近日，一則段子手朱廣權(quán)與“手語主播”在線pk的視頻火了，剛剛上線播放量就突破百萬。視頻中，朱廣權(quán)用超快語速的順口溜挑戰(zhàn)“手語主播”的“手速”，而這位手語主播也憑過硬的專業(yè)能力輕松應(yīng)戰(zhàn)。事實(shí)上，這位手語主播不是真人，而是一位虛擬數(shù)字人。

這位數(shù)字人是由“百度智能云曦靈”數(shù)字人平臺(tái)打造的首個(gè)AI手語主播。她形象親切自然，專業(yè)能力出色，在剛剛開啟的冰雪賽事中，百度智能云AI手語主播已經(jīng)上線，為聽障用戶提供24小時(shí)的手語服務(wù)，讓他們也能快捷地獲取賽事資訊。

 

（AI手語主播）

據(jù)統(tǒng)計(jì)，全球約有4.3億人患中度及以上聽力障礙，根據(jù)全國第二次殘疾人抽樣調(diào)查數(shù)據(jù)，中國有聽障人士2780萬。他們雖然聽不到賽場(chǎng)的聲音，但同樣希望感受賽事的精彩。AI手語數(shù)字人無疑成為了他們觀賽的重要橋梁。

百度集團(tuán)副總裁吳甜表示：“百度已發(fā)布集數(shù)字人生產(chǎn)、內(nèi)容創(chuàng)作、業(yè)務(wù)配置服務(wù)為一體的智能數(shù)字人平臺(tái)——百度智能云曦靈，百度希望通過領(lǐng)先的全棧AI能力，把虛擬人的生產(chǎn)周期縮短到小時(shí)級(jí)別，降低生產(chǎn)成本，并且用AI驅(qū)動(dòng)生成內(nèi)容。”

研發(fā)一款A(yù)I手語主播有多難？

手語數(shù)字人的本質(zhì)是在解決翻譯問題。

區(qū)別于傳統(tǒng)翻譯，手語翻譯的難點(diǎn)在于：手語并非按照語言逐字翻譯，而需要根據(jù)語句整體意思進(jìn)行語言精煉和語序調(diào)整，同時(shí)還需實(shí)時(shí)配合表情和唇語，幫助聽障者更好的理解。這就導(dǎo)致AI手語數(shù)字人在信息凝練度、低時(shí)延和精細(xì)化三方面面臨極其復(fù)雜的技術(shù)難題。因此，AI手語主播不僅需要具備高精度的數(shù)字人形象，還需要具備能夠語音識(shí)別、手語翻譯和手語表達(dá)的AI大腦。

（AI手語主播面部細(xì)節(jié)圖）

從外形看，對(duì)比以往AI主播形象，百度智能云打造的AI手語主播不僅高度還原真人發(fā)膚，且在立體感、靈活度、可塑性上都有大幅提升。據(jù)悉，百度智能云建立了規(guī)模龐大的手語動(dòng)作庫，基于《國家通用手語詞典》規(guī)范，結(jié)合動(dòng)作捕捉設(shè)備和真實(shí)手語老師的雙向調(diào)優(yōu)，精修近1萬個(gè)手語動(dòng)作，保證了手語表達(dá)的動(dòng)作準(zhǔn)確性。同時(shí)首創(chuàng)4D掃描技術(shù)，使得AI手語主播表情自然生動(dòng)，口型生成準(zhǔn)確度高達(dá)98.5%。

而她的“AI大腦“則依托于百度智能云。通過百度自主研發(fā)的機(jī)器翻譯技術(shù)，百度智能云構(gòu)建出?套精確的手語翻譯引擎，可懂度達(dá)到85%以上，媲美主流的中英、中日等方向的機(jī)器翻譯結(jié)果，達(dá)到業(yè)界領(lǐng)先水平，結(jié)合百度自研的語音識(shí)別技術(shù)，可將冰雪賽事的文字及音視頻內(nèi)容，快速精準(zhǔn)的轉(zhuǎn)化為手語；同時(shí)再通過專為手語優(yōu)化的自然動(dòng)作引擎，完成AI手語主播的動(dòng)作驅(qū)動(dòng)，實(shí)時(shí)演繹為數(shù)字人的動(dòng)作、表情和唇語。這保證了AI手語主播具備高可懂度的手語表達(dá)能力和精準(zhǔn)連貫的呈現(xiàn)效果。 

據(jù)了解，如此復(fù)雜的數(shù)字人研發(fā)工作，百度只用了不到2個(gè)月。百度方面表示，虛擬數(shù)字人要為人類提供服務(wù)、與人自然地交流，需要背后強(qiáng)大的知識(shí)體系和對(duì)話能力支撐。百度知識(shí)圖譜積累的5500億知識(shí)，幫助數(shù)字人擁有“自己”的經(jīng)驗(yàn)和認(rèn)識(shí)去思考。基于百度去年發(fā)布的百億參數(shù)對(duì)話模型PLATO，虛擬人可以跟用戶進(jìn)行有料、有趣、有情感的交流。

百度智能云曦靈數(shù)字人平臺(tái)：半小時(shí)生成2D數(shù)字人、一兩周制作完成3D數(shù)字人

目前，數(shù)字人尚未實(shí)現(xiàn)規(guī)?；a(chǎn)業(yè)落地，主要原因在于數(shù)字人制作技術(shù)門檻高、周期長、成本高。打造一個(gè)高精度、高保真的非特異型虛擬人，動(dòng)輒就需要百萬甚至上千萬的資金投入。

2021年12月，百度發(fā)布了集數(shù)字人生產(chǎn)、內(nèi)容創(chuàng)作、業(yè)務(wù)配置服務(wù)為一體的智能數(shù)字人平臺(tái)——“百度智能云曦靈”，基于人像驅(qū)動(dòng)、智能對(duì)話、語音交互、智能推薦四大技術(shù)引擎，實(shí)現(xiàn)數(shù)字人的“能聽、能說、能理解、可互動(dòng)”。同時(shí)，百度智能云曦靈提供便捷簡(jiǎn)單的操作平臺(tái)，幫助企業(yè)低成本快速定制2D卡通、真人形象及3D卡通、超寫實(shí)數(shù)字人像，實(shí)現(xiàn)對(duì)話服務(wù)、內(nèi)容創(chuàng)作全流程業(yè)務(wù)配置，極大降低數(shù)字人開發(fā)難度。

不久前，百度集團(tuán)副總裁吳甜做客央視《對(duì)話》節(jié)目時(shí)提到，“百度希望通過領(lǐng)先的全棧AI能力，把虛擬人的生產(chǎn)周期縮短到小時(shí)級(jí)別，降低生產(chǎn)成本，并且用AI驅(qū)動(dòng)生成內(nèi)容?！?/p>

（百度智能云曦靈平臺(tái)架構(gòu)圖）

例如，只要用戶在百度智能云曦靈平臺(tái)上傳一張照片，就能快速生成一個(gè)可被AI驅(qū)動(dòng)的2D數(shù)字人像，原來生產(chǎn)流程需要一個(gè)星期做出來的2D數(shù)字人，現(xiàn)在可以縮短成半個(gè)小時(shí)。以前需要兩三個(gè)月時(shí)間做出來的3D數(shù)字人，現(xiàn)在可以壓縮到一兩周，同時(shí)數(shù)字人個(gè)性化功能開發(fā)也較之前更加完善，比如通過20句話的輕量化模型訓(xùn)練，可生成數(shù)字人的聲音，即用戶說20句話即可生成屬于自己音色的數(shù)字人。

（數(shù)字人運(yùn)營后臺(tái)圖）

目前，百度智能云曦靈已為廣電、互娛、金融、政務(wù)、運(yùn)營商、零售等行業(yè)提供一站式的虛擬主持人、虛擬員工、虛擬偶像、品牌代言人的創(chuàng)建與運(yùn)營服務(wù)。已落地的案例包括：浦發(fā)銀行理財(cái)專員數(shù)字人“小浦”、中國聯(lián)通數(shù)字人客服“小U”、百度APP代言人“龔俊數(shù)字人”、百度集團(tuán)數(shù)字人“希加加”、火星車數(shù)字人“祝融號(hào)”等。

百度AI人機(jī)交互實(shí)驗(yàn)室負(fù)責(zé)人李士巖表示：“我們近一兩年的奮斗目標(biāo)是通過百度智能云曦靈平臺(tái)的開放，讓每個(gè)人、每一家企業(yè)實(shí)現(xiàn)數(shù)字人自由?！?/p>

（百度智能云曦靈數(shù)字人家族）

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。