近日，火山語音發(fā)布了首位超寫實數(shù)字員工小燦，在同步推出的首秀TVC中，小燦憑借高效的工作能力以及溫暖可人的性格引起多方關(guān)注，她的到來將會引領(lǐng)怎樣的改變?
善聽會說能想：提升工作效率的好幫手
小燦作為火山語音團(tuán)隊聯(lián)合朝夕光年江南團(tuán)隊共同打造的S級超寫實數(shù)字人形象，名字源于“火山”兩字的結(jié)合，拼音“can”在英文中表示“可以、能夠”的意思，這也意味著小燦從“出生”就是工作的最佳輔助。雖然加入數(shù)字人產(chǎn)品矩陣不久，但小燦同樣依托團(tuán)隊長期積累的成熟語音交互技術(shù)，具有語音識別、自然語言處理、情感識別等多種功能，傳承“善聽”、“會說”、“能想”的多重能力，能夠做到與用戶面對面實時交互來提供更加高效服務(wù)。
親和友好真實： 工作場景下的‘副駕駛’
盡管小燦是虛擬數(shù)字人，但火山語音團(tuán)隊仍然通過強(qiáng)大的技術(shù)能力，幫助TA構(gòu)筑了從外形、動作到語言、情感交互的超寫實形態(tài)。外形上，憑借團(tuán)隊3D超寫實數(shù)字人整套形象設(shè)計、資產(chǎn)制作、高成本影視級cg管線視頻內(nèi)容的制作能力，讓小燦無論在外形動作，還是面部微表情抑或是皮膚肌理、發(fā)絲材質(zhì)等各方面高度逼真，深度還原了真人影像，改變了大眾對數(shù)字人的一貫認(rèn)知。
除卻精致的外在，小燦通過火山語音團(tuán)隊豐富且領(lǐng)先的對數(shù)字人AI的驅(qū)動能力，實現(xiàn)了更加近似真人的口型動作表現(xiàn)。例如AI驅(qū)動口型方面，團(tuán)隊通過使用行業(yè)領(lǐng)先的非自回歸模型的唇形生成網(wǎng)絡(luò)，合成與輸入文本或語音完全匹配的唇形，準(zhǔn)確率高達(dá)98.55%。
“在AI驅(qū)動動作上，我們基于創(chuàng)新的Motion Blening技術(shù)，在動作切換時可生成過度幀，使數(shù)字人在切換各類動作時不僅可以做到毫秒級切換，還可以做到平滑效果自然無感知?！背酥膺€在AI表情口型聯(lián)合建模，基于語音語義的動作生成即co speech技術(shù)上，都有極具前瞻性的預(yù)研工作，并已取得階段性成果，后續(xù)將全部應(yīng)用于數(shù)字人視頻創(chuàng)作、交互以及直播等場景。
值得提及的是，小燦還具備“一條音頻秒級別音色復(fù)刻”(zero shot TTS)的能力，可以做到高保真還原真人音色、說話風(fēng)格以及聲學(xué)環(huán)境等特點，在核心技術(shù)架構(gòu)全自研的基礎(chǔ)上，關(guān)鍵指標(biāo)均保持業(yè)界前沿。此外韻律模塊基于自回歸GPT類大模型，目前訓(xùn)練數(shù)據(jù)超過20萬個小時，架構(gòu)可擴(kuò)展性很強(qiáng)，未來預(yù)計可支持100萬小時以上數(shù)據(jù)訓(xùn)練;模塊支持code-switch，即無論prompt為中文或者英文，都可支持直接輸出中文、英文及混合內(nèi)容。整體來說，小燦無疑是目前數(shù)字人研發(fā)領(lǐng)域藝術(shù)與技術(shù)高度融合的產(chǎn)物，但她不僅僅是一個超寫實數(shù)字人形象，更是高效且有溫度解決問題的好幫手。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
