遠傳科技的“數字主持人”是通過語音合成、唇形合成、表情合成以及深度學習等技術，克隆出具備和真人主播一樣播報能力的數字人。通過語音合成技術和視頻驅動技術，只需要輸入一段文本，它就能在屏幕展現虛擬數字人形象并進行新聞播報，且唇形動作能與播報聲音實時同步。
或許在不久的未來，你再也分不清視頻中的主持人，究竟是真人還是虛擬人，而這一天正在到來。
一、根源探究：「高逼真」的背后
遠傳科技“數字主持人”以真人為原型，通過將真人形象數字化掃描技術，建立超寫實 3D 數字人建模，多模態(tài)識別及生成、實時面部動作生成及驅動、遷移學習等技術「熔爐」，煉就而成。
從效果上來說，3D AI 合成主播給人的最大印象便是高逼真，它較好的還原了真人的發(fā)膚、表情；同時，靈活性、可塑性更強，擁有的豐富的面部表情動作，嘴部唇動，以及身體的輕微擺動，具備在更廣闊空間使用的潛力。
透過 3D AI 合成主播技術實現過程，我們探究它為何擁有如此逼真的效果。
1.數字化掃描技術還原真人形象
建立人物模型必須要有海量數據，遠傳科技數字化掃描技術通過攝像頭對真人原型的身體各個部位進行全方位「打點」掃描，采集每一處細節(jié)，并對其多種形態(tài)的面部表情動作，嘴部唇動，以及身體的輕微擺動進行細致入微地捕捉記錄，還原真人形象。
2.深度學習算法生成3D數字人模型
遠傳科技算法工程師熟練應用深度學習算法，對算法里的大量參數進行調優(yōu)，確保生成的3D數字人模型能夠精確的還原真人在正常說話時候的唇部動作，臉部表情及微動作，對3D數字人模型進行實時驅動、渲染，使其面部肌肉驅動、表情肢體和語言表達能力達到一個較高的度契合。確保非專業(yè)人士無法分辨出是真人拍攝的視頻還是通過數字技術合成出來的視頻。
二、核心亮點： AI 驅動、多模態(tài)交互
1.AI 驅動的 3D 數字人
遠傳科技“數字主持人”是一種由AI所驅動的虛擬存在，擁有和真人一致的音容、笑貌和言談舉止，擁有表達情感和智慧的能力。仔細觀察你會發(fā)現， 3D AI 合成主播是基于 AI 算法實現驅動。
具體來說，3D “數字主持人”靠 AI 算法實時驅動，輸入一個文本就能輸出一個視頻，往往生成一個 1 分鐘的視頻，僅只需要 1 分鐘，幾乎可以看作實時生成。
2.關鍵技術賦能多模態(tài)交互創(chuàng)新
唇動算法、3D建模技術、深度學習算法、5G通信等關鍵技術探索文本、語音和視覺多模態(tài)交互創(chuàng)新的無限可能。
遠傳科技利用唇動算法分析出數字人應顯示的口型標記，突破語言交流過程的表情和唇動的無縫鏈接；根據給定人物形象要求，建立數字人3D模型，綁定骨骼，創(chuàng)立動作動畫和口型動畫；基于深度學習算法、肢體捕捉技術，將文本、音頻和圖片實時生成數字人視頻；5G通信技術則讓用戶跟數字人進行語音視頻互動成為可能，麥克風和攝像頭捕捉用戶的語音和動作，數字人的后端人工智能算法根據場景生成對應的數字人交互動作、表情和語音。
三、未來已來，你準備好了嗎？
遠傳科技“數字主持人”雖然基于真實的人進行建模，但呈現在人們面前的行為都是完全逼真的，能像真實主播一樣，去笑，去哭，去表達，是被創(chuàng)造出來的一個“數字人”。
數字人的未來將會作為主體人的一個副本形式存在于數字世界中，在未來的數字世界中我們將無法分辨出真人和數字人，大量在數字世界的服務將都會由數字人來代替，在電話客戶服務、線上產品講解、電商直播甚至線上演唱會等眾多場景都將會有數字人的角色參與，數字化終極未來也許就是數字人的世界。
你準備好接受一個數字世界了嗎？
