跟你一塊卷的同事，確定是個人嗎？

金磊 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

一群人圍坐在一間會議室里，他們的目光全部聚焦在大屏幕中播放的視頻上。

這其實是《每日經(jīng)濟新聞》再日常不過的一次內(nèi)容審核會議。

但這一次的背后，卻有一場較量在“暗流涌動”。

內(nèi)容團隊和往常一樣，仔細地端詳著灰度測試視頻中主播播報的新聞。

但與此同時，同一屋檐下的技術(shù)團隊同事，這一刻卻在緊握雙拳、捏著一把冷汗：

“千萬不要發(fā)現(xiàn)任何端倪……”

沒錯，正是這樣一段看似再正常不過的新聞播報，卻成為了這場“較量”的根本所在——

因為視頻里的主播N小黑，TA并不是個人，而是由AI技術(shù)合成的數(shù)字虛擬人。

當眾人反應過來之后，這件事情在《每日經(jīng)濟新聞》內(nèi)部迅速炸開了鍋，后來甚至有人還問“視頻里的哪部分是AI”？

技術(shù)團隊給出的解釋則是：

從表情到姿態(tài)，再到文字，全部都是。

而后來，這項技術(shù)更是悄悄地上線了70天，然而就連眼尖的觀眾們都沒有發(fā)現(xiàn)異常。

當真相公之于眾之際，結(jié)果可想而知，瞬間引發(fā)了大量的關(guān)注。

《每日經(jīng)濟新聞》更是把它置頂?shù)搅似涔俜轿⒉┲?，重視程度可見一斑?/p>

而這一切背后的技術(shù)，正是來自小冰團隊的小冰框架?（Xiaoice Avatar Framework）。

但講真，這還真不是小冰團隊第一次讓虛擬人驚艷于公眾面前。

你是不是個人，我已經(jīng)感知不到了

小冰在打造N小黑的同時，其實還公布了另一個AI——N小白。

他倆在虛擬主播界的自然程度，可以說是第一次提高到了與人類較為接近的程度。

從他們在視頻的表現(xiàn)中不難看出，在播報新聞時的表情神態(tài)、嘴部變化，甚至是肢體動作的配合，都是具有一致性。

而且與N小黑一樣，N小白也是在被“公之于眾”前，連續(xù)70天、24小時不間斷地做著新聞直播，也是沒被發(fā)現(xiàn)的那種。

但也正如剛才提到的，N小黑和N小白只是小冰眾多虛擬人中的一隅。

這不最近，一名叫做崔筱盼的萬科員工獲得總部優(yōu)秀新人獎的消息，刷爆了朋友圈。

原因無他，因為崔筱盼也并不是個人，同樣也是小冰框架下打造的虛擬人。

據(jù)介紹，崔筱盼其實早在2021年的2月份便入職萬科，在職期間主要負責各種應收/逾期提醒及工作異常偵測相關(guān)工作。

在系統(tǒng)算法的加持下，她能夠以驚人的速度學會人類在流程和數(shù)據(jù)中發(fā)現(xiàn)問題的方法。

她最終的工作成績，便是人類效率的千百倍，更是在催辦預付應收逾期單據(jù)核銷率達到91.44%。

而且崔筱盼的形象也是成為此次爆火的原因之一。

很多網(wǎng)友對她的形象評價為“知性美”，更有甚者“傻傻分不清”她是真人形象還是AI創(chuàng)造出來的。

但比起逼真和美貌，崔筱盼形象上更獨特的一點便是相由心生。

沒錯，小冰框架在創(chuàng)造她的形象時，并非是憑空而造，而是與她自身具備的業(yè)務(wù)能力相匹配的。

（也難怪崔筱盼會散發(fā)出職場女強人的氣息了）

當然，除了上述的虛擬人之外，諸如操著一口濃郁方言的“山東大哥”：

從央美畢業(yè)、最近代表中國參加迪拜世博會的夏語冰，它們均是出自小冰框架之手：

……

不難看出，這些小冰創(chuàng)造出來的眾多虛擬人，他們都具備各自的“看家本領(lǐng)”。

那么接下來的一個問題便是——

既能做到逼真，又富有多樣性，還能批量工廠式生產(chǎn)，小冰是如何做到的？

像個人，并不容易

小冰現(xiàn)在做出來的虛擬人，無論是靜態(tài)的照片，或者是動態(tài)的新聞主播，都可以說是真假難辨。

但講真，尤其是在打造N小黑和N小白的時候，小冰團隊最初也遇到了許多挑戰(zhàn)。

因為在此之前，大家能夠看到的所謂AI虛擬人主播還是比較假的。

例如主播的表情不夠自然，下半身幾乎不動，以及播報出來的語言也是帶有“機械味”。

甚至《每日經(jīng)濟新聞》團隊的成員都對此舉打出了大大問號：

我們?yōu)槭裁匆派先ミ@么假的虛擬人呢？

對此，小冰團隊為了首次能夠達到人類無法區(qū)分的程度，便在技術(shù)路線上做出了核心改變。

先從整體來看，小冰框架依然是核心。

而這一次的技術(shù)關(guān)鍵改變，在于對視覺上的優(yōu)化。

以往我們在電影中能夠看到的逼真效果，要么采用的是傳統(tǒng)3D建模方法，要么就是CG后期渲染。

但這兩種方法在時間周期和資金成本上的缺點也是非常明顯。

基于這種現(xiàn)狀，小冰團隊便提出了一種新的方法——深度神經(jīng)網(wǎng)絡(luò)渲染技術(shù)?（XNR）。

簡單來說，這項技術(shù)主要包含三個步驟。

第一步是構(gòu)建兩個專家模型。

第一個是語音專家模型，基本的思路便是利用很大量的數(shù)據(jù)來學習、理解人類的語音。

例如人類在講話講到激動的時候，他的嘴型都會有比較明顯的變化，而語音專家模型就是學會這項技能。

第二個是專家模型，則是通過采集攝像機等設(shè)備拍出來的人物視頻數(shù)據(jù)，學習人類在說話過程中，嘴部的變化與眼睛、臉部其它肌肉之間如何產(chǎn)生微妙的聯(lián)動變化。

如此一來，就能會讓虛擬人在說話時，整個面部表情能夠變得自然流暢。

第二步便來到了渲染的環(huán)節(jié)。

也就是將語音輸入到深度神經(jīng)網(wǎng)絡(luò)渲染模型，而后會一幀一幀地渲染出自然的臉，并形成動態(tài)的過程。

但在這個過程中，前兩個專家模型也會起到一個監(jiān)督的作用，目的還是讓整體效果能夠自然。

第三步，則是一個自動化的過程。

也就是當把文字輸入進來的時候，就會通過TTS（TextToSpeech）的方式，將文本變成語音。

而當機器接收到這些語音信號后，又會將其聯(lián)動虛擬人的所有姿態(tài)、動作、表情等，最終生成一個完整的視頻。

也正是在這種技術(shù)路線上的改變，最終才得以讓小冰的虛擬人“瞞天過?！钡仳_過了人眼。

……

聊完了背后的技術(shù)，不少友友們肯定也要發(fā)問了：

做得這么像人，小冰要干什么？

我們還是拿N小黑/N小白的例子來看。

他們的效果一出來，便讓《每日經(jīng)濟新聞》內(nèi)容團隊的態(tài)度，發(fā)生了三百六十度的改變——

從最開始的質(zhì)疑和抵觸，直接轉(zhuǎn)變成了積極去接受。

他們后來直接主動拿著需求，找到小冰團隊的技術(shù)人員說：

我們現(xiàn)在需要讓AI來播報這些內(nèi)容……

這是因為他們發(fā)現(xiàn)虛擬人播報新聞，原來不僅可以做得像人一樣逼真，而且還能做到7 x 24小時不間斷的那種。

如此一來，便讓播報新聞這個本身就極具時效性的事情，變得異常精準高效，還釋放了大量的人力和物力。

甚至《每日經(jīng)濟新聞》的同行都會私下問他們：“你們什么時候變成24小時制了？”

……

而不僅僅是新聞主播這一件事，若是上升到更高的角度來觀察，我們也不難發(fā)現(xiàn)AI虛擬人已然成為一種大趨勢。

例如前一陣子在短視頻平臺一夜爆火的虛擬人柳夜熙，僅發(fā)布一條視頻便受到了全民圍觀。

△圖源：柳夜熙官方短視頻號

她做為一名虛擬人美妝博主，不僅是故事的精彩性，更是因為其高超的捏臉技術(shù)，讓她呈現(xiàn)出了東方古典與現(xiàn)代時尚元素完美結(jié)合的效果。

再如虛擬人AYAYI，僅憑一張“證件照”，在網(wǎng)絡(luò)上瞬間爆紅（當天便有224萬瀏覽量）。

△圖源：AYAYI官方平臺

與以往虛擬形象不同的是，她擁有更加貼近人類的外貌，無論是膚質(zhì)、發(fā)質(zhì)亦或是微表情等，都做到了對真人的高度還原。

這是AI虛擬人，正在逐步迎合大眾審美、口味的一種印證。

再從商業(yè)層面上來看，僅是2021年，虛擬人賽道上便有超過10筆的融資，嗅覺敏銳的VC們可謂是紛紛拋出了橄欖枝，著手布局。

除了這種視覺形象的虛擬人，在語音方面，Gartner預測到了 2023 年，員工與應用程序的互動中，將有 25% 是透過語音進行，但這一數(shù)值在2019年這個才不到 3%。

而這一切的背后的原因，表面上看是因為虛擬人技術(shù)不斷迭代和發(fā)展。

但再深挖一層來看，還是其能夠帶來和創(chuàng)造的價值。

除了像虛擬主播能夠釋放人力和物力，像夏語冰所具備的繪畫、創(chuàng)作能力，更是能夠打破人類有限的創(chuàng)造力。

總而言之，站在現(xiàn)階段來歸納虛擬人，或許有三大趨勢，已經(jīng)再明顯不過：

• 虛擬人從長的逼真，到語音、姿態(tài)方方面面的逼真；
• 虛擬人從“騙得過一時”到也可以“騙得過一世”發(fā)展；
• 虛擬人已經(jīng)從黑科技、秀肌肉等詞語跳出，踏進各行各業(yè)。

而三大趨勢匯集在一起，實際也在指向另一個更大的趨勢——

虛擬人正在迎來質(zhì)變的時刻。

如果說2021年“有虛擬人是新聞”，那么2022年，或許就是“哪個領(lǐng)域誰還沒有虛擬人”了。

One More Thing

縱觀小冰這幾次虛擬人的亮相，背后規(guī)律實際也不難發(fā)現(xiàn)：

小冰總是“先做后說”，也就是讓虛擬人先偷偷“上崗”，然后再悄悄拿結(jié)果驚艷所有人。

而小冰團隊也透露，在已經(jīng)公開“認領(lǐng)”的之外，現(xiàn)在還有一個虛擬人在人類中間“潛伏”已久。

很快，就又會帶來一次恍然大明白。

所以小冰這究竟是對虛擬人技術(shù)極度自信？還是如此反復之后，讓所有人對虛擬人“脫敏”，從而成功實現(xiàn)“AI和人類混居”？

你不妨也猜猜？感興趣的人多了，我們找小冰團隊求解去~