火爆的數(shù)字人市場又有新消息來襲：火山語音的數(shù)字人小燦來了！
今年以來，在生成式AI浪潮的助推下，大量企業(yè)爭相布局?jǐn)?shù)字人賽道。市場之所以如此火熱，是因?yàn)?a href="http://m.ygpos.cn/AI_1.html" target="_blank" class="keylink">AI數(shù)字人已被視為人工智能時(shí)代智能交互的入口級(jí)產(chǎn)品，對(duì)于未來AI的廣泛應(yīng)用具有重要意義。
與虛擬現(xiàn)實(shí)時(shí)代數(shù)字人“高處不勝寒”，市場接受度較低相比；如今，金融、汽車、文旅、政務(wù)、大型企業(yè)等B端行業(yè)用戶均在迅速接受和嘗試AI數(shù)字人，并密切關(guān)注著市場與技術(shù)的動(dòng)態(tài)變化。
不過，AI數(shù)字人在商業(yè)化落地依然面臨著諸多挑戰(zhàn)，如何真正推動(dòng)數(shù)字人走向普惠是當(dāng)下市場的一道難題。為此，火山語音推出數(shù)字人小燦，為AI數(shù)字人在B端市場走出一條重要的落地路徑，助推AI數(shù)字人走進(jìn)廣大B端業(yè)務(wù)場景。
數(shù)字人賽道火熱，落地挑戰(zhàn)不容忽視
IDC《中國 AI 數(shù)字人市場現(xiàn)狀與機(jī)會(huì)分析》報(bào)告預(yù)測，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。
毫無疑問，AI數(shù)字人市場前景非常廣闊。但從虛擬現(xiàn)實(shí)時(shí)期開始，數(shù)字人雖然借勢起跑，卻始終面臨著大規(guī)模商用場景缺乏、市場接受度低、技術(shù)成熟度不高、成本高居不下等挑戰(zhàn)，以至于在B端市場舉足不前。
以市場定位為例，超寫實(shí)的3D虛擬數(shù)字人貼合真人形象，也更加符合B端市場各種場景的定位，卻也受制于AI算法、文本轉(zhuǎn)語音技術(shù)、算力等技術(shù)因素的綜合影響，數(shù)字人產(chǎn)品質(zhì)量良莠不齊，語音、表情、互動(dòng)等生硬，在B端業(yè)務(wù)場景中定位也不夠不清晰，華而不實(shí)逐漸淪為噱頭。
與此同時(shí)，數(shù)字人又面臨著高昂生產(chǎn)和運(yùn)營成本、較長生產(chǎn)周期等問題，很多曾火爆一時(shí)的3D數(shù)字人均受困于成本問題，宛如流星般劃過。業(yè)內(nèi)人士介紹，一個(gè)3D AI數(shù)字人的年運(yùn)營成本就高達(dá)數(shù)百萬，也讓諸多B端企業(yè)望而卻步，市場接受度始終起不來。
事實(shí)上，數(shù)字人當(dāng)前遇到的困境并不稀奇。究其原因，在產(chǎn)業(yè)發(fā)展的早期階段，一項(xiàng)技術(shù)或產(chǎn)品要實(shí)現(xiàn)從小眾到大眾、從嘗鮮者到主流群體的廣泛應(yīng)用，解決不了技術(shù)關(guān)和成本關(guān)兩大難題，終究無法實(shí)現(xiàn)。
業(yè)界普遍認(rèn)為，在政策導(dǎo)向、市場需求、資本支出和技術(shù)成熟度等因素的合理推動(dòng)下，AI數(shù)字人在B端市場正處于爆發(fā)的前夕。當(dāng)前，市場中尤其需要AI數(shù)字人的高質(zhì)量“爆款”，率先實(shí)現(xiàn)質(zhì)量、成本與效率的兼顧，攻克技術(shù)關(guān)和成本關(guān)，牽引AI數(shù)字人全面融入B端業(yè)務(wù)場景。
相比之下，火山語音在數(shù)字人賽道屬于先思而后行，其數(shù)字人小燦的定位非常清晰，即成為“提升工作效率+情緒價(jià)值”的副駕駛；同時(shí)作為首個(gè)超寫實(shí)數(shù)字人，數(shù)字人小燦具備“善聽”、“會(huì)說”、“能想”等特征，加上一站式擬人化服務(wù)，為數(shù)字人在B端市場帶來新的啟發(fā)。
首個(gè)超寫實(shí)數(shù)字人，小燦顏才兼?zhèn)?/strong>
數(shù)字人小燦作為火山語音首位數(shù)字員工，火山語音介紹，未來或作為AI產(chǎn)品與技術(shù)的先導(dǎo)官服務(wù)內(nèi)外。
作為超寫實(shí)數(shù)字人，數(shù)字人小燦堪稱顏值擔(dān)當(dāng)，不僅形象靚麗，而且氣質(zhì)不錯(cuò)。除了顏值之外，數(shù)字人小燦具備邏輯學(xué)家的人格類型，專業(yè)可靠、高理性邏輯，且才華橫溢，對(duì)AI應(yīng)用充滿了天馬行空的幻想。
數(shù)字人小燦“提升工作效率+情緒價(jià)值”副駕駛的產(chǎn)品定位，以及顏才具備的特征，都與B端業(yè)務(wù)場景的需求十分契合。眾所周知，在B端業(yè)務(wù)場景中，業(yè)務(wù)邏輯較為復(fù)雜，通常具有一定的專業(yè)性，如果AI數(shù)字人語音、表情、互動(dòng)生硬，不懂傾聽、不會(huì)表達(dá)和不具備邏輯性，無法提升業(yè)務(wù)場景效率，就很難勝任業(yè)務(wù)場景的交互重任。
以金融業(yè)為例，IDC《銀行數(shù)字科技五大趨勢》報(bào)告認(rèn)為，到2025年，超過80%的銀行都將部署數(shù)字人，承擔(dān)90%的客服和理財(cái)咨詢服務(wù)。當(dāng)前各種類型的金融機(jī)構(gòu)均在試水AI數(shù)字人，像客服、理財(cái)咨詢這類B端金融場景，AI數(shù)字人需要“看懂文字、聽懂語言、做懂業(yè)務(wù)”，不僅需要在場景中實(shí)現(xiàn)與客戶的高效率交互，還需要具有共情能力，讓服務(wù)有溫度。
數(shù)字人小燦顏才兼?zhèn)涞谋澈?，自然離不開火山語音在AI相關(guān)技術(shù)的深厚底蘊(yùn)。
據(jù)悉在形象技術(shù)方面，火山語音聯(lián)合字節(jié)游戲-朝夕光年江南團(tuán)隊(duì)，聯(lián)合打造3D超寫實(shí)形象，數(shù)字人小燦是藝術(shù)+AI技術(shù)結(jié)合體。數(shù)字人小燦具備開心、驚訝、憤怒等豐富的情感演繹能力，語音交互時(shí)表情自然流暢，這些離不開火山語音的3D超寫實(shí)數(shù)字人整套形象設(shè)計(jì)、資產(chǎn)制作、高成本影視級(jí)cg管線視頻內(nèi)容制作能力，以及自研高逼真AI口型及動(dòng)作驅(qū)動(dòng)技術(shù)。例如在AI驅(qū)動(dòng)動(dòng)作層面，團(tuán)隊(duì)基于創(chuàng)新的Motion Blening技術(shù)，在動(dòng)作切換時(shí)可生成過度幀，使得數(shù)字人在切換各類動(dòng)作時(shí)不僅可以做到毫秒級(jí)切換，同時(shí)平滑效果自然無感知。
同時(shí)數(shù)字人小燦還是個(gè)“語言天才”，會(huì)說英語、日語、粵語、東北話等十多種外語及方言，高保真還原真人音色、說話風(fēng)格和聲學(xué)環(huán)境特點(diǎn)，在市場中遙遙領(lǐng)先，這同樣離不開火山語音在語音領(lǐng)域的技術(shù)底蘊(yùn)。例如“一條音頻秒級(jí)別音色復(fù)刻”技術(shù)（zero shot TTS），僅需要輸入5秒鐘到1分鐘的音頻，可秒級(jí)別極速復(fù)刻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(diǎn)；此外在核心技術(shù)架構(gòu)全自研的基礎(chǔ)上，各種指標(biāo)（音質(zhì)、相似度等）均居于學(xué)術(shù)界前沿，韻律模塊基于自回歸GPT類大模型研發(fā)，支持code-switch，即無論prompt為中文/英文，支持輸出中文、英文及混合內(nèi)容。
事實(shí)上，除了深厚的技術(shù)底蘊(yùn)外，火山語音此次還非常注重以數(shù)字人為抓手，推動(dòng)AI技術(shù)在B端的實(shí)踐與落地。
深入行業(yè)場景，AI讓工作生活更輕松
不可否認(rèn)，當(dāng)前AI數(shù)字人市場的火爆，也造成了一定的亂象，市場中也存在著大量良莠不齊的產(chǎn)品與方案。
業(yè)界普遍認(rèn)為，AI數(shù)字人是推動(dòng)AI技術(shù)在工作生活中落地的一個(gè)好抓手，能夠真正帶來B端行業(yè)交互效率和體驗(yàn)的提升，讓人們的生活與工作更加輕松自如。但AI數(shù)字人在B端的普惠落地，還需要深入行業(yè)場景，找到產(chǎn)品與場景中的結(jié)合點(diǎn)，從而讓數(shù)字人產(chǎn)品的價(jià)值得以呈現(xiàn)；并且需要具備規(guī)?；瘡?fù)制能力，降低AI數(shù)字人邁向B端行業(yè)用戶的門檻。
通過數(shù)字人小燦，火山語音在AI數(shù)字人市場目標(biāo)很明確，就是通過持續(xù)多版數(shù)字人產(chǎn)品的迭代，實(shí)現(xiàn)AI數(shù)字人質(zhì)量、效率和成本并重，并讓AI數(shù)字人深入行業(yè)場景，進(jìn)而推動(dòng)AI數(shù)字人在B端走向普惠。
在行業(yè)場景價(jià)值呈現(xiàn)方面，火山語音的數(shù)字人產(chǎn)品包括“播報(bào)型數(shù)字人”和“交互型數(shù)字人”兩種類型，專注播報(bào)、交互、直播三大核心場景，可以面向金融、大消費(fèi)、泛互等行業(yè)提供涵蓋“金融客服”、“智慧導(dǎo)覽”、“智能助理”、“虛擬直播”等場景細(xì)分解決方案，為B端用戶帶來交互體驗(yàn)的全方位升級(jí)。
為進(jìn)一步降低AI數(shù)字人的門檻，火山語音AI數(shù)字人可以實(shí)現(xiàn)快速復(fù)刻數(shù)字分身，僅需5-10分鐘視頻，就可1:1還原真人，再結(jié)合聲音復(fù)刻即可快速實(shí)現(xiàn)形象與聲音的近乎完美還原，加速AI數(shù)字人在內(nèi)容生產(chǎn)、視頻直播、車載環(huán)境等諸多場景中的落地。
更加重要的是，火山語音一直在技術(shù)層面持續(xù)迭代和優(yōu)化數(shù)字人產(chǎn)品。例如，近年來，火山語音深度參與到“實(shí)時(shí)高逼真孿生數(shù)字人關(guān)鍵技術(shù)研發(fā)與應(yīng)用示范”等多個(gè)國家重點(diǎn)項(xiàng)目建設(shè)，通過產(chǎn)學(xué)研用聯(lián)動(dòng)，推動(dòng)AI數(shù)字人相關(guān)技術(shù)的應(yīng)用。
隨著數(shù)字人小燦的問世，火山語音已經(jīng)在數(shù)字人領(lǐng)域已經(jīng)取得階段性成果，為市場帶來了質(zhì)量、成本和效率并重的AI數(shù)字人一體化服務(wù)。面向未來，隨著AI數(shù)字人市場不斷發(fā)展，火山語音的AI數(shù)字人產(chǎn)品與服務(wù)有望在B端行業(yè)中遍地開花。
免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀點(diǎn)，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。
- 蜜度索驥：以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 100億美元史上最大融資的背后，國內(nèi)外巨頭齊瞄準(zhǔn)Data+AI
- 有一種羨慕叫“別人家的年終獎(jiǎng)”：京東采銷平均23薪，全網(wǎng)熱議“人的價(jià)值”
- 行業(yè)首個(gè)“人機(jī)大戰(zhàn)”對(duì)壘！AI翻譯已媲美人工
- 蘋果開啟年終大促，降價(jià)1200元，被國產(chǎn)手機(jī)嚇怕了？
- 1999 元起，OPPO A5 Pro 超防水、超抗摔、超耐用
- 長三角，如何把數(shù)據(jù)要素變成新長江？
- 大模型，在內(nèi)卷中尋找出口
- 比亞迪“天神之眼”重磅升級(jí)：無圖城市領(lǐng)航功能全國開通
- 不愿成為微信的支付寶，注定失敗
- 大廠年終獎(jiǎng)全靠猜？京東帶頭透明化
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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)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(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)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(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
