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)布的一份研究報告顯示，自ChatGPT推出兩個月后，月活躍用戶估計已達(dá)1億，成為歷史上增長最快的消費應(yīng)用。

圖源：Google Trends

創(chuàng)造了多項“神話”的AIGC，一度引發(fā)全民對“被替代”“被失業(yè)”的擔(dān)憂，以快速成長的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，大模型遍地開花，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目。

面對日益興起的AIGC，國家互聯(lián)網(wǎng)信息辦公室就《生成式人工智能服務(wù)管理辦法（征求意見稿）》（以下簡稱《征求意見稿》）向社會公開征求意見。整體來看，《征求意見稿》更多的是為規(guī)范我國人工智能、算法等行業(yè)的發(fā)展帶來了更為細(xì)致且明確的規(guī)范指導(dǎo)。

AIGC有著能在各行各業(yè)賦能的強大功能，ChatGPT富有創(chuàng)造性的對話讓人不禁遐想，在元宇宙時代，數(shù)字人將成為非常關(guān)鍵的角色，AIGC與數(shù)字人的結(jié)合又會對現(xiàn)實世界帶來怎樣的變化？

 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AI數(shù)字人市場現(xiàn)狀與機會分析2022》報告中，預(yù)計到2026年中國AI數(shù)字人市場規(guī)模將達(dá)到102.4億元人民幣。可見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)對更復(fù)雜的情況時，人們對數(shù)字人的信息處理能力、即時互動能力以及表達(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)報告》，其指出虛擬數(shù)字人的每個發(fā)展階段與時代背景，技術(shù)有緊密聯(lián)系，至今已邁入成長階段，2023年Open AI推出的聊天機器人ChatGPT，與真人之間展開“靈活機智”對話，給由AI驅(qū)動的虛擬數(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對傳媒、影視、藝術(shù)、電商、娛樂、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，未來能實現(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)而實現(xiàn)跨維度升級。

在外形方面，AI技術(shù)幾乎滲入到數(shù)字人構(gòu)建的各個基礎(chǔ)環(huán)節(jié)：建模、生成、渲染、驅(qū)動、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)字人的真實度，前段時間英偉達(dá)更新了其Omniverse的AI能力，并宣稱將進(jìn)一步引入對生成式AI的支持，用戶可以僅憑文本信息自動生成高質(zhì)量的材料。這一特性在Omniverse的聲音驅(qū)動面部表情的工具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)和開發(fā)團隊使用Omniverse USD Composer（前稱Create）合作創(chuàng)作了一個虛擬數(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)字人能實現(xiàn)“形象克隆”和“聲音克隆”，創(chuàng)作者通過上傳少量圖片、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)字人播報視頻。據(jù)介紹，騰訊智影還接入了數(shù)字人直播，可實現(xiàn)7×24小時不間斷開播。

來源：騰訊智影

商湯科技在4月的技術(shù)交流日活動上發(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“如影SenseAvatar”，據(jù)稱僅需一段5分鐘的真人視頻素材，就可以生成出來聲音及動作自然、口型準(zhǔn)確、多語種精通的數(shù)字人分身。它可應(yīng)用為智能直播、教學(xué)、短視頻等多種場景。

來源：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)合龐大的知識數(shù)據(jù)庫，在B端如金融、汽車、工業(yè)等場景以及C端的影視、游戲、直播等領(lǐng)域?qū)⒂懈蟮陌l(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：擁有識圖功能；擴大文字輸入限制至2.5萬字；對話內(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、決策建議更為真實有效。

 人人都能實現(xiàn)“數(shù)字永生”

ChatGPT發(fā)布后，大量AI工具順勢而生，在一些AIGC的門戶網(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、文本寫作、聊天機器人、語音合成、音樂制作、繪畫生成、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、無代碼創(chuàng)作等40個細(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站上掀起一陣華語樂壇的“賽博文藝復(fù)興”熱潮，不少UP主利用音樂大模型軟件，通過內(nèi)容編碼器提取源音頻語音特征，進(jìn)行AI翻唱制作，讓歌手“唱”起來。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自然，實際一聽幾乎難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彈幕討論起AI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、音頻來生成已故奶奶的數(shù)字人，并與之進(jìn)行虛擬對話。

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

圖源：網(wǎng)絡(luò)

通過AI語音合成技術(shù)，提取小女孩生前影像音頻。同時找來5個同齡的孩子錄制上百條音頻作為補充，最終復(fù)原成功小女孩的聲音。再結(jié)合3D建模，動作捕捉等技術(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)實中不可能做到的“復(fù)活”和“永生”，卻能通過技術(shù)得以實現(xiàn)，這類視頻引發(fā)了網(wǎng)友們對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)不同人對數(shù)字生命的理解。

 AI數(shù)字人在直播領(lǐng)域悄然生長 

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)到實際落地再到商業(yè)化，如今虛擬偶像、虛擬演唱會等垂直場景大行其道，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，無論是主打陪伴的娛樂型數(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、配音、互動等都仍需要人類進(jìn)行干預(yù)，AI只能實現(xiàn)一些簡單的交互。

在海外已有基于ChatGPT+VRM（3D模型）+VOICEVOX（文本轉(zhuǎn)語音軟件）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，通過設(shè)計對ChatGPT的提示（指令），為數(shù)字人設(shè)定各種個性和語氣，與用戶進(jìn)行簡單的聊天交互。

圖源：推特

目前該應(yīng)用已上線AppStore，此前該開發(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)字人的強大勝在可控性高，模式可復(fù)制，能7×24小時保持在線，在直播領(lǐng)域成了不少電商品牌的“新歡”。

中國互聯(lián)網(wǎng)絡(luò)信息中心日前發(fā)布的第51次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2022年12月，中國網(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，某品牌直播間售價和數(shù)字人服務(wù)定價，粗略計算后日均花費大約在600元左右，相比于聘請真人主播，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，彌補真人主播休息期間的空缺，盡可能獲取更多閑時流量?，F(xiàn)階段用戶可以通過關(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)致的指令和互動還有一定難度。

圖源：抖音網(wǎng)頁版截圖

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

AI數(shù)字人在視覺效果和語音上越發(fā)真實，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)容對觀眾造成誤解，不少視頻平臺發(fā)布了相關(guān)平臺規(guī)范。

抖音APP官方公眾號于近期發(fā)布《抖音關(guān)于人工智能生成內(nèi)容的平臺規(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)對生成內(nèi)容進(jìn)行顯著標(biāo)識，以便公眾判斷。同時使用統(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)容平臺進(jìn)行識別。”

圖源：抖音APP官方公眾號

就連海外知名插畫平臺Fanbox的運營商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，將對發(fā)布由AI創(chuàng)作作品的賬號采取措施，如發(fā)出警告、限制可見范圍、封禁賬號等。未來將會有更多平臺自發(fā)加入規(guī)范AIGC內(nèi)容的陣營中。

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、操作門檻低（不少平臺推出無代碼方案）、降本增效顯著等優(yōu)勢迎合了品牌方對數(shù)字化電商直播的需求。同時，部分頭部電商直播MCN也能憑借自身在IP運營管理、平臺流量資源、品牌方資源的積累，嘗試從真人直播轉(zhuǎn)向數(shù)字人直播，提高閑時階段的收益。現(xiàn)階段的AI數(shù)字人仍有非常大的發(fā)展空間。

 結(jié)語 

在元宇宙盛行的時期，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捕和中之人運營，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)字人的人機交互功能帶來更多落地應(yīng)用機會。