金磊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

北京冬奧會落幕，“中國式浪漫”刷爆全網(wǎng)。

而從開幕式為起點，所延續(xù)的不僅僅是大氣磅礴的視覺盛宴，科技之美也始終貫穿其中。

云計算、AI、虛擬現(xiàn)實、5G……在這屆冬奧會中可謂是大放異彩。

也難怪外界頻頻發(fā)出“科技感拉滿”這樣的贊嘆之詞。

而在這其中，一個數(shù)字人的出現(xiàn)，竟能讓直播帶貨這件事，有了全新的“打開方式”。

不僅吸引了超過200萬人次的觀看，更是在短短時間內(nèi)圈粉數(shù)十萬。

她叫冬冬，是一位在淘寶直播間售賣冬奧會官方特許商品的“北京大妞”。

但和其他人不同的是，她在直播間除了賣貨，還會大秀“十八般武藝”。

例如奧運健兒奪冠了，冬冬就會模仿其經(jīng)典動作來慶祝：

觀眾們高呼蘇翊鳴，冬冬便現(xiàn)場展示了一段封神的1800轉(zhuǎn)體：

講真，這么多才多藝、如此拼的主播還是頭回看見。

不過有一說一，眼尖的友友們應(yīng)該也已經(jīng)發(fā)現(xiàn)了，冬冬，她其實并不是人類。

而是由阿里巴巴為本屆北京冬奧會打造的數(shù)字人冬奧宣推官。

或許這時你會說了，那她不就是個機器么？莫得感情，莫得靈魂。

非也非也。

若是看過冬冬直播，很直觀的一種感受就是自然。

人類主播的技能，她也能夠hold得住。來感受一下她的風格：

歡迎尾號XX的朋友進入直播間！

XX朋友，你的需求已經(jīng)托付給程序員小哥哥處理了，不要著急哦。

沒錯，實時互動這一塊，冬冬算是拿捏住了。

單從這點來看，可以說冬冬不再是大眾眼里的傳統(tǒng)虛擬人，而是已經(jīng)進化成為數(shù)字人。

畢竟，能否與人類互動，是劃分虛擬人和數(shù)字人的分水嶺。

而且她還不是玩兒“表面功夫”的那種，從直播數(shù)據(jù)來看，業(yè)務(wù)能力也是夠硬的。

據(jù)悉，在直播間核心表現(xiàn)數(shù)據(jù)的轉(zhuǎn)粉率和停留時長，而冬冬的直播間均遠超了淘寶直播的平均水平。

于是乎，這樣的冬冬便迅速引起關(guān)注，網(wǎng)友們紛紛感慨她的“敬業(yè)”：

為了實現(xiàn)一戶一墩，真的是太拼了，冬姐也不容易??！

然而，如果細挖冬冬這位數(shù)字人之后就能發(fā)現(xiàn)，直播帶貨，竟只是她能力的一隅而已。

這個數(shù)字人，冬奧很忙

數(shù)字人冬冬，在整場冬奧會期間，可以說是有“多副面孔”了。

這不，在直播帶貨之余，冬冬就開了一個“冬奧脫口秀”的專欄。

等等，數(shù)字人？講段子？這能行嗎？

可別小瞧了數(shù)字人的能力，冬冬說脫口秀的“打開方式”，是這樣的：

今天的比賽里，有個項目冬冬特別想體驗，在白茫茫的雪地里自由翻轉(zhuǎn)滑行，那感覺光想想就讓冬冬心跳加快……啊不對，是CPU瘋狂運轉(zhuǎn)了呢。

大家知道是哪個項目了嗎？冬冬給個提示，對于新手來說這個項目只有2個動作：前滾翻和后滾翻。選擇屁股疼還是臉疼呢？

噗！

還別說，冬冬雖然是個數(shù)字人，她講得脫口秀還是蠻逗的。

而且在脫口秀期間，除了用詼諧幽默的語言講段子之外，冬冬還會穿插著講解與冬奧項目有關(guān)的知識。

真是科普、搞笑兩不誤。

但直播間，只是冬冬工作場合之一，這不，她在冬奧會期間還參加了CCTV-5《體壇英豪》節(jié)目的錄制。

在其中的一期節(jié)目中，短道速滑運動員武大靖，就成了她的采訪對象。

現(xiàn)場，冬冬還請求武大靖指導一下她最新學會的短道速滑動作。

在瞬間變裝后，便在武大靖面前開始展示：

冬冬問武大靖：“你知道我的動作是跟誰學的嗎？”

武大靖自信地回答道：“我唄，肯定是學我唄?！?/p>

而后，冬冬和武大靖展開了輕松愉悅的快問快答。

冬冬：這屆冬奧會最難忘的時刻是？

武大靖：我們獲得首金的時候。

冬冬：頭盔的圖案為什么選擇華夏戰(zhàn)神孫大圣？

武大靖：因為它的寓意很好，孫大圣的感覺就是拼命吧。

冬冬：保溫杯里泡的是什么？

武大靖：沒泡枸杞，泡的是正常的水。

冬冬：金墩墩拿回家，會放在哪里？

武大靖：放保險箱里，其他人說已經(jīng)聯(lián)盟要弄我。

……

一番交談還挺自然，冬冬模仿真人記者有模有樣。

那么一個AI數(shù)字人，能夠做到如此的實時和擬真，接下來的一個問題便是：

冬冬，是怎么煉成的？

隨著數(shù)字人冬冬在網(wǎng)上的走紅，其背后的技術(shù)能力也逐漸浮現(xiàn)了出來。

據(jù)了解，冬冬之所以能夠像人類一樣自然，主要得益于阿里巴巴數(shù)字人技術(shù)團隊多年來在此的技術(shù)積累。

首先，是在外觀的自然度方面。

要讓虛擬人在說話過程中做到自然，就需得像人類一樣，把嘴、表情、肢體動作等等做到統(tǒng)一、協(xié)調(diào)。

冬冬背后的技術(shù)所采取的策略，則是AI實時驅(qū)動。

例如在“嘴型驅(qū)動”上，冬冬可以做到播報的語音和嘴型對應(yīng)；并且在說話過程中，會融合適合的面部表情，比如微笑、興奮、生氣、疑問等。

除此之外，冬冬的身子，即肢體動作，也會配合內(nèi)容而發(fā)生改變，例如揮手、鼓掌等等。

而且為了在視覺上達到更加逼真的效果，阿里采用了Unity HDRP高清管線來實時渲染擬真人級別的數(shù)字人。

包括實時的模擬自然光照、動力學（比如服裝、頭發(fā)的擺動）等效果。

但若僅僅是停留在外表，那要跟人類相比，還是差點意思的。

要想在直播間里和用戶長時間自主互動，流暢對話是一個必要條件。

多模態(tài)雙工互動能力（MMDI，multi-mode duplex interaction），便是其采取的策略。

具體而言，是在深度融合了多模態(tài)理解和雙工對話管理技術(shù)的基礎(chǔ)上，構(gòu)建了一套全智能驅(qū)動的數(shù)字人雙向互動能力。

這讓數(shù)字人具備了像人一樣邊說邊聽的技能，即使被打斷也可以繼續(xù)順暢溝通。

而且聲音、表情、動作在表達時能夠自然地整合在一起。

但光是“形象逼真”、“可以互動”，還是不夠的。如何能夠讓用戶覺得冬冬言之有物，內(nèi)容扎實豐富，是非常重要的。

這就需要冬冬具備“智能腳本生成”（AI Script Generation，AISG）的能力。

為此，阿里數(shù)字人技術(shù)在深度融合預訓練和知識圖譜基礎(chǔ)上，構(gòu)建了一套全智能的可控腳本生成方案。

核心就是將以往專家撰寫腳本的方式，轉(zhuǎn)變成了機器自動撰寫。

更具體一點，AI算法模型會根據(jù)“冬奧知識”或“喜劇寫作公式”，展開一個自主學習的過程。

而后數(shù)字人再結(jié)合NLP和風格化生成技術(shù)，就可以在面對不同場景的情況下，快速生成順暢、有邏輯，且自然風趣的語言。

這也就是冬冬為什么能夠在長達2小時之久的直播時間里，不間斷的輸出內(nèi)容、持續(xù)互動的原因了。

不僅如此，冬冬還可以在直播過程中，對突發(fā)的賽事新進程做最新的報道。

例如一旦有新的獎牌誕生，她就會立即對與之相關(guān)的賽事背景、規(guī)則、選手簡介等等內(nèi)容做介紹。

這種即時性，便是得益于新華社與UC的合作，可以讓冬冬從新華社UC大魚號上獲取最新賽事動態(tài)內(nèi)容。

另外，冬冬在冬奧會期間身兼數(shù)職，這也需要她拿出不同的“職業(yè)狀態(tài)”。

例如在直播間，冬冬就得用主播的口吻來說話；脫口秀環(huán)節(jié)時候，冬冬的說話方式就得幽默詼諧。

為了達到這種效果，冬冬的智能語音技術(shù)團隊深度融合端到端語音合成與傳統(tǒng)語音技術(shù)，能在更低的成本、讓數(shù)據(jù)錄制周期變得更短。

同時融入情感語音合成技術(shù)，這就冬冬可以在不同場景之中，表達不一樣的感情。

……

不過有一說一，從冬冬在冬奧會的種種表現(xiàn)中，其實不難看出一種趨勢的發(fā)展：

人與虛擬人，界限越發(fā)模糊

雖然在近一段時間里，“虛擬人上崗”的消息層出不窮。

不過數(shù)字人冬冬的出現(xiàn)，似乎讓人類與虛擬人的界面進一步模糊了起來。

以往虛擬人即使在外觀和語音的自然度能夠做到高度逼真，但人們對他們的印象或許依舊會停留在“莫得靈魂”。

但這一次，卻截然不同。

例如在直播間這種高度需要互動的場景中，冬冬就不是“自顧自的”的表演。

當有人在直播間問冬冬：“你吃飯了嗎？”

她有時候就會回答“我是吃代碼的”，然后開始念自己的二進制代碼；但有時候冬冬也會回答說自己在吃烤鴨。

這樣的交流方式，就會讓屏幕前的觀眾感受到與人類主播一樣的回應(yīng)與互動。

冬冬的出現(xiàn)，為數(shù)字人的生命力探索了一個持續(xù)產(chǎn)出內(nèi)容和互動的新場域。

數(shù)字人的生命力，不僅僅是字面上時間的長與短，更多的應(yīng)當是“成長”與“復制”。

換言之，不是打造出了數(shù)字人，這塊工作就結(jié)束了；而是需要在環(huán)境的加持與訓練中，不斷讓自己在“像人”這件事兒上做到極致。

與此同時，能夠獨當一面地快速上崗和適應(yīng)新的場景，也是數(shù)字人“生命力”的體現(xiàn)。

那么最后，或許也是大家最為關(guān)心的一個問題：

我們?yōu)槭裁葱枰獢?shù)字人？

從冬冬此次的表現(xiàn)上來看，她能夠連續(xù)十多天2小時不間斷地在直播間帶貨，并且能夠跟觀眾做到很好的互動，從能力上來講已經(jīng)具備了上崗的能力。

與此同時，她還能以同樣的業(yè)務(wù)水平，同時間上崗其它場景，光是這一點，便是人類很難達到的極限。

也就是說，現(xiàn)在的數(shù)字人能夠以一己之力同時勝任住多項任務(wù)，從而大大的釋放了人力和物力成本。

而除了冬冬之外，本次冬奧會還有虛擬人上崗運動員助理教練、氣象主播等職務(wù)。

放眼冬奧會之外，例如柳夜熙、新聞主播N小黑/N小白的爆火，更是從側(cè)面反映出普通大眾對虛擬人的認可和接受。

數(shù)字人未來想象力的大門，已經(jīng)打開了。

而更宏觀地來看，數(shù)字人在本屆冬奧會所體現(xiàn)出來的，不僅僅是其本身能力的展示，更是在釋放著一種新信號：

前沿技術(shù)，正逐步步入常態(tài)化。

據(jù)悉，此次北京冬奧會實現(xiàn)了212項技術(shù)的落地應(yīng)用，其中33項為首次使用。

在未來，這些技術(shù)或許不再是“奧運專享”，走進你我的日常也是大有可能。

……

最后的最后，要問現(xiàn)在虛擬人發(fā)展到了什么地步？

無疑的一點是，人與虛擬人的界限越發(fā)模糊；或許，隨著智能技術(shù)越來越發(fā)達，人機共生時代已經(jīng)到來。

本文首發(fā)于微信公眾號：量子位。文章內(nèi)容屬作者個人觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。

關(guān)鍵詞：