AI開始為數(shù)字人注入靈魂
作者|弗雷迪 來源|格隆匯APP(ID:hkguruclub)
B站網(wǎng)友用AI模型生成了歌手孫燕姿的AI分身,其實跟車載導(dǎo)航上的“林志玲”、“郭德綱”類似。拿歌手本人的音頻去訓(xùn)練,生成一個音色一模一樣的“孫燕姿”。
然后,讓偶像唱自己喜歡的歌的心愿,就以這樣一種詭異的方式實現(xiàn)了。
圖源:B站
海外的玩法更加離譜。
美國一個擁有180萬粉絲的23歲女網(wǎng)紅,通過用GPT-4復(fù)刻了自己的AI分身,然后同時與1000多個網(wǎng)友談戀愛,每分鐘收費1美元。
僅一周,她就狂賺了7.16萬美元。
并且還遠不止如此,現(xiàn)在她的“男友”還在急速增加中,目前已經(jīng)增加到了近萬人,排隊等待與她“談戀愛”時間已經(jīng)長達96小時。
有分析認為,按照趨勢,她月入500萬美元沒有任何難度,如果不是技術(shù)限制,她賺到的錢,將可能是一個天文數(shù)字。
這些現(xiàn)象已經(jīng)可以充分說明,一個由AI+帶來的新技術(shù)紅利時代,正在被急速到來。
01
數(shù)字人軍團涌入直播間
直播帶貨是虛擬IP變現(xiàn)最具潛力的場景。
Z世代對社交、視頻、網(wǎng)購等工具的使用深度遙遙領(lǐng)先于全網(wǎng)平均水平,數(shù)字人和虛擬空間結(jié)合的新玩法給他們帶來了體驗感和交互性,虛擬IP的核心粉絲大多來自18-24歲的年輕群體。
這一趨勢讓品牌方看到了讓產(chǎn)品打破圈層的機會。
2020年,虛擬歌手洛天依和樂正綾等來到淘寶直播間,為博士倫、美的、歐舒丹等品牌帶貨。這場直播觀看人數(shù)高達270萬,有近200萬人打賞互動。
這在當時一度掀起巨大的討論,虛擬數(shù)字人直播的時代已經(jīng)來了。
而隨著今年由chatGPT掀起的人工智能大模型熱潮,虛擬數(shù)字人領(lǐng)域又迎來一輪更加磅礴的爆發(fā)。
一大批量的虛擬數(shù)字人開始扎堆涌進直播間。
今年4月份,天娛數(shù)科旗下的虛擬數(shù)字人“朏朏”已完成 ChatGPT 模型接入,并完成直播首秀,不僅能夠?qū)崟r響應(yīng)顧客的提問,還能根據(jù)不同問題進行自主回答。
圖源:抖音
在短視頻上,出現(xiàn)過很多這樣的場景:一家公司的整個辦公室里空無一人,只有一排排辦公桌上有數(shù)十臺電腦屏幕里的AI美女們正在直播......
圖源:短視頻
這家公司,只靠2D超寫實的虛擬形象,提前準備好的話術(shù)和背景,就可以直播一天,雖然單個效果不如真人直播,但成本低到令人發(fā)指,而且還可以超低成本復(fù)制,勝在以量取勝,真正是做到躺著讓AI掙錢也并非不可能。
這一切,在說明,一場基于“AI+”的內(nèi)容效率革命,正在數(shù)字人領(lǐng)域爆發(fā)。
虛擬數(shù)字人根據(jù)制作技術(shù)、應(yīng)用場景、形象特點分為很多種。
與3D人氣偶像不同,現(xiàn)在大多數(shù)直播間里說話的根據(jù)真人原型復(fù)刻聲音、表情的2D寫實數(shù)字人,你根本分辨不出是真是假,但制作成本遠低于勇闖娛樂圈的A-Soul IP們。
一個虛擬主播可以進行7*24全天候的直播工作,隨叫隨到,也不用擔心人設(shè)翻車的問題,減少了直播運營中的人工成本。
這背后,是AIGC在重新塑造數(shù)字人的生產(chǎn)流程。
2D數(shù)字人的制作用上了深度學習,只需要確定形象設(shè)計,圖文音頻數(shù)據(jù)經(jīng)過采集、預(yù)處理后上傳到模型訓(xùn)練,制作方式相對3D更簡單,更標準化,制作效能不斷提升。
這種工廠流水線的方式,使數(shù)字人的制作門檻、成本和周期得到了大幅縮短。
同時,隨著行業(yè)制作端的技術(shù)迭代和成本驟降,針對小型客戶的數(shù)字人解決方案也開始涌現(xiàn)。
在4月份,騰訊云發(fā)布的數(shù)字人生產(chǎn)平臺,需要生成真人形象的數(shù)字分身可以在平臺上采購服務(wù),只需上傳圖像音視頻即可實現(xiàn)定制,根據(jù)不同音色、視頻時長收費。
除了制作數(shù)字人,還可以提供整套數(shù)字人直播解決方案,功能包括了真人音頻接管直播間,獲取用戶評論智能回復(fù),定價僅需要千元級別。
而有些渠道商,打包售賣AI主播的定價甚至只要200元以內(nèi)。
這些主播形象大多來自模特經(jīng)紀公司的授權(quán),投放質(zhì)量雖然粗糙,摳圖痕跡明顯,聲音也沒有特點。
但對普通的中小企業(yè)來說,沒有大V帶貨,花不起上百萬定制高端IP,想要壓縮運營成本, 快速起量,幾千塊的數(shù)字人已經(jīng)夠香了。
數(shù)字人直播間,硅基
企業(yè)如果想要自己修改代碼,產(chǎn)出不同的數(shù)字人,還可以向技術(shù)提供商購買源碼,售價要比直接買AI主播更貴,不僅能自用,還可以使用源碼發(fā)展代理,甚至比自己做數(shù)字人直播還賺錢。
但AI數(shù)字人的故事,還沒有講完。
02
AI注入靈魂
IDC在《中國AI數(shù)字人市場現(xiàn)狀與機會分析》報告中將數(shù)字人分為五個等級,目前數(shù)字人發(fā)展經(jīng)歷從手工制作到AI建模的階段,初步具備人的外形,但還只能做簡單的交互決策。
當智能化水平來到L4、L5級別時,AI驅(qū)動的數(shù)字人能夠接管大多數(shù)場景決策,支持更多模態(tài)的實時交互,類似鋼鐵俠的私人AI管家“賈維斯”。
虛擬數(shù)字人過去三十年的發(fā)展,技術(shù)發(fā)展和市場需求基本圍繞著兩點在演變,一是視覺效果;二是交互體驗。
虛擬數(shù)字人最早出現(xiàn)在游戲、動漫、電影里,對新潮事物的情感連接和IP價值的延伸遙相呼應(yīng)。
早期的角色型IP使用手繪,動作要一張一張地畫。1982年,日本動畫《超時空要塞》的女主角林明美成為了首個發(fā)行音樂專輯的虛擬歌手。
初代歌姬林明美
在電影里,形象可以用計算機建模,但動作還得讓人來做,CG技術(shù)和動作捕捉等技術(shù)逐漸普及,依靠綠幕,捕捉設(shè)備,演員可以成為任何角色。
千禧年后,從02年的《指環(huán)王》到去年的《阿凡達2》,角色的渲染效果已經(jīng)細致入微,為藝術(shù)創(chuàng)作帶來了巨大便利。
《指環(huán)王》中“咕嚕”的形象由真人捕捉
到這里,數(shù)字人技術(shù)的發(fā)展圍繞更像“人”的極限一步步逼近,不僅僅要求外觀、服裝上的視覺效果趨近真實,還包括驅(qū)動(呈現(xiàn)真實細膩的表情和動作)和渲染(讓畫面更加精細實時)。
不過,總覺得還是缺了點什么。
1970 年,日本機器人專家森昌弘提出“恐怖谷”理論,由于機器人與人類在外表、動作上相似,所以人類會對機器人產(chǎn)生正面的情感。
當機器人與人類的相似程度達到一個特定程度的時候,一點點的差別都會被放大,并帶來負面和反感情緒。而當機器人與人類的相似度繼續(xù)上升,人類對其情感會再度回到正面。
與電影不同,社交屬性更強的應(yīng)用場景對數(shù)字人實時交互的要求更高,不只是滿足于制作一個好看的“花瓶”而已。
在交互方面,自然語言模型填補了這一空缺。
文本生成能力已經(jīng)驚艷眾人的GPT,給數(shù)字人的“智商”加上了兩道杠。
NLP大模型是AI驅(qū)動虛擬人的技術(shù)基石,簡單來講就是讓虛擬數(shù)字人能說會道,減少標準化內(nèi)容的制作成本,被訓(xùn)練來擔任智能客服、主持人、導(dǎo)游等角色。長期來看,隨著個性化和情感理解的能力提高,為老人提供陪伴關(guān)懷,成為小孩子的”私人教師“也將實現(xiàn)。
此外,嘴型動作也可以由AI驅(qū)動,建立起與文本的映射關(guān)系,隨著寫實程度的提高,微表情也就更豐富,說話的時候表情、口型能夠?qū)Φ蒙?,這樣的數(shù)字人不僅“形似人”,而且“神似人”。
新華社:全球首位數(shù)字航天員:小諍
Midjourney是基于diffusion model擴散模型的爆款產(chǎn)品,在去年7月發(fā)布,通過文本輸入指令訓(xùn)練AI繪畫。
一對情侶,由Midjourney制圖
有機構(gòu)測算過,目前其年收入就已經(jīng)能夠達到1億美元的規(guī)模。
有B站up主用Midjourney復(fù)原了奶奶的寫實形象,從外觀上看,衰老的皮紋和白頭發(fā)細節(jié)感十足,加上過去的音頻重現(xiàn)奶奶的聲音,最后通過D-ID生成了奶奶的數(shù)字分身。
為了彌補未與奶奶好好告別的小遺憾,孫子和眼前的數(shù)字“奶奶”開啟了對話,而“奶奶”親切地回應(yīng),其實是ChatGPT提供的回答素材。
圖源:B站
正是通過這些用戶端的越來越多的嘗試,反過來為AI的“人格化”不斷添加海量訓(xùn)練素材,加速豐富AI模型數(shù)據(jù),最終讓AI為數(shù)字人注入靈魂,帶來更大可能。
03
尾聲
對虛擬分身的探索至今持續(xù)了三十余年,從手繪到真人驅(qū)動,再到AI驅(qū)動,擬真感和交互性的體驗進步打開了廣闊的應(yīng)用場景,涓流匯成大海。
AIGC幫助將普通人的外觀、聲音等特征全面數(shù)字化,更低的制作門檻打開了市場的想象空間。
IDC預(yù)計,到2026年中國AI數(shù)字人市場規(guī)模將達到102.4億元人民幣,但能夠給我們帶來多么良好的體驗,決定了數(shù)字人最終的命運。
同時,AI數(shù)字人具備下一代人機交互入口的潛質(zhì),未來我們面對的或不再是冰冷的屏幕,而是生動活潑的數(shù)字人類,越能夠挖掘最深層次的情感需求,成為我們生活里的參與者。
或許正如AI教父所言,人類只是智慧演化的過渡階段,以便創(chuàng)造出數(shù)字智能,如今我們終于有一個長得像人類的數(shù)字分身,像我們一樣說話,以后或許還能像我們一樣思考。(全文完)
編者按:本文轉(zhuǎn)載自微信公眾號:格隆匯APP(ID:hkguruclub),作者:弗雷迪
前瞻經(jīng)濟學人
專注于中國各行業(yè)市場分析、未來發(fā)展趨勢等。掃一掃立即關(guān)注。