隨著技術的更新迭代，數字人進入3。0時代，擁有更加高精的模型，並且能透過人工智慧的驅動，提供專業的、個性化的服務。如今的虛擬人也能夠滲透到更豐富的場景中，為觀眾和消費者帶來新的內容和體驗。《部落格天下》採訪了百度智慧雲數字人相關負責人，深入瞭解當前數字人的發展情況，探討百度智慧云為數字人行業帶來的改變。
出品 | 部落格
天下品牌觀察組
作者｜魏僑
編輯 | 潘冬妮
“還有什麼是AI幹不了的？”
7月21日，2022百度世界大會上，AI數字人希加加與撒貝南搭檔主持，今晚還要與《沉香如屑》主演成毅跨時空連線對話，AI數字人度曉曉和龔俊數字人秒懂小撒粵語點咖啡需求……似乎正如世界大會喊出的口號所言，人均一個數字人的時代已經到來。
2022百度世界大會直播截圖
這已經不是數字人第一次進入大眾的視線了，
6月19日，北京國際電影節宣佈虛擬偶像“梅澀甜”擔任本屆電影節元宇宙推介官，訊息一經發布，就在社交網路上引發了熱烈討論。
網友們爭執的焦點大多集中在，海報中梅澀甜的外形與其所代表的“未來感”相去甚遠。大眾注意力仍然聚焦在其外貌特徵上，認為“沒有必要用一個審美落後的虛擬形象”來作為宣傳噱頭。
今年5月虛擬偶像團體A-SOUL的珈樂終止活動，揭開了虛擬主播由“中之人”扮演的幕後規則，不禁令人深思——虛擬偶像的“虛擬”是否只是一層皇帝的新衣？
隨著數字人科技的發展，事實上，並非所有的數字人都需要真人扮演。同樣在5月，國際博物館日當天，百度智慧雲曦靈提供獨家技術支援，與中國文物交流中心、極幕科技共同打造的首個文博界虛擬宣推官“文夭夭”正式釋出。
無獨有偶，6月百度APP推出的虛擬AI助手度曉曉風頭正勁，先是40秒創作40篇高考作文，並獲得48分的高分，又用幾十秒創作了4幅畫，亮相西安美術學院畢業展，還與百度App代言人龔俊的數字人一起釋出了新歌《每分每秒每天》。
《每分每秒每天》歌曲宣傳海報
顯然，有前沿的AI技術作為保障，百度智慧雲在數字人的生產開發、創作運營上都取得了飛躍式的突破。據悉，文夭夭、度曉曉、希加加，他們之所以能夠擁有流暢的“聽說讀寫”等AI能力，均依託於百度智慧雲去年釋出的數字人平臺“百度智慧雲曦靈”。
從虛擬女團A-SOUL、阿里虛擬偶像AYAYI、抖音虛擬達人柳夜熙，到央視網數字虛擬小編小C、湖南衛視虛擬主持人小漾等等，大眾往往只聞其名，並不瞭解他們是如何產生、如何活動的。
日前，《部落格天下》走進百度，與百度服務型數字人產品業務負責人侯浩進行了交流，深入瞭解當前數字人的發展情況，探討百度智慧云為數字人行業帶來的改變。
創造00後數字人
2022年的國際博物館日（5月18日），由百度智慧雲提供獨家技術支援，聯合中國文物交流中心、極幕科技精心打造的國內首個文博虛擬宣推官“文夭夭”正式亮相。
這個畫著唐代花鈿妝容、梳著雙髻丸子頭、身著一席淡雅長裙、行走在數字化博物館中的少女，不僅親和靈動，還通曉古今。未來在博物館、考古現場、文物修復現場等等，是否也能看到夭夭靈動的身影，充滿了想象與期待。
首位文博虛擬宣推官 文夭夭
“文夭夭是持證上崗的。”在接受《部落格天下》專訪時，侯浩說道。
作為文博界的首位虛擬宣推官，文夭夭跳脫了常見的“賽博朋克風”或“盛世美顏系”，以00後大學生結合國風造型的親民形象，樹立了獨樹一幟的IP標籤。
文夭夭的雙丸子頭源自古代少女髮型，同時在髮型後部增加了現代編髮；妝容融入唐代盛行的花鈿裝飾，彩色眼線、粉嫩面板，整體呈現出少女的清新可愛，更符合現代審美；服裝細節運用了盤扣立領的古典元素，顏色清新淡雅，材質上則營造出流光溢彩、富有未來感的效果；腰間配飾的造型源自唐代葡萄花鳥紋銀香囊，象徵著她文博宣推官的身份。
值得一提的是，扇子的元素在文夭夭的形象設計中貫穿始終。
扇子不僅是她拿在手中的重要配飾，如果仔細分辨服裝細節，還能發現上衣遍佈扇子形狀的圖騰暗紋。領口的盤扣用兩個扇子拼接，形成一個領口的裝飾品；耳墜結合了扇子的百褶以及花朵的曲線；腰間的腰帶裝飾也融入了扇子設計。
首位文博虛擬宣推官 文夭夭
“文夭夭裙子、袖口的百褶，都取自摺扇的輪廓，做得很細緻，體現出科技與文化的交融。”侯浩告訴《部落格天下》。
從古至今，中國的扇文化底蘊深厚，歷來有“制扇王國”之稱，扇子是貫穿中國歷史的標誌性文物。在外交場合，扇子常常被作為國禮相贈，文夭夭也將帶著象徵禮儀之邦的文化符號，跟隨國家級的展覽赴海外出訪交流，傳播中國文化。
另一方面，“扇”是“善”的諧音，也寓意著文夭夭的善良單純，“手執一扇，求的是自我本心，念念向善。”
據侯浩介紹，“數字人的生產過程，先進行原畫設計，包括人像、衣服、髮型、妝容，以及臉部特徵等，然後做模型繫結，類似給木偶穿線，形成骨骼，最後在平臺上完成配置和渲染，一個數字人便生產出來。”
侯浩口中的“平臺”，就是“百度智慧雲曦靈”平臺，作為一個可以全鏈路生產數字人的平臺，百度智慧雲曦靈最大程度地簡化了數字人的設計難度，降低了數字人的創作門檻。
後臺運營圖
生成數字人形象後，平臺內建表情庫、動作庫。這背後是大量的動作捕捉與資料收集，經過長期的綜合分析，形成自然、接近真實的表情和動作。例如當工作人員輸入一段文字，輔以與內容相應的表情動作，一段簡單的數字人播報影片就生成了。除了AI自主驅動之外，百度智慧雲曦靈平臺也支援真人動作捕捉以及面部捕捉。
在百度智慧雲曦靈平臺上，一張照片或者一段影片就可以製作一段數字人影片。使用者照片上傳之後，平臺對照片進行解析，摘取特徵元素之後建模和重組，形成數字人模型的底版。相比市場上良莠不齊的換臉、建模軟體，百度智慧雲曦靈平臺有更高的精確度和流暢度。
跨模態的情感互動
相比線下人工講解員，文博數字人可跨越時空限制，以多個“數字人分身”服務數十上百家博物館。
再者，運用數字人的優勢在於，省去了長年累月學習積累知識的過程，未來打造文博行業的數字人只要接入知識庫，並不斷升級，各件文物的歷史、藝術、科學價值都能如數家珍，上下五千年浩如煙海的歷史都將信手拈來。
在錄入必備的文博知識之外，同時也有大量開放性知識，共同生成數字人的知識儲備，兼具專業性與多元性。開放性知識基於百億級訓練引數的開放域對話模型PLATO-XL，引數達到了 110 億，被認為是當前最大規模的中英文對話生成模型。
在使用者與數字人的交流過程中，可以最大程度地模擬真實的對話交流。同時隨著模型的更新迭代，數字人也可以持續學習，在與使用者的交流過程中不斷調整、完善自身，重新整理開放域對話效果。
數字人願景圖
當用戶透過語言進行交流時，既輸出有效的內容資訊，也表達個人情緒。而想要實現情感層面的互動，就必須對使用者的情緒進行精準的識別、解析，並輸出相應的反饋。
值得一提的是，目前百度的語音互動引擎擁有世界首個線上語音互動注意力模型，能實現與數字人自然暢通交流，高準確度的音畫同步，逐字口型準確率達到了98。5%以上。
要實現完整的情緒識別與互動，需要同時對語音、表情、動作進行轉化和識別。一般來說，輸入語音返回的就是語音，輸入影象返回就是影象。但在實際的互動中，使用者可能輸入語音、文字，或者透過攝像頭輸入影象。不同型別的資訊要求數字人都能處理，同時以不同的形式輸出反饋，這個能力被稱之為跨模態。
例如央視新聞的AI手語主播，除了擁有高精度的3D模擬形象之外，也具備極高的專業度。從北京冬奧會上崗開始，既能完成專業的體育賽事解說，也能跟上朱廣權的花式押韻。
在AI手語主播進行手語直播時，需要現將輸入的語音轉化為文字，在理解語義的基礎上“翻譯”為手語語序，進行相應的對映，最後透過動作、口型輸出。這個過程已經完成了一次跨模態的轉化輸出。
AI手語主播+朱廣權
百度智慧雲在今年上半年已經發布了AI手語平臺，為了動作的準確性，工作人員精修了11000個手語動作，同時為了保持手語的連貫，每一個動作中間都需要透過融合演算法連線。平臺也可以根據需求接入不同的知識庫，例如播報冬奧就接入了體育賽事類的知識庫。
在AI手語平臺上，只要透過語音輸入就能直接生成手語影片。如果將AI手語平臺搭載在硬體上，就可以形成手語一體機，廣泛運用在法庭、銀行等等場景，更好地服務於聽障人員。
百度的底層的AI技術優勢支援著百度智慧雲曦靈，使得平臺上針對不同形式的內容都具備相應的AI能力，才能最終實現數字人真正的跨模態互動。
“最先感知數字人的就是其外在特徵，對於好的數字人的理解就是長得好看、高精度。發展到現在，還要看它的內涵，它的感知和認知能力，與使用者的互動體驗怎麼樣，有沒有持續學習、更新迭代的能力等等……這些是數字人實現差異化，能夠脫穎而出的關鍵。”侯浩對《部落格天下》說。
AI技術注入靈魂
迎著風口，市面上以“數字人”為噱頭的產品層出不窮，然而，什麼才是真正意義上的數字人？
洛天依入駐上海杜莎夫人蠟像館
縱觀數字人的發展歷史，到如今經歷了三個階段。第一代數字人是如初音未來、洛天依等依靠使用者創作內容的虛擬歌手。“初音未來之父”伊藤博之曾表示，設計初音未來這個形象最初的目的，是為了推廣雅馬哈旗下的人聲音樂軟體，即後來被廣泛應用到虛擬歌手音樂創作的VOCALOID。
精心設計的形象、聲優配音並經過處理的聲音組成了第一代數字人的雛形，生產內容主要依靠UGC，數字人只提供外觀形象，幾乎沒有自主行為，依靠人為設計來完成行為動作。
動作捕捉、實時渲染等技術飛速發展之後，出現瞭如絆愛、A-SOUL這樣以直播互動、舞臺表演等方式活動的虛擬主播。動捕技術解決了數字人的驅動問題，讓數字人可以完成自主行為與即時互動。
但第二代數字人仍然不具備獨立的行為能力和思想能力。由真人扮演數字人，包含著另一重隱憂。一旦扮演者發生狀況，數字人也會受到直接影響，此前絆愛的永久性休眠，以及A-SOUL成員嘉然的退出，都為行業敲響了警鐘。
當數字人的行為、能力等都與扮演者高度繫結，數字人的行動也受到限制，很難實現跨時空的活動。這個階段數字人實現的還是那種一對多的互動，形象千人一面，還沒有實現一對一，定製化的互動。
由於其互動能力的限制以及文化淵源，前兩代數字人大多為表演型的虛擬偶像，受眾主要來自泛二次元使用者，形象也以更具二次元動漫特徵的2D形象為主。
百度數字人
如今數字人發展到第三代，模型更加的高精，不僅在影片、直播中出現，還可以搭載在不同的智慧硬體上。依託成熟的AI技術，數字人具有自主思考、反饋、行為、互動的能力，也就是說，真正為數字人注入了“靈魂”。在“表演”之外，數字人也具備了更豐富的能力和活動的空間。
這一代數字人，除了接近真人的外觀之外，還需要具備接近於人的行為特徵和思想特徵，因此“人格化”成為第三代數字人的關鍵詞。
“如果沒有人格，數字人就是面無表情的一張畫，和動畫、影片區別不大，很難和使用者產生連線。想要讓數字人和使用者的互動體驗變得更好，那麼數字人也要微笑，要有自己的人設，這個形象背後需要鮮明的人物特徵來支撐。”
對真人來說，人格是自然流露的行為傾向，而在數字人身上則需要進行細緻的塑造模擬。例如，文夭夭的性格被設定為溫柔親和，因此微笑是她最常露出的表情，少有大開大合的動作，言行輕巧靈動，觀之可親。
在以往的數字人生產過程中，往往需要複雜的預先設計才能完成人格的模擬，而百度智慧雲曦靈平臺已經接入了龐大的模型庫，包括數字人的動作、笑容、表情、語言等等，每一種能力背後都存在著對應模型庫，具備相對完善的輸出標準。
當用戶輸入到需要的性格特質，平臺就會輸出相應的表情、動作、行為方式。只有足夠豐富的模型庫，才能實現精準的匹配，實現無縫聯動。以及，數字人的打造還需要語音、語義、視覺、大模型等全鏈路的AI能力來支援。
度曉曉高考作文海報
今年高考作文題目披露之後，百度數字人度曉曉在直播中根據新高考一卷作文題目，以圍棋術語《本手、妙手、俗手》命題，迅速做出了一篇標題為《苦練本手，方能妙手隨成》的高考作文。
文章不僅主題明確、邏輯清晰、論證清楚，還大量運用修辭，旁徵博引，文采斐然。在直播間中，語文名師申怡給這篇滿分60分的作文打了48分。
顯然，度曉曉的文字能力已經擺脫了機械性的拼湊，遠遠超過大眾以往對於AI自動寫作的想象。
運用AI技術，透過資料訓練讓數字人做詩、繪畫，直接完成內容創作已經不再是難事。數字人的創作方式也從以往的UGC、PGC過度到AIGC，內容創作、IP孵化模式也進入了新的階段。