这届科技冬奥,就数这位北京大妞让人意想不到
最忙冬奥数字人实锤了
金磊 发自 凹非寺
量子位 | 公众号 QbitAI
北京冬奥会落幕,“中国式浪漫”刷爆全网。
而从开幕式为起点,所延续的不仅仅是大气磅礴的视觉盛宴,科技之美也始终贯穿其中。
云计算、AI、虚拟现实、5G……在这届冬奥会中可谓是大放异彩。
也难怪外界频频发出“科技感拉满”这样的赞叹之词。
而在这其中,一个数字人的出现,竟能让直播带货这件事,有了全新的“打开方式”。
不仅吸引了超过200万人次的观看,更是在短短时间内圈粉数十万。
她叫冬冬,是一位在淘宝直播间售卖冬奥会官方特许商品的“北京大妞”。
但和其他人不同的是,她在直播间除了卖货,还会大秀“十八般武艺”。
例如奥运健儿夺冠了,冬冬就会模仿其经典动作来庆祝:
观众们高呼苏翊鸣,冬冬便现场展示了一段封神的1800转体:
讲真,这么多才多艺、如此拼的主播还是头回看见。
不过有一说一,眼尖的友友们应该也已经发现了,冬冬,她其实并不是人类。
而是由阿里巴巴为本届北京冬奥会打造的数字人冬奥宣推官。
或许这时你会说了,那她不就是个机器么?莫得感情,莫得灵魂。
非也非也。
若是看过冬冬直播,很直观的一种感受就是自然。
人类主播的技能,她也能够hold得住。来感受一下她的风格:
欢迎尾号XX的朋友进入直播间!
XX朋友,你的需求已经托付给程序员小哥哥处理了,不要着急哦。
没错,实时互动这一块,冬冬算是拿捏住了。
单从这点来看,可以说冬冬不再是大众眼里的传统虚拟人,而是已经进化成为数字人。
毕竟,能否与人类互动,是划分虚拟人和数字人的分水岭。
而且她还不是玩儿“表面功夫”的那种,从直播数据来看,业务能力也是够硬的。
据悉,在直播间核心表现数据的转粉率和停留时长,而冬冬的直播间均远超了淘宝直播的平均水平。
于是乎,这样的冬冬便迅速引起关注,网友们纷纷感慨她的“敬业”:
为了实现一户一墩,真的是太拼了,冬姐也不容易啊!
然而,如果细挖冬冬这位数字人之后就能发现,直播带货,竟只是她能力的一隅而已。
这个数字人,冬奥很忙
数字人冬冬,在整场冬奥会期间,可以说是有“多副面孔”了。
这不,在直播带货之余,冬冬就开了一个“冬奥脱口秀”的专栏。
等等,数字人?讲段子?这能行吗?
可别小瞧了数字人的能力,冬冬说脱口秀的“打开方式”,是这样的:
今天的比赛里,有个项目冬冬特别想体验,在白茫茫的雪地里自由翻转滑行,那感觉光想想就让冬冬心跳加快……啊不对,是CPU疯狂运转了呢。
大家知道是哪个项目了吗?冬冬给个提示,对于新手来说这个项目只有2个动作:前滚翻和后滚翻。选择屁股疼还是脸疼呢?
噗!
还别说,冬冬虽然是个数字人,她讲得脱口秀还是蛮逗的。
而且在脱口秀期间,除了用诙谐幽默的语言讲段子之外,冬冬还会穿插着讲解与冬奥项目有关的知识。
真是科普、搞笑两不误。
但直播间,只是冬冬工作场合之一,这不,她在冬奥会期间还参加了CCTV-5《体坛英豪》节目的录制。
在其中的一期节目中,短道速滑运动员武大靖,就成了她的采访对象。
现场,冬冬还请求武大靖指导一下她最新学会的短道速滑动作。
在瞬间变装后,便在武大靖面前开始展示:
冬冬问武大靖:“你知道我的动作是跟谁学的吗?”
武大靖自信地回答道:“我呗,肯定是学我呗。”
而后,冬冬和武大靖展开了轻松愉悦的快问快答。
冬冬:这届冬奥会最难忘的时刻是?
武大靖:我们获得首金的时候。
冬冬:头盔的图案为什么选择华夏战神孙大圣?
武大靖:因为它的寓意很好,孙大圣的感觉就是拼命吧。
冬冬:保温杯里泡的是什么?
武大靖:没泡枸杞,泡的是正常的水。
冬冬:金墩墩拿回家,会放在哪里?
武大靖:放保险箱里,其他人说已经联盟要弄我。
……
一番交谈还挺自然,冬冬模仿真人记者有模有样。
那么一个AI数字人,能够做到如此的实时和拟真,接下来的一个问题便是:
冬冬,是怎么炼成的?
随着数字人冬冬在网上的走红,其背后的技术能力也逐渐浮现了出来。
据了解,冬冬之所以能够像人类一样自然,主要得益于阿里巴巴数字人技术团队多年来在此的技术积累。
首先,是在外观的自然度方面。
要让虚拟人在说话过程中做到自然,就需得像人类一样,把嘴、表情、肢体动作等等做到统一、协调。
冬冬背后的技术所采取的策略,则是AI实时驱动。
例如在“嘴型驱动”上,冬冬可以做到播报的语音和嘴型对应;并且在说话过程中,会融合适合的面部表情,比如微笑、兴奋、生气、疑问等。
除此之外,冬冬的身子,即肢体动作,也会配合内容而发生改变,例如挥手、鼓掌等等。
而且为了在视觉上达到更加逼真的效果,阿里采用了Unity HDRP高清管线来实时渲染拟真人级别的数字人。
包括实时的模拟自然光照、动力学(比如服装、头发的摆动)等效果。
但若仅仅是停留在外表,那要跟人类相比,还是差点意思的。
要想在直播间里和用户长时间自主互动,流畅对话是一个必要条件。
多模态双工互动能力(MMDI,multi-mode duplex interaction),便是其采取的策略。
具体而言,是在深度融合了多模态理解和双工对话管理技术的基础上,构建了一套全智能驱动的数字人双向互动能力。
这让数字人具备了像人一样边说边听的技能,即使被打断也可以继续顺畅沟通。
而且声音、表情、动作在表达时能够自然地整合在一起。
但光是“形象逼真”、“可以互动”,还是不够的。如何能够让用户觉得冬冬言之有物,内容扎实丰富,是非常重要的。
这就需要冬冬具备“智能脚本生成”(AI Script Generation,AISG)的能力。
为此,阿里数字人技术在深度融合预训练和知识图谱基础上,构建了一套全智能的可控脚本生成方案。
核心就是将以往专家撰写脚本的方式,转变成了机器自动撰写。
更具体一点,AI算法模型会根据“冬奥知识”或“喜剧写作公式”,展开一个自主学习的过程。
而后数字人再结合NLP和风格化生成技术,就可以在面对不同场景的情况下,快速生成顺畅、有逻辑,且自然风趣的语言。
这也就是冬冬为什么能够在长达2小时之久的直播时间里,不间断的输出内容、持续互动的原因了。
不仅如此,冬冬还可以在直播过程中,对突发的赛事新进程做最新的报道。
例如一旦有新的奖牌诞生,她就会立即对与之相关的赛事背景、规则、选手简介等等内容做介绍。
这种即时性,便是得益于新华社与UC的合作,可以让冬冬从新华社UC大鱼号上获取最新赛事动态内容。
另外,冬冬在冬奥会期间身兼数职,这也需要她拿出不同的“职业状态”。
例如在直播间,冬冬就得用主播的口吻来说话;脱口秀环节时候,冬冬的说话方式就得幽默诙谐。
为了达到这种效果,冬冬的智能语音技术团队深度融合端到端语音合成与传统语音技术,能在更低的成本、让数据录制周期变得更短。
同时融入情感语音合成技术,这就冬冬可以在不同场景之中,表达不一样的感情。
……
不过有一说一,从冬冬在冬奥会的种种表现中,其实不难看出一种趋势的发展:
人与虚拟人,界限越发模糊
虽然在近一段时间里,“虚拟人上岗”的消息层出不穷。
不过数字人冬冬的出现,似乎让人类与虚拟人的界面进一步模糊了起来。
以往虚拟人即使在外观和语音的自然度能够做到高度逼真,但人们对他们的印象或许依旧会停留在“莫得灵魂”。
但这一次,却截然不同。
例如在直播间这种高度需要互动的场景中,冬冬就不是“自顾自的”的表演。
当有人在直播间问冬冬:“你吃饭了吗?”
她有时候就会回答“我是吃代码的”,然后开始念自己的二进制代码;但有时候冬冬也会回答说自己在吃烤鸭。
这样的交流方式,就会让屏幕前的观众感受到与人类主播一样的回应与互动。
冬冬的出现,为数字人的生命力探索了一个持续产出内容和互动的新场域。
数字人的生命力,不仅仅是字面上时间的长与短,更多的应当是“成长”与“复制”。
换言之,不是打造出了数字人,这块工作就结束了;而是需要在环境的加持与训练中,不断让自己在“像人”这件事儿上做到极致。
与此同时,能够独当一面地快速上岗和适应新的场景,也是数字人“生命力”的体现。
那么最后,或许也是大家最为关心的一个问题:
我们为什么需要数字人?
从冬冬此次的表现上来看,她能够连续十多天2小时不间断地在直播间带货,并且能够跟观众做到很好的互动,从能力上来讲已经具备了上岗的能力。
与此同时,她还能以同样的业务水平,同时间上岗其它场景,光是这一点,便是人类很难达到的极限。
也就是说,现在的数字人能够以一己之力同时胜任住多项任务,从而大大的释放了人力和物力成本。
而除了冬冬之外,本次冬奥会还有虚拟人上岗运动员助理教练、气象主播等职务。
放眼冬奥会之外,例如柳夜熙、新闻主播N小黑/N小白的爆火,更是从侧面反映出普通大众对虚拟人的认可和接受。
数字人未来想象力的大门,已经打开了。
而更宏观地来看,数字人在本届冬奥会所体现出来的,不仅仅是其本身能力的展示,更是在释放着一种新信号:
前沿技术,正逐步步入常态化。
据悉,此次北京冬奥会实现了212项技术的落地应用,其中33项为首次使用。
在未来,这些技术或许不再是“奥运专享”,走进你我的日常也是大有可能。
……
最后的最后,要问现在虚拟人发展到了什么地步?
无疑的一点是,人与虚拟人的界限越发模糊;或许,随着智能技术越来越发达,人机共生时代已经到来。
- 纯国产万卡集群炼出万亿参数大模型,被这家央企率先做到了!2024-10-01
- Bengio精简了传统RNN,性能可与Transformer媲美2024-10-04
- AI手机与AIPC要安全,为什么离不开这款服务器CPU?2024-09-30
- OpenAI重磅发布Canvas:跟ChatGPT一起写作编程2024-10-04