智東西（公眾號：zhidxcom）
作者 |?徐珊
編輯 | 云鵬
智東西4月25日報道，今天騰訊云智能推出了騰訊云智能小樣本數(shù)智人生產(chǎn)平臺，從而實現(xiàn)“自助式”數(shù)智人生產(chǎn)制作。
通過騰訊云智能小樣本數(shù)智人生產(chǎn)平臺，用戶只需要3分鐘真人口播視頻、100句語音素材，就可以在24小時內制作出與真人近似的“數(shù)智人”。
目前，騰訊云智能主要將行業(yè)提供數(shù)智人底層aPaaS能力， 并且提供專屬的技術支持和商機流量扶持，而合作伙伴主要負責為云智能數(shù)智人服務打造上層應用，形成數(shù)智人SaaS方案。
從現(xiàn)場我們了解到，目前騰訊云智能、騰訊優(yōu)圖實驗室、騰訊AI Lab、Next Studios等多個業(yè)務團隊都為該數(shù)智人工廠提供技術支持。
一、從數(shù)字人到數(shù)智人，騰訊數(shù)字人在口播等多領域應用
據(jù)騰訊云智能數(shù)智人產(chǎn)品總經(jīng)理陳磊透露，從2016年開始，騰訊就已經(jīng)開始接觸對話式AI，也就是早期的數(shù)字人。2018年，騰訊正式投入數(shù)智人研發(fā)和服務，成為國內最早投入數(shù)字人領域的企業(yè)之一，目前騰訊已發(fā)布數(shù)百篇相關技術頂會、期刊論文、專利近百份。
數(shù)智人的發(fā)展階段一共分為三個階段，離線階段、在線階段、在場階段。
在場階段，數(shù)智人在生產(chǎn)效率和生產(chǎn)效能大幅提升。從三年前的百萬級價格，到如今的千元級，數(shù)智人的成本正在迅速下降，數(shù)智人也開始走向更廣泛商用市場，“普惠化”、“場景化”趨勢明顯。
騰訊云智能還提出自動化“AI+數(shù)智人工廠”，提供讓企業(yè)開箱即可以直接使用的數(shù)智人生產(chǎn)服務。該數(shù)智人工廠依托于騰訊云TI平臺，內置超過10項AI算法能力。
未來，無需任何算法、研發(fā)經(jīng)驗，企業(yè)只要在平臺導入視頻、語音訓練素材，即可通過“自助式”服務，完成大批量數(shù)智人形象、音色定制。
目前，已經(jīng)有數(shù)十家合作伙伴依托平臺，向行業(yè)提供數(shù)智人直播SaaS、知識口播SaaS應用，覆蓋醫(yī)療、傳媒、金融多個行業(yè)。
“騰訊和其他相比，更懂行業(yè)內的市場需求?！痹陉惱诳磥?，未來人們可以在騰訊云上傳自己的照片，然后選擇下一個虛擬數(shù)智人的訂單，在一天內就可以獲得自己的數(shù)智人。
二、以“小樣本”見“大模型”，揭開小樣本打造數(shù)字人背后的AI黑科技
騰訊優(yōu)圖實驗室研究總監(jiān)汪鋮杰認為目前數(shù)智人服務的問題主要聚焦在兩大方面：如何將數(shù)智人做的更高效，以及如何將數(shù)智人做得更逼真。
比如說，想要虛擬數(shù)智人更加逼真，要考慮如何將此前的產(chǎn)品變得更加標準化和流程化，離不開人像編輯生成、人像3D技術、生成輔助技術等多樣的AI技術幫助。
他覺得2D小樣本技術的背后是3D技術。“小樣本數(shù)智人從直觀上感受是2D視頻，背后其實是3D人像在做支撐。從‘文本/音頻’信息到‘3D人像驅動’再到‘2D人像視頻’的模式，通過3D人臉結構的先驗信息引入，使數(shù)智人口型、表情更到位?！?/p>
如今用戶可以通過兩三分鐘的視頻，借助騰訊云智能的相關功能，就可以獲得自己的虛擬數(shù)智人。這其中，像是3分鐘的視頻或者文本、圖片都是屬于小樣本，但為這些小樣本做背后支撐的都是各種不同的大模型。
比如說，在數(shù)據(jù)獲取和數(shù)據(jù)篩選階段，騰訊訓練通用基礎模型時，引入自監(jiān)督機制，讓AI自己去約束數(shù)據(jù)，從而構建通用基礎模型，如通用語音合成/編碼模型、通用3D重建模型、通用人像編輯模型。有了自監(jiān)督機制，3D騰訊數(shù)字人不在需要現(xiàn)場掃描，就可以還原每一道皺紋級的細節(jié)，讓3D數(shù)智人更加逼真。
語音方面，騰訊接入兩大3D口型驅動接口，覆蓋了ARKit、metahuman等不同的建模標準。同時，人像編輯生成技術也是數(shù)智人的重要技術之一，包括人像分割、綠幕去光、背景更換、視線矯正、人像美顏等多個環(huán)節(jié)，可以讓數(shù)智人后期制作更加方便快捷。
此外，通過構建大規(guī)模高質量音色數(shù)據(jù)的預訓練基底模型，未來小樣本數(shù)智人還將支持用戶只錄制普通話，即可合成英文及方言語音。
三、數(shù)智人應用千行百業(yè)，場景深度還需挖掘
騰訊研究院高級研究員宋揚覺得，虛擬數(shù)字人產(chǎn)業(yè)被用戶普及，既有各類爆款事件結合在一起的造成的熱度助力，如一些網(wǎng)紅數(shù)字人推動C端最直觀的認知和概念普及，又有技術推動、用戶需求、生態(tài)建設和標準等底層支撐。
他發(fā)現(xiàn)虛擬數(shù)字人發(fā)展的成本正在不斷的下降，AI技術升級能夠讓虛擬數(shù)字人同時有“好看的皮囊”和“有趣的靈魂”，3D數(shù)字人制作的效能也在繼續(xù)提升。AI技術技術驅動數(shù)智人多模型交互還有智慧，并且逐步覆蓋多類型的數(shù)智人生產(chǎn)運營全流程。
從目前發(fā)展的途徑來看，虛擬數(shù)字人將成為企業(yè)降本增效的工具，千行千面的數(shù)字人將成為人機交互新入口，但是數(shù)智人應用的深度還需要挖掘。
結語：走向企業(yè)，數(shù)智人成為降本增效好工具
從QQ秀開始，騰訊可以說是最早打造數(shù)字人的企業(yè)，在此領域，騰訊已有多年的技術積累。今天，騰訊正式帶來數(shù)智人工廠和小樣本數(shù)智人生產(chǎn)平臺，面對不同的企業(yè)需求，提供相應的企業(yè)服務，幫助各大企業(yè)打造自己的數(shù)智人。
如何打造一個深受用戶喜愛的數(shù)字人，成為所有數(shù)字人玩家共同的考題。而在這道題上，騰訊已經(jīng)交出自己的答卷——打造數(shù)字人工廠。當騰訊的小樣本數(shù)智人生產(chǎn)平臺走入產(chǎn)業(yè)深處將會碰撞出什么樣的火花？我們也將持續(xù)關注數(shù)字人在產(chǎn)業(yè)深處應用的最新動向。
