文/VR陀螺 豌豆

AIGC（生成式人工智能）在全球范圍內(nèi)火了一把，據(jù)瑞銀發(fā)布的一份研究報(bào)告顯示，自ChatGPT推出兩個(gè)月后，月活躍用戶估計(jì)已達(dá)1億，成為歷史上增長(zhǎng)最快的消費(fèi)應(yīng)用。

圖源：Google Trends

創(chuàng)造了多項(xiàng)“神話”的AIGC，一度引發(fā)全民對(duì)“被替代”“被失業(yè)”的擔(dān)憂，以快速成長(zhǎng)的ChatGPT為代表的大模型自然也受到了各企業(yè)的關(guān)注，百度推出“文心一言”以來(lái)，大模型遍地開(kāi)花，包括華為、阿里、京東、商湯等科技公司陸續(xù)推出了各自的大模型項(xiàng)目。

面對(duì)日益興起的AIGC，國(guó)家互聯(lián)網(wǎng)信息辦公室就《生成式人工智能服務(wù)管理辦法（征求意見(jiàn)稿）》（以下簡(jiǎn)稱《征求意見(jiàn)稿》）向社會(huì)公開(kāi)征求意見(jiàn)。整體來(lái)看，《征求意見(jiàn)稿》更多的是為規(guī)范我國(guó)人工智能、算法等行業(yè)的發(fā)展帶來(lái)了更為細(xì)致且明確的規(guī)范指導(dǎo)。

AIGC有著能在各行各業(yè)賦能的強(qiáng)大功能，ChatGPT富有創(chuàng)造性的對(duì)話讓人不禁遐想，在元宇宙時(shí)代，數(shù)字人將成為非常關(guān)鍵的角色，AIGC與數(shù)字人的結(jié)合又會(huì)對(duì)現(xiàn)實(shí)世界帶來(lái)怎樣的變化？

 數(shù)字人走向各行各業(yè)，AI方向前景廣闊 

據(jù)IDC發(fā)布的《中國(guó)AI數(shù)字人市場(chǎng)現(xiàn)狀與機(jī)會(huì)分析2022》報(bào)告中，預(yù)計(jì)到2026年中國(guó)AI數(shù)字人市場(chǎng)規(guī)模將達(dá)到102.4億元人民幣�？梢�(jiàn)AI數(shù)字人前景之廣闊。

圖源：IDC

數(shù)字人最初應(yīng)用于影視、游戲行業(yè)，隨后落地到各行各業(yè)，在應(yīng)對(duì)更復(fù)雜的情況時(shí)，人們對(duì)數(shù)字人的信息處理能力、即時(shí)互動(dòng)能力以及表達(dá)能力等需要有更高的要求。

陀螺研究院發(fā)布《2023年全球虛擬數(shù)字人產(chǎn)業(yè)報(bào)告》，其指出虛擬數(shù)字人的每個(gè)發(fā)展階段與時(shí)代背景，技術(shù)有緊密聯(lián)系，至今已邁入成長(zhǎng)階段，2023年Open AI推出的聊天機(jī)器人ChatGPT，與真人之間展開(kāi)“靈活機(jī)智”對(duì)話，給由AI驅(qū)動(dòng)的虛擬數(shù)字人描繪了極大創(chuàng)作及交互想象空間，伴隨著ChatGPT成熟應(yīng)用，虛擬數(shù)“智”人將走向大眾生活。

圖源：陀螺研究院

如今AI對(duì)傳媒、影視、藝術(shù)、電商、娛樂(lè)、游戲等領(lǐng)域已經(jīng)產(chǎn)生了重要的影響。數(shù)字人需要更智能、更人性化，有更真實(shí)的表現(xiàn)力。

 AI賦能數(shù)“智”人，加速打破次元壁 

如果好看的外形是數(shù)字人的“名片”，那么AI將成為數(shù)字人的“內(nèi)核”。AI賦能數(shù)字人，未來(lái)能實(shí)現(xiàn)文本生成、音頻生成、圖像生成、視頻生成、3D模型生成等功能，延伸到多模態(tài)交互功能，進(jìn)而實(shí)現(xiàn)跨維度升級(jí)。

在外形方面，AI技術(shù)幾乎滲入到數(shù)字人構(gòu)建的各個(gè)基礎(chǔ)環(huán)節(jié)：建模、生成、渲染、驅(qū)動(dòng)、呈現(xiàn)、交互等方面，目前已經(jīng)能呈現(xiàn)高保真的“人類”外形，也能做出流暢的肢體語(yǔ)言，如虛幻引擎的Metahuman和數(shù)年前三星演示的NEON數(shù)字人。

NEON數(shù)字人（圖源：網(wǎng)絡(luò)）

為了提高數(shù)字人的真實(shí)度，前段時(shí)間英偉達(dá)更新了其Omniverse的AI能力，并宣稱將進(jìn)一步引入對(duì)生成式AI的支持，用戶可以僅憑文本信息自動(dòng)生成高質(zhì)量的材料。這一特性在Omniverse的聲音驅(qū)動(dòng)面部表情的工具Audio2Face上面也有體現(xiàn)。

高保真AI數(shù)字人（圖源：英偉達(dá)）

為了演示Omniverse的新特性， Adobe Substance 3D藝術(shù)和開(kāi)發(fā)團(tuán)隊(duì)使用Omniverse USD Composer（前稱Create）合作創(chuàng)作了一個(gè)虛擬數(shù)字人形象。從視頻可以看到，里面的虛擬角色視效逼真，并且皮膚呈現(xiàn)了真實(shí)的光線效果，而生成式AI，則提升了面部表情以及唇形同步的質(zhì)量。相關(guān)閱讀：《AI含量極高，GTC 2023有何新動(dòng)態(tài)？》

在數(shù)字人制作方面，AI的接入讓其生產(chǎn)成本進(jìn)一步降低。

3月，騰訊發(fā)布全新的AI智能創(chuàng)作助手“騰訊智影”，智影數(shù)字人能實(shí)現(xiàn)“形象克隆”和“聲音克隆”，創(chuàng)作者通過(guò)上傳少量圖片、視頻和音頻素材，就能得到自己的數(shù)字人分身和定制音色，進(jìn)而快速生成自己的數(shù)字人播報(bào)視頻。據(jù)介紹，騰訊智影還接入了數(shù)字人直播，可實(shí)現(xiàn)7×24小時(shí)不間斷開(kāi)播。

來(lái)源：騰訊智影

商湯科技在4月的技術(shù)交流日活動(dòng)上發(fā)布了大模型體系“商湯日日新大模型”，其演示了2D數(shù)字人視頻生成平臺(tái)“如影SenseAvatar”，據(jù)稱僅需一段5分鐘的真人視頻素材，就可以生成出來(lái)聲音及動(dòng)作自然、口型準(zhǔn)確、多語(yǔ)種精通的數(shù)字人分身。它可應(yīng)用為智能直播、教學(xué)、短視頻等多種場(chǎng)景。

來(lái)源：商湯科技

在功能方面，結(jié)合ChatGPT的數(shù)字人不僅能完成更細(xì)致的指引、導(dǎo)航等信息提示服務(wù)工作，結(jié)合龐大的知識(shí)數(shù)據(jù)庫(kù)，在B端如金融、汽車(chē)、工業(yè)等場(chǎng)景以及C端的影視、游戲、直播等領(lǐng)域?qū)⒂懈�大的發(fā)展空間。

另外，OpenAI于今年3月發(fā)布了多模態(tài)預(yù)訓(xùn)練大模型GPT-4，ChatGPT的功能有了進(jìn)一步提升：擁有識(shí)圖功能；擴(kuò)大文字輸入限制至2.5萬(wàn)字；對(duì)話內(nèi)容準(zhǔn)確性提高；能生成有風(fēng)格變化的創(chuàng)意文本等。多模態(tài)功能將使數(shù)字人的交互、決策建議更為真實(shí)有效。

 人人都能實(shí)現(xiàn)“數(shù)字永生” 

ChatGPT發(fā)布后，大量AI工具順勢(shì)而生，在一些AIGC的門(mén)戶網(wǎng)站上甚至收錄了海內(nèi)外上千款A(yù)I應(yīng)用。包括搜索引擎、文本寫(xiě)作、聊天機(jī)器人、語(yǔ)音合成、音樂(lè)制作、繪畫(huà)生成、圖像化身、圖像合成、3D生成、視頻技術(shù)、數(shù)字虛擬人、游戲應(yīng)用、無(wú)代碼創(chuàng)作等40個(gè)細(xì)分領(lǐng)域。幾乎人人都能創(chuàng)建符合自己需求的數(shù)字人。

圖源：AIGC中文工具導(dǎo)航截圖

得益于這些AI工具強(qiáng)大的內(nèi)容生成能力，現(xiàn)在網(wǎng)上也出現(xiàn)了不少“整活”嘗試。

前陣子AI在B站上掀起一陣華語(yǔ)樂(lè)壇的“賽博文藝復(fù)興”熱潮，不少UP主利用音樂(lè)大模型軟件，通過(guò)內(nèi)容編碼器提取源音頻語(yǔ)音特征，進(jìn)行AI翻唱制作，讓歌手“唱”起來(lái)。與B站“鬼畜區(qū)”的人力調(diào)音不同，AI翻唱的效果非常真實(shí)自然，實(shí)際一聽(tīng)?zhēng)缀蹼y以分辨出是真人還是AI的聲音，甚至還能看到視頻中有不少?gòu)椖挥懻撈餉I唱功好不好……

圖源：B站截圖

另一方面，也有人在嘗試證明AI“技術(shù)向善”。UP主吳伍六發(fā)布了一則名為“用AI工具生成我奶奶的虛擬數(shù)字人”的視頻，他嘗試用AI+照片、音頻來(lái)生成已故奶奶的數(shù)字人，并與之進(jìn)行虛擬對(duì)話。

前兩年韓國(guó) MBC 電視臺(tái)在出品大型 VR 紀(jì)錄片《見(jiàn)到你了》中，利用VR技術(shù)復(fù)活了7歲小女孩。

圖源：網(wǎng)絡(luò)

通過(guò)AI語(yǔ)音合成技術(shù)，提取小女孩生前影像音頻。同時(shí)找來(lái)5個(gè)同齡的孩子錄制上百條音頻作為補(bǔ)充，最終復(fù)原成功小女孩的聲音。再結(jié)合3D建模，動(dòng)作捕捉等技術(shù)抓取三維坐標(biāo)數(shù)據(jù)，初步還原小女孩外形。相關(guān)閱讀：《VR 掃墓，數(shù)字永生，技術(shù)正在重新定義“生命”》

在現(xiàn)實(shí)中不可能做到的“復(fù)活”和“永生”，卻能通過(guò)技術(shù)得以實(shí)現(xiàn)，這類視頻引發(fā)了網(wǎng)友們對(duì)AI、生命、侵權(quán)、感情、寄托、人性和倫理道德的思考和討論，展現(xiàn)不同人對(duì)數(shù)字生命的理解。

 AI數(shù)字人在直播領(lǐng)域悄然生長(zhǎng) 

在元宇宙中數(shù)字人已經(jīng)是有著較為成熟體系的領(lǐng)域，從技術(shù)到實(shí)際落地再到商業(yè)化，如今虛擬偶像、虛擬演唱會(huì)等垂直場(chǎng)景大行其道，而數(shù)字人直播已不是新鮮事。

圖源：IDC

在數(shù)字人商業(yè)化的道路中，無(wú)論是主打陪伴的娛樂(lè)型數(shù)字人還是以電商帶貨為主的功能服務(wù)型數(shù)字人，AI數(shù)字人在直播中的應(yīng)用率正逐漸提高，然而現(xiàn)階段的數(shù)字人直播，絕大多數(shù)情況下，包括外形設(shè)計(jì)、配音、互動(dòng)等都仍需要人類進(jìn)行干預(yù)，AI只能實(shí)現(xiàn)一些簡(jiǎn)單的交互。 在海外已有基于ChatGPT+VRM（3D模型）+VOICEVOX（文本轉(zhuǎn)語(yǔ)音軟件）創(chuàng)建聊天型人工智能的案例。例如OshaberiAI，這是一款允許用戶創(chuàng)建養(yǎng)成型角色并與之聊天的應(yīng)用程序，通過(guò)設(shè)計(jì)對(duì)ChatGPT的提示（指令），為數(shù)字人設(shè)定各種個(gè)性和語(yǔ)氣，與用戶進(jìn)行簡(jiǎn)單的聊天交互。

圖源：推特

目前該應(yīng)用已上線AppStore，此前該開(kāi)發(fā)者也在AR+數(shù)字人導(dǎo)航方面做了一些嘗試，推出了“ARCharaNavi”，用戶在應(yīng)用中設(shè)定好目的地之后，數(shù)字人會(huì)根據(jù)選擇好的路線在屏幕中的路線前方帶領(lǐng)用戶前行。

而AI數(shù)字人的強(qiáng)大勝在可控性高，模式可復(fù)制，能7×24小時(shí)保持在線，在直播領(lǐng)域成了不少電商品牌的“新歡”。

中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心日前發(fā)布的第51次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2022年12月，中國(guó)網(wǎng)民規(guī)模達(dá)10.67億，短視頻用戶規(guī)模達(dá)10.12億，短視頻用戶滲透率高達(dá)94.8%，而網(wǎng)絡(luò)直播用戶規(guī)模達(dá)7.51億。

有了龐大的直播受眾，投身于電商直播的AI數(shù)字人表現(xiàn)如何？成本低是品牌方選用數(shù)字人進(jìn)行直播的一大因素，某品牌直播間售價(jià)和數(shù)字人服務(wù)定價(jià)，粗略計(jì)算后日均花費(fèi)大約在600元左右，相比于聘請(qǐng)真人主播，能大幅減少支出成本。

目前在電商直播領(lǐng)域，AI數(shù)字人通常在夜間至凌晨直播，彌補(bǔ)真人主播休息期間的空缺，盡可能獲取更多閑時(shí)流量�，F(xiàn)階段用戶可以通過(guò)關(guān)鍵詞觸發(fā)與數(shù)字人關(guān)于商品的交互，要讓AI數(shù)字人執(zhí)行更細(xì)致的指令和互動(dòng)還有一定難度。

圖源：抖音網(wǎng)頁(yè)版截圖

而在短視頻平臺(tái)，已有不少AI數(shù)字人嘗新開(kāi)設(shè)全天無(wú)休的直播間，實(shí)際上這類重復(fù)相似對(duì)話內(nèi)容的直播間熱度并不高，如果有明星IP加入，則會(huì)帶來(lái)更顯著的引流效果。例如樂(lè)華七子的黃新淳，基于他本人的形象設(shè)計(jì)了數(shù)字人分身，結(jié)合AI算法來(lái)控制數(shù)字人的動(dòng)作和表情，還能正常與粉絲進(jìn)行互動(dòng)。

AI數(shù)字人在視覺(jué)效果和語(yǔ)音上越發(fā)真實(shí)，也就意味著人們將更加難以辨別真人與“數(shù)字人”，且絕大部分人是第一次接觸AIGC內(nèi)容，為了避免更多的AI內(nèi)容對(duì)觀眾造成誤解，不少視頻平臺(tái)發(fā)布了相關(guān)平臺(tái)規(guī)范。

抖音APP官方公眾號(hào)于近期發(fā)布《抖音關(guān)于人工智能生成內(nèi)容的平臺(tái)規(guī)范暨行業(yè)倡議》一文，指出“各生成式人工智能技術(shù)的提供者，均應(yīng)對(duì)生成內(nèi)容進(jìn)行顯著標(biāo)識(shí)，以便公眾判斷。同時(shí)使用統(tǒng)一的人工智能生成內(nèi)容數(shù)據(jù)標(biāo)準(zhǔn)或元數(shù)據(jù)標(biāo)準(zhǔn)，便于其他內(nèi)容平臺(tái)進(jìn)行識(shí)別。”

圖源：抖音APP官方公眾號(hào)

就連海外知名插畫(huà)平臺(tái)Fanbox的運(yùn)營(yíng)商PixivFANBOX，也宣布禁止上傳和銷售使用Midjourney 、Stable Diffusion等AI藝術(shù)工具生成的插圖，將對(duì)發(fā)布由AI創(chuàng)作作品的賬號(hào)采取措施，如發(fā)出警告、限制可見(jiàn)范圍、封禁賬號(hào)等。未來(lái)將會(huì)有更多平臺(tái)自發(fā)加入規(guī)范AIGC內(nèi)容的陣營(yíng)中。

AI數(shù)字人在直播領(lǐng)域，尤其是電商板塊的落地進(jìn)程加快，其變現(xiàn)能力強(qiáng)、操作門(mén)檻低（不少平臺(tái)推出無(wú)代碼方案）、降本增效顯著等優(yōu)勢(shì)迎合了品牌方對(duì)數(shù)字化電商直播的需求。同時(shí)，部分頭部電商直播MCN也能憑借自身在IP運(yùn)營(yíng)管理、平臺(tái)流量資源、品牌方資源的積累，嘗試從真人直播轉(zhuǎn)向數(shù)字人直播，提高閑時(shí)階段的收益�，F(xiàn)階段的AI數(shù)字人仍有非常大的發(fā)展空間。

 結(jié)語(yǔ) 

在元宇宙盛行的時(shí)期，數(shù)字人還只是人們眼中的“流量明星”，背后又牽扯到高成本的動(dòng)捕和中之人運(yùn)營(yíng)，普通人幾乎難以企及。雖然現(xiàn)階段的AI數(shù)字人仍然未達(dá)到能跟真人“搶飯碗”的能力，但成長(zhǎng)迅速的AI正在加速數(shù)字人走向大眾的進(jìn)程，而ChatGPT則是AI數(shù)字人最佳的接入口之一，為數(shù)字人的人機(jī)交互功能帶來(lái)更多落地應(yīng)用機(jī)會(huì)。

       原文標(biāo)題 : AIGC重塑數(shù)字人：落地、變革、永生