2023-09-28 12:40
AI數(shù)字人的潛力：我認為，這可能是一種很新的未來
說起AI數(shù)字人，大家應該有所耳聞。之前因為臉書CEO扎克伯格重點押寶元宇宙，而作為大家在元宇宙的化身，數(shù)字人引來了一波關注。結果小扎一年燒了100億美金，最后得出的元宇宙形象是下圖的質(zhì)量，大家頓時炸鍋了，畫質(zhì)和2007年的PC游戲一個水準。。。
從那時起，元宇宙的概念基本就破產(chǎn)了……
然而數(shù)字人卻沒有跟隨元宇宙沉寂，而是在AI時代，成為了一個非常重要的發(fā)展方向。
數(shù)字人簡介
數(shù)字人一般是指具有數(shù)字化外形的虛擬人，它和傳統(tǒng)的線下機器人不同，數(shù)字人依賴于現(xiàn)有的顯示設備而存在，比如手機、電腦、電視等。
數(shù)字人一般有以下的特點：
①具備人的外形：質(zhì)量肯定得比小扎的元宇宙形象好，現(xiàn)在的技術能做到跟真人非常類似。
②具備人的一些行為：數(shù)字人需要具備人類的一些最基本的能力，比如語言溝通、面部表情、動作等。
③具備一定的人類思維：數(shù)字人需要有一定的人類思維能力，不然無法進行簡單的交流。
一個最基礎的數(shù)字人，肯定是需要具備上述能力，才能夠有娛樂、商業(yè)價值。而AI時代的發(fā)展，使上述大家幻想中的要求，逐步變?yōu)榱爽F(xiàn)實。
一方面，AI繪畫、AI視頻、面部肌肉模擬等技術，使得人的外形、表情、動作等，越來越像真人。另一方面，AI大模型的發(fā)展，也讓數(shù)字人的思維能力，有了質(zhì)的飛躍。
數(shù)字人在AI領域的第一個重要出圈的案例，就是今年3月份，有人用AI技術“復活”了自己已經(jīng)過世的奶奶。通過AI繪畫、AI視頻技術實現(xiàn)了外形和互動，通過接入大模型并且定向訓練了已過世奶奶的數(shù)據(jù)資料，讓數(shù)字人能夠以非常類似作者奶奶的身份和思維跟作者進行溝通。
這個案例非常重要，一方面讓大家看到了數(shù)字人的最新技術，已經(jīng)真的可以生產(chǎn)出非常逼真的效果，某種意義上能讓人永生;另一方面，數(shù)字人如此好的效果，也讓大家開始關注它在商業(yè)上的可能性。
兩類數(shù)字人
組成一個數(shù)字人，一般由五個模塊組成，包含：人物形象、語音生成、動畫生成、音視頻合成、互動交互。這里又以交互模塊的差異性，可以將數(shù)字人分為兩種，即非交互型數(shù)字人和交互型數(shù)字人。
(圖源：2020年虛擬數(shù)字人發(fā)展白皮書)
非交互型數(shù)字人是最簡單的數(shù)字人類型，將人物形象和語音合成視頻即可。這類數(shù)字人國內(nèi)外的產(chǎn)品有很多，還有一款開源項目SadTalker，我之前也分享過制作的整合包，感興趣的朋友可以出門左拐看看。
(圖源：2020年虛擬數(shù)字人發(fā)展白皮書)
這類數(shù)字人制作簡單，可以生成一些有趣的短視頻內(nèi)容，然而這類數(shù)字人也有一定的缺陷。
一方面，這類數(shù)字人生成的速度較慢，生成一條1分鐘左右的視頻往往需要30分鐘以上，如此長的時間就決定了這類數(shù)字人不可能拿來直播，因為沒有直播間能接受30分鐘以上的延時(一個觀眾問了一個問題，結果30分鐘后數(shù)字人才能回復，黃花菜都涼了)。
另外，生成的算法是比較低端的，僅僅可以基于圖片來生成動嘴視頻，肢體和頭部都沒有更多的交互，效果一般。
交互型數(shù)字人才是真正意義上大家理想中的數(shù)字人，這種類型的數(shù)字人，預先通過AI技術采集和訓練真人形象，可通過文本驅動生成語音和對應動畫，業(yè)內(nèi)將此模型稱為TTSA(Text To Speech & Animation)人物模型。而且，交互型數(shù)字人，還能接入AI大模型，自動讀取并理解外界輸入信息，然后交給大模型來思考和回答并輸出文本，之后AI算法再驅動人物模型生成相應的語音與動作來使數(shù)字人跟用戶互動。
交互型數(shù)字人，能做到非常低的延時與觀眾進行交互，跟平常大家聊天的感覺沒差別，而且定制訓練的大模型也可以回答出非常專業(yè)的問題，并且數(shù)字人的肢體動作也非常自然。
(圖源：2020年虛擬數(shù)字人發(fā)展白皮書)
交互型數(shù)字人線下采集數(shù)據(jù)，用于生成逼真的人物模型：可以去線下的場地采集圖像素材和聲音素材，目前也能做到遠程采集視頻素材和聲音素材，一般只需要幾分鐘的素材，即可用于訓練效果逼真的數(shù)字人形象。
生成數(shù)字人模型后，就可以應用于各種各樣的娛樂&商業(yè)場景：
快速持續(xù)生成短視頻內(nèi)容，搭建IP建立矩陣流量池。
數(shù)字人直播：可以做到7*24小時低成本直播，互動性跟真人主播接近，且通過技術手段防止被封，成本大幅降低，效率大幅提升。
數(shù)字人的優(yōu)勢：工資成本低、場地成本低、設備成本低、直播時長長，不會生病也不用交五險一金……
數(shù)字人+大模型：交互型數(shù)字人，接入了AI大模型，可以針對特定的領域進行訓練，比如服裝店主，可以將自己店鋪的商品信息喂給AI大模型，后續(xù)數(shù)字人在直播時，可以回答觀眾提的特定的問題，甚至可以作為智能客服使用。
以下是數(shù)字人直播間的一個案例：
上述所描述的交互型數(shù)字人產(chǎn)品，是由我多年的好友公司研發(fā)的AI產(chǎn)品，如果你對數(shù)字人感興趣，對于AI時代的商業(yè)模式感興趣，歡迎大家掃碼聯(lián)系，也可以私聊我了解細節(jié)。
AI人工智能時代已經(jīng)到來，互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)時代，均產(chǎn)生了很多商業(yè)機會，讓很多人實現(xiàn)階層躍升。AI時代這次機會，你還想錯過嗎？
作者的公眾號二維碼丨掃一掃，關注我
關注我，不懂技術也可以學習AI。
資深大廠產(chǎn)品經(jīng)理Glen，鵝廠、字節(jié)、華為工作經(jīng)歷。
讓一部分人，看見AI并連接。
相關文章
近期文章
更多
新智元
AIGC開放社區(qū)
