0
隨著搜狗AI合成主播技術(shù)升級，在完成兩次版本迭代后，近日因?qū)崿F(xiàn)“跨語言”出海而再度引起海外市場高度關(guān)注，成為海外媒體行業(yè)明星產(chǎn)品。
搜狗官方近日對外公布，其已與阿布扎比媒體集團達成合作，將推出全球首個阿拉伯語AI合成主播。對于此次合作，阿聯(lián)酋文化和知識發(fā)展部部長努拉表示，阿布扎比媒體集團此次研發(fā)及應(yīng)用AI合成主播符合其戰(zhàn)略需求，將通過人工智能等數(shù)字化技術(shù)實現(xiàn)媒體智能化升級。
阿布扎比媒體集團是阿聯(lián)酋的大型媒體企業(yè)，旗下包括阿布扎比電視臺、廣播電臺、阿文《聯(lián)邦報》、英文《國家報》及雜志、網(wǎng)站等主流媒體，在海灣和阿拉伯地區(qū)擁有較高的知名度和影響力。據(jù)悉，本次該集團與搜狗合作打造的AI合成主播，將應(yīng)用于迪拜電視臺有線頻道及社交媒體端，用以播報時政新聞為主的欄目。
隨著我國政府「一帶一路」的政策加持，中國AI科技領(lǐng)域的優(yōu)秀企業(yè)開始在全球范圍內(nèi)嶄露頭角。搜狗官方也表示，此次搜狗AI合成主播出海，一方面，正是響應(yīng)國家「一帶一路」政策號召的針對性發(fā)展戰(zhàn)略；另一方面，對全球媒體行業(yè)而言，隨著搜狗AI合成主播背后的「搜狗分身」技術(shù)的升級迭代，把AI的觸角延伸到多個語種的信息領(lǐng)域，將進一步促進AI合成主播在全球范圍的應(yīng)用普及。
此次同阿布扎比媒體集團的合作，助力搜狗以AI技術(shù)的創(chuàng)新應(yīng)用成功撕開了國際市場，提升了海外知名度。后續(xù)，在國家利好政策的持續(xù)加持下，搜狗在全球范圍內(nèi)AI落地應(yīng)用或許值得更多期待。
2018年11月7日，在第五屆世界互聯(lián)網(wǎng)大會上，搜狗與新華社聯(lián)合發(fā)布了全球首個全仿真智能AI主持人，搜狗AI合成主播首次亮相。
首個AI合成主播以著名主持人邱浩為原型，具體功能方面，搜狗CEO王小川在發(fā)布會上介紹稱，“由真人主播面對鏡頭錄制一段播報新聞視頻，「搜狗分身」技術(shù)憑借這段視頻，將真人主播的聲音、唇形、表情動作等特征進行提取，然后再通過語音合成、唇形合成、表情合成以及深度學(xué)習(xí)等技術(shù)，克隆出具備和真人主播一樣播報能力的AI合成主播。后續(xù)只需要提供文字，AI合成主播就能準(zhǔn)確無誤的像真人主播一樣播出新聞?！?/p>
相對而言，搜狗的第一代AI合成主播雖然驚艷，卻仍難免存在一些遺憾，如搜狗AI合成主播此前原型只有男性，沒有女性；合成主播只有面部表情，沒有肢體動作。而這些，也正是搜狗今年年初針對其AI合成主播重點升級的方向。2019年2月-3月，搜狗AI合成主播實現(xiàn)兩次版本迭代，從過去的「坐著播新聞」升級成結(jié)合肢體動作的「站立式播報」，并上線全球首位AI合成女主播「新小萌」，進一步增強了用戶的新聞視聽體驗。
版本迭代的同時，搜狗AI合成主播的定制周期也在不斷縮減。雷鋒網(wǎng)了解到，由于早期技術(shù)不成熟，需要用到大量的數(shù)據(jù)?，F(xiàn)在錄制一個人，可以放在一天的時間內(nèi)，把音頻和視頻全部錄完，同時錄得數(shù)據(jù)也比較少?，F(xiàn)在幾個小時的視頻資料就可以形成一個逼真形象。
雷鋒網(wǎng)了解到，搜狗AI合成主播自2018年11月正式面世半年以來，經(jīng)歷了兩次重大版本迭代，從「坐」到「站」，從「男」到「女」，如今更從漢語到多語種，這正源于搜狗在AI技術(shù)上多年來的積累優(yōu)勢。從做搜狗搜索引擎到做搜狗輸入法，再到做搜狗瀏覽器，在過去十年里，搜狗技術(shù)團隊在互聯(lián)網(wǎng)、大數(shù)據(jù)、AI技術(shù)上有了長足的積累。而搜狗AI合成主播正是基于此前的技術(shù)積累在媒體領(lǐng)域的創(chuàng)新落地應(yīng)用。
搜狗AI合成主播核心：「搜狗分身」技術(shù)
AI合成主播只需要輸入文字或語音文本，就可以實時高效輸出音視頻合成效果，獲得實時的播報視頻。被行業(yè)所驚嘆討論的是，AI合成主播不僅能用和真人一樣的聲音進行新聞或節(jié)目播報，連唇形、面部表情也能夠吻合。
那么搜狗打造AI合成主播所用到的「搜狗分身」技術(shù)為何物？
搜狗公司語音交互技術(shù)中心總經(jīng)理王硯峰介紹，「搜狗分身」技術(shù)是搜狗人工智能的核心技術(shù)之一，誕生于搜狗「自然交互+知識計算」這一人工智能理念之下。
具體而言，搜狗分身技術(shù)是搜狗人工智能推出的多模態(tài)合成技術(shù)，可以基于少量真實音視頻數(shù)據(jù)，快速遷移生成虛擬的分身模型。使用時輸入一段文本，即可生成與真人無異的同步音視頻。
AI合成主播主要有兩大核心技術(shù)支撐：通過人工智能技術(shù)，采集人的面部表情并標(biāo)簽化，并根據(jù)語義合成表情；通過機器學(xué)習(xí)自動生成仿真語音。而這兩大核心技術(shù)也正是基于搜狗語音合成和圖像生成的兩大引擎：
在語音合成引擎中，基于用戶少量音頻數(shù)據(jù)，使用搜狗個性化語音合成技術(shù)，快速學(xué)習(xí)用戶音色、韻律、情感等多維度特征，建立輸入文本與輸出音頻信息的關(guān)聯(lián)；
在圖像生成引擎中，使用搜狗人臉識別、三維人臉重建、表情建模等技術(shù)對人臉表情動作進行特征學(xué)習(xí)和建模，建立輸入文本、輸出音頻與輸出視覺信息的關(guān)聯(lián)映射，最終生成輸出分身視頻。
前文提到，在不到半年的時間，搜狗AI合成主播便歷經(jīng)了多次版本升級：除了語言能力，逐漸加入微表情、肢體語言等能力，從漢語語種拓展到英語、阿拉伯語等多語言語種。短時間內(nèi)多方面能力的迅速迭代，也恰恰體現(xiàn)了搜狗AI技術(shù)的行業(yè)領(lǐng)先性。
AI合成主播將走向何處？
依托「搜狗分身」技術(shù)創(chuàng)新的信息傳播形式，AI合成主播能夠幫助傳媒行業(yè)在融媒體轉(zhuǎn)型、新聞時效性和跨語種傳播能力等方面再上臺階，推動其智能化發(fā)展。
據(jù)新華社官方信息顯示，AI合成主播自上線新華社以來已播報新聞3400余條，累計時長達10000多分鐘，參與了包括第五屆世界互聯(lián)網(wǎng)大會、首屆進博會等重要會議報道。同時，此次同阿布扎比媒體集團聯(lián)合推出的首個阿語主播，也將上崗迪拜電視臺有線頻道及社交媒體端的時政新聞欄目。
雷鋒網(wǎng)了解到，雖然搜狗AI合成主播目前主要應(yīng)用于媒體領(lǐng)域，然而，搜狗的目標(biāo)不僅僅是媒體領(lǐng)域。王小川前不久表示，作為AI合成主播的技術(shù)核心，「搜狗分身」技術(shù)未來還將應(yīng)用于娛樂、醫(yī)療、健康、教育、法律、金融等多個領(lǐng)域，通過提供個性化的行業(yè)解決方案，為不同職業(yè)賦能，從而提升整個社會的信息生產(chǎn)力，用AI科技來讓人類生活變得更加美好。
相關(guān)文章：
搜狗與阿布扎比媒體集團合作推出阿語AI合成主播 “中國造”人工智能走向全球
16問搜狗陳偉：搜狗逼真AI合成主播背后的“熱”技術(shù)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
