達到了54位，并且還支持自定義形象，未來將在多模感知、情感貫穿、多維表達和自主定制上持續升級。
在過去很長一段時間里，智能語音技術的研究主要解決兩大挑戰，第一大挑戰是圍繞著“聽得清”做研究，“前言不搭后語”，尤其是出現指代不明的問題，這主要是因為需要的數據以指數函數增加，但實際可用的對話數據太少。
第二大挑戰，則是多模態——即除了語音，還通過視覺、觸覺等多種感知來支持機器對話決策，比如眼神、唇語等。
在克服第一重挑戰中，很多企業仍然還有很長的路再走。而在克服第二重挑戰的過程中，很多玩家看到了“虛擬數字人”這一條新路。既然語音識別的瓶頸一時難以破除，何不轉個彎，從多模態的角度讓AI更加像人，實現服務升級？
為此，虛擬數字人應運而生。當下國內這些布局虛擬數字人的公司，正是率先掌握了唇語識別技術進而將語音識別的準確度大大提升，形成了技術壁壘。
一般來說，市面上的虛擬數字人主要包括人物形象、語音生成、動畫生成、音視頻合成顯示、交互等5個模塊構成，其中多個環節主要用到的就是智能語音技術，以及智能語音與視覺融合的多模態技術。
圖源《2020年虛擬數字人發展白皮書》
在語音生成方面，基于文本生成對應的人物語音，主要采用了TTS（從文本到語音）技術，比如很多人知道的明星語音包，早已不是由明星一句句錄制，而是只需要錄制幾句話，就可以合成明星的聲音。
在動畫生成方面，2D、3D數字人的嘴型動作，基本可以靠AI模型實現智能合成。這是對已采集到的文本到語音和嘴型視頻（2D）/嘴型動畫（3D）的數據進行模型訓練，得到一個輸入任意文本都可以驅動嘴型的模型，再通過模型智能合成。但對于一些肢體動作來說，大多采取錄播形式。
另外，動態實時捕捉也是一種方案，光學式和慣性式動作捕捉占據主導地位，此外，基于計算機視覺的動作捕捉成為聚焦熱點。
交互模塊使得數字人具備交互功能，比如通過語音語義識別能實時明白用戶的意圖，并據此對用戶進行語音、表情、動作的反饋。這其中需要用到的基礎技術包括智能語音識別、自然語言處理、圖文合成技術等。交互能力并不是當下虛擬數字人的標配，也是智能語音玩家的門檻所在。
當下，深度學習技術的進步使得虛擬數字人技術成本越來越低，效果更好。但與此同時，虛擬數字人的規模化部署仍然面臨難點。
騰訊智能產品副總裁李學朝在接受智東西等媒體的采訪中指出：“當通過虛擬數字人這一外形變得更加像人，這樣用戶對數字人的期待就會變得更高。這時，如果語音交互能力依然得不到提升，‘答非所問’，其實得到的落差會更大。”換句話說，逼真好看的外貌對智能語音應用只是錦上添花，在“人人捏臉”的時代，過硬的AI交互能力成為一大更核心的競爭力。
可以看到，盡管虛擬數字人為智能語音賽道帶來了新故事，但這并不代表智能語音玩家就可以完全繞開先前的障礙。這一難點，即便是在虛擬數字人階段，依然是玩家們繞不過去的大石頭。
此外，除了智能語音技術發展的瓶頸無法真正繞開，還需要注意的是安全問題。當虛擬數字人變得更像人，更加容易地牽動人的心智，也意味著可能的風險越大。比如，如果虛擬數字人如果用來制作現實人的形象，沒有得到本人的同意，可能帶來非常恐怖的影響。
可以看到，盡管一陣“元宇宙”的風讓大家對虛擬數字人都興奮不已，但回到虛擬數字人技術本身，這個動聽故事其實更接近智能語音玩家推進企業將產品和服務進入一個新的階段——從智能語音階段到虛擬數字人階段，從單維的智能語音技術到多模態技術，從消費互聯網市場拓展到產業互聯網市場……
而在這一新階段，不論是騰訊（搜狗）、科大訊飛這樣的老牌智能語音龍頭，還是百度、阿里、華米OV這樣的智能音箱時代的收割者，亦或者商湯、智源研究院、字節這樣的跨界新玩家，都正在爭奪入場券。
我們從中國智能語音技術十年發展脈絡來看，對于虛擬數字人新玩法的探索，不僅是一場搜狗（騰訊）和科大訊飛兩大智能語音技術龍頭的對拼，更是一場將整個互聯網、消費電子、行業玩家圈入混戰的開始。
從語音助手進化到虛擬數字人，是人工智能技術與人類交互方式進化新的重要節點。當然，正如騰訊李學朝指出的，當下，虛擬數字人發展仍處于探索階段，還有很長的路要走。這很有可能是一場智能語音賽道的升維戰，也是AI交互領域的未來新戰場。
本文鏈接：http://www.rrqrq.com/showinfo-40-325-0.html從33款虛擬數字人，淺析虛擬數字人的應用前景
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
下一篇： 音樂NFT平臺的藝術家入駐策略研究
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號