相芯科技觀察：AI虛擬主播簡史

AI虛擬主播又迎來了高光時刻。

2018年，搜狗和新華社聯(lián)合推出的全球首個AI合成主播的誕生，掀開了“AI+虛擬主播”的神秘面紗，一時間，嗅到“科技紅利”的市場各方開始蜂擁而上。2019央視網(wǎng)絡春晚推出AI虛擬主持人團隊;今年兩會期間，新華社推出AI虛擬主播“新小萌”，人民日報推出AI虛擬主播“小晴”;今年五一期間，北京電視臺推出AI虛擬主播“小萌花”“小萌芽”，央視五四晚會推出AI虛擬主播“小靈”……

回看這波市場熱潮，總讓人有一種錯覺，仿佛回到了當初世界首個虛擬主持人誕生時的群雄起舞。不過，相比當初略顯單薄的虛擬主持人，這次新增的“AI”元素，到底會給市場帶來什么變化?

在回答這個問題之前，我們需先來界定一下概念。關于“AI”“虛擬主播”的概念，目前百度百科上已有了明確的定論，但關于“AI虛擬主播”卻大多“只聞其聲，不知其人”。

翻看各大報道，虛擬主持人和虛擬主播的概念正在相互交融。從主播的定義(百度百科)來看，其在主持人的基礎上，還融合涵蓋了更多領域，以便適用于互聯(lián)網(wǎng)時代的多媒體形態(tài)。

若以此為基準，AI虛擬主播或可定義為，在互聯(lián)網(wǎng)時代，結合人工智能與三維虛擬形象技術，并可自主承擔策劃、編輯、主持、制作等一系列工作的主播。

既然定義已經(jīng)明確，那AI虛擬主播有什么樣的故事呢?

這個，要從一段視頻開始說起……

1.0時代：雛形初顯 虛擬主持人登場

自工業(yè)革命起，以機器代替手工勞動就成了人類努力的方向。隨后，第一臺計算機的發(fā)明，讓機器開始升級為“人工智能”。步入互聯(lián)網(wǎng)時代后，“人工智能”更是加快了替代手工勞動的步伐，并從基礎的體力勞動層面漸漸轉向創(chuàng)意、創(chuàng)作層面。

于是，在翹首期盼了多年后，2001年，傳媒業(yè)終于迎來了“開辟新天地的創(chuàng)舉”——世界上第一個虛擬主持人阿娜諾娃(Ananova)誕生了。CNN將其描述為“一個可播報新聞、體育、天氣等的虛擬播音員，堪比一個真實的有血有肉的主播。”

　　(阿娜諾娃)

阿娜諾娃的出現(xiàn)，有其獨特的時代背景。當時，隨著網(wǎng)站經(jīng)濟垮臺，互聯(lián)網(wǎng)泡沫破裂，全球動蕩不斷。而動蕩，對于傳媒業(yè)來說，往往意味著“富礦”。如何加快新聞生產(chǎn)速度，提升新聞播報的準確率，成為了各家媒體競爭的焦點。

英國PA New Media公司正是抓住了這一契機，順勢推出了阿娜諾娃，并將其作為英國傳媒業(yè)與美聯(lián)社對抗的“秘密武器”。彼時的阿娜諾娃，雖是一個只有頭部動畫、表情也略顯僵硬的2D虛擬人物，但因可根據(jù)新聞腳本快速制作視頻，并可24小時持續(xù)播報的特點，還是在全球刮起了一陣打造“虛擬主持人”的颶風。

此后，日本推出了寺井有紀(Yuki)，中國推出了歌手虛擬主持人阿拉娜(Alana)，美國推出了薇薇安(Vivian)，韓國推出了露西雅(Lusia)。從2D到3D，從只有頭部到擁有全部身體，從只有虛擬人物播報到擁有演播室進行播報，虛擬主持人日漸成熟，被越來越多媒體關注和使用，并引發(fā)了全社會對“主持人要下崗”的擔憂。

很快，這種擔憂就變成了現(xiàn)實。2004年，央視CCTV-6頻道推出了國內(nèi)首位虛擬電視節(jié)目主持人—小龍。它采用三維形象技術，擁有高挑的身材，集合了劉德華、梁朝偉和金城武的“臉部精華”，并單獨主持了《光影周刊》欄目。小龍的上崗，點燃了國內(nèi)CG技術從電影級走向消費級的星星之火。

　　(小龍)

但這把“火”來得快，去得也很快。就在小龍誕生的當年，阿娜諾娃就徹底告別了歷史舞臺。而曾經(jīng)吹捧過她的所有媒體，開始紛紛關閉舊欄目，開設新欄目，換上新的真人主持，好像阿娜諾娃從未出現(xiàn)過一樣。

直至今日，再回看當年的這波虛擬主持人熱潮，仍有幾點值得反思：

技術的成熟是產(chǎn)品出現(xiàn)的關鍵，但產(chǎn)品的成熟度如何，是由市場評判的。市場之所以會追捧虛擬主持人，根本目的是為了節(jié)省制作成本，提升制作效率。但早期的虛擬主持人，從整個制作過程來看，成本其實遠超聘請一位專業(yè)真人主持。

　　(“小龍”的整個制作過程)

虛擬主持人具有行業(yè)特殊性，對語音、表情、肢體等都有很高的要求。相比其他行業(yè)，主持人最基本的要求就是口才。也就是說，虛擬主持人要達到與真人主持一樣的口才，語音識別和自然語言處理的準確率都要求極高。顯然在這方面，早期虛擬主持人還沒有準備好;其次，要讓虛擬人物播報呈現(xiàn)出自然狀態(tài)，就必須解決口型匹配、表情匹配，乃至肢體動作匹配等問題。畢竟只有“音”“容”“笑”“貌”都像人，才不會有違和感;最后，在制作播報視頻時，一定要快、穩(wěn)、準。新聞行業(yè)是一個極為注重時效性的行業(yè)，如果制作一個視頻就需要花費幾天乃至幾周的時間，那顯然是偽命題。

虛擬主持人是否一定要像真人，這是在做產(chǎn)品之前必須明確好的方向。早期的虛擬主持人都格外在意“像真人”，似乎這是一條鐵律。這很大程度上，源自在當時環(huán)境下，主持人大多與新聞播報捆綁，像真人才更有可信度。但從長遠發(fā)展來看，“像真人”真的是必須的嗎?

自阿娜諾娃“死”后，虛擬主持人市場仿佛瞬間熄火，自此步入了長達十多年的“黑暗時代”。

2.0時代：偶像先行 AI虛擬主播順風飛翔

2016年，當一位自稱“超級AI”的虛擬主播絆愛(kizuna ai)在YouTube上首次亮相時，也許誰都沒想到，她會成為照亮“黑暗時代”的第一縷曙光。

與早期虛擬主持人不同，絆愛是由真人扮演而成。在專業(yè)公司制定好絆愛的3D模型后，由真人穿上動捕設備，在背后控制絆愛的面部動態(tài)表情及動作，并由聲優(yōu)去配音及對口型，從而進行直播或錄制視頻。

　　(絆愛)

相比早期虛擬主持人，絆愛并不“像真人”，而是以二次元形象出道。但從播報狀態(tài)上來看，無論是3D形象，還是語音、動作，絆愛相比早期主持人都明顯更勝一籌。這種整體播報質感和體驗的升級，讓絆愛幾乎在沒有任何市場運作的前提下，YouTube訂閱數(shù)一路扶搖直上，截止目前已超過259萬人，從虛擬主播搖身一變?yōu)槿衽枷瘛?/p>

絆愛的成功，也有其獨特的時代背景。2016年，AlphaGo以1:4打敗圍棋世界冠軍李世石的事實，讓人們意識到，已經(jīng)誕生了幾十年的人工智能，處在了可全面商業(yè)化的臨界點，AI時代正加速到來。

同年，科大訊飛、搜狗、百度先后召開發(fā)布會，對外公布語音識別準確率均達到97%?？萍甲悦襟w人闌夕曾說，一旦語音識別的準確率達到99%，那將直接進入產(chǎn)業(yè)爆發(fā)的黎明。巧合的是，這一輪AI虛擬主播熱潮的興起，與AI，特別是語音識別技術的飛躍，幾乎是同步的。

智能語音產(chǎn)業(yè)的發(fā)展速度，在某種程度上影響了AI虛擬主播市場化的進度。但在AI虛擬主播的賽道上，虛擬形象的生成與打造，也是一道繞不過去的坎。畢竟，只有聲、沒有形的主播，只能存在于廣播之中。

2018年5月，科大訊飛攜手相芯科技打造了虛擬主持人“康曉輝”。這位虛擬主持人有著與真人相似的外形，不僅與央視記者江凱一同主持了《直播長江》安徽篇，還在現(xiàn)場進行了實時互動。

相比絆愛，“康曉輝”的一大亮點就在于其背后的虛擬形象生成技術(PTA)，該技術讓人們擺脫了3D虛擬形象定制所需的高昂成本，只需普通攝像頭和一張自拍，就可實時生成與自己相似且更美觀的3D虛擬形象。

且先不論“康曉輝”與真人有多相似，但其背后離不開真人的操作，還是暴露了AI虛擬主播的不足。畢竟，用真人驅動虛擬形象，對于傳媒業(yè)來說，并非是一個最好的解決方案。

但“康曉輝”所揭開的瓦片，如同絆愛所帶來的曙光一樣，還是為傳媒業(yè)發(fā)展指明了一個方向：虛擬主播AI化，勢不可擋。

　　(圖片源自網(wǎng)絡)

其后的市場走向，也給出了印證。2018年11月，全球首個“AI合成主播”誕生;2019年3月全球首個“AI合成女主播”誕生;2019年春晚AI虛擬主持人團隊誕生……在這套AI虛擬主播的方案中，只需輸入一段既有的新聞文本，主播就可實時進行播報，且發(fā)音與唇形、面部表情等也完全吻合，無論是看上去還是聽上去，似乎都與真人無二了。

當然，這是明面上的效果，確實值得肯定。但這套方案的背后，仍沒有完全AI化。有業(yè)內(nèi)人士指出，AI合成主播的背后，其實是真人在“表演”，它的實現(xiàn)方式是在真人臉上疊加真人的3D模型，并通過人臉檢測與跟蹤技術盡可能讓兩張臉“合二為一”，以呈現(xiàn)出動態(tài)播報效果。

聽上去是不是有點問題?沒錯。試想，如果每一個AI虛擬主播的背后都有一個個真人，那為何不直接用真人就好?邏輯是這樣沒錯，但技術的進步總是需要一個過程，如果與市場的接軌，可以加快技術的進步，避免AI虛擬主播的發(fā)展走入“死胡同”，也未嘗不是一件好事。

從上述AI虛擬主播的演進路線來看，有三個問題是必須要解決的：

是否可以不需真人，實現(xiàn)AI虛擬主播的全自動播報?

目前來看，定制一個主播的虛擬形象，合成一個主播的音色，都花費巨大，這是否可以解決?

在語音識別已漸入佳境時，語音與虛擬形象的高度匹配，是否會成為行業(yè)發(fā)展的下一個突破口?

3.0時代：全面AI化 虛擬主播走入千家萬戶

在電影《西蒙妮》中，人們曾描繪過AI虛擬主播的理想形態(tài)：

她是一個由計算機虛擬合成的、高度逼真的三維動畫人物。她美得令人無法拒絕，一言一行都與真人一樣，并可以完成一切表演、播報，且不會有任何緋聞，妥妥的一枚“完美代言人”。

　　(圖片源自網(wǎng)絡)

可以取代人類，且不會出現(xiàn)任何差錯，也不會有負面新聞，這是很多人眼中的完美AI虛擬主播。但之后的十多年，不論是影視業(yè)還是AI虛擬主播行業(yè)，都不得不面對一個現(xiàn)實：虛擬形象“像真人”并不簡單，目前這個問題是無解的。

有趣的是，2019年《阿麗塔：守護天使》的上映，徹底打破了這個僵局。阿麗塔不僅成為了世界上第一個翻越“恐怖谷”的虛擬人物，還再一次向世人確認了虛擬人物“像真人”的問題是有解的——燒錢就行。

　　(阿麗塔的制作成本)

但落地到AI虛擬主播，成本是繞不開的問題，于是主攻的方向就自然變成了如何實現(xiàn)影視級到消費級的技術降維。

目前來看，AI虛擬主播的實現(xiàn)方式大致可分為三種。上述提到的“真人操作”模式，這一模式靈感來源于影視業(yè)，實現(xiàn)方式也跟影視業(yè)差不多，都需要配套真人演繹，前期需要進行大量的數(shù)據(jù)采集，中期需要動捕設備來配合播報，后期需要對視頻制作進行再加工。從前期準備到后期制作，成本都不可謂不高，這大概也是該模式目前僅限于一些大媒體，難以大范圍推廣的原因所在。

“AR+AI”模式，靈感來源于全息投影，實現(xiàn)方式依賴于增強現(xiàn)實技術，具體參考百度的AI虛擬主播“小靈”。這一模式，需要提前設置好AI虛擬主播的回答、動作、表情等，并通過其與真人主播的互動，來制造真實感。且因為AI虛擬主播是后期做上去的，所以現(xiàn)場真人主持與其互動時，就需要靠“演”。但這種實現(xiàn)方式，對真人主持的要求極高，對后期制作的要求也很高，從應用層面來看，要大范圍推廣難度顯而易見。

全AI化模式，靈感來源于早期主持人，實現(xiàn)方式和效果卻比早期主持人好很多。這一模式分成定制AI虛擬主播和使用視頻制作后臺兩步，其將上述兩種方式中“人”的成分大大剔除，專注于用AI來替代人力，將虛擬主播的語音、情緒、動作，乃至后期視頻制作需要的圖片、視頻等都集成到后臺編輯系統(tǒng)中。目前來看，它是更接近全自動化，也更節(jié)省制作成本、提升制作效率的方式。

　　(小萌芽、小萌花)

但相比前兩者已有多個應用，全AI化的模式目前落地的項目似乎只有世園會期間，北京電視臺和相芯科技聯(lián)手制作的AI虛擬主播小萌芽、小萌花的播報視頻。不過，該視頻中的AI虛擬主播，雖然語音、動作、表情等都已接近真人，但形象上仍是3D卡通人物。

“像真人”，到底什么才像?目前各方并沒有一個明確定論。但從現(xiàn)有的AI虛擬主播來看，相比外形像固定的某一個人，語音、動作、表情，乃至播報時的整體狀態(tài)像真人，似乎更為重要。而要做到這點，還需不斷升級自然語言處理技術和語音動畫合成技術，前者讓人機交互更自然，后者可讓虛擬主播更鮮活。

目前來看，在自然語言處理領域，市場上已涌現(xiàn)了諸如谷歌、微軟、思必馳等眾多國內(nèi)外企業(yè);在語音動畫合成技術領域上，也涌現(xiàn)了諸如百度、相芯科技、搜狗等國內(nèi)企業(yè)。未來，隨著技術加速升級，全AI化的虛擬主播也將加速到來。且相比傳統(tǒng)媒體行業(yè)的應用，也許在自媒體上，這一愿景將會更早實現(xiàn)。畢竟，從全球市場表現(xiàn)來看，截止2018年底，各大平臺上的虛擬主播已經(jīng)超過了6000個。

邁克斯·泰格在《生命LIFE 3.0》一書中說，生命3.0是一個由人工智能重塑的時代。在這個時代，我們可以設計自己的硬件和軟件。這與AI虛擬主播時代，可謂不謀而合。

這個時代，到底離我們還有多遠?

生成海報

免責聲明：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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。