金磊 發自 凹非寺
量子位 | 公眾號 QbitAI
北京冬奧會落幕，“中國式浪漫”刷爆全網。
而從開幕式為起點，所延續的不僅僅是大氣磅礴的視覺盛宴，科技之美也始終貫穿其中。
雲計算、AI、虛擬現實、5G……在這屆冬奧會中可謂是大放異彩。
也難怪外界頻頻發出“科技感拉滿”這樣的讚歎之詞。
而在這其中，一個數字人的出現，竟能讓直播帶貨這件事，有了全新的“開啟方式”。
不僅吸引了超過200萬人次的觀看，更是在短短時間內圈粉數十萬。
她叫鼕鼕，是一位在淘寶直播間售賣冬奧會官方特許商品的“北京大妞”。
但和其他人不同的是，她在直播間除了賣貨，還會大秀“十八般武藝”。
例如奧運健兒奪冠了，鼕鼕就會模仿其經典動作來慶祝：
觀眾們高呼蘇翊鳴，鼕鼕便現場展示了一段封神的1800轉體：
講真，這麼多才多藝、如此拼的主播還是頭回看見。
不過有一說一，眼尖的友友們應該也已經發現了，鼕鼕，她其實並不是人類。
而是由阿里巴巴為本屆北京冬奧會打造的數字人冬奧宣推官。
或許這時你會說了，那她不就是個機器麼？莫得感情，莫得靈魂。
非也非也。
若是看過冬冬直播，很直觀的一種感受就是自然。
人類主播的技能，她也能夠hold得住。來感受一下她的風格：
歡迎尾號XX的朋友進入直播間！
XX朋友，你的需求已經託付給程式設計師小哥哥處理了，不要著急哦。
沒錯，實時互動這一塊，鼕鼕算是拿捏住了。
單從這點來看，可以說鼕鼕不再是大眾眼裡的傳統虛擬人，而是已經進化成為數字人。
畢竟，能否與人類互動，是劃分虛擬人和數字人的分水嶺。
而且她還不是玩兒“表面功夫”的那種，從直播資料來看，業務能力也是夠硬的。
據悉，在直播間核心表現資料的轉粉率和停留時長，而鼕鼕的直播間均遠超了淘寶直播的平均水平。
於是乎，這樣的鼕鼕便迅速引起關注，網友們紛紛感慨她的“敬業”：
為了實現一戶一墩，真的是太拼了，冬姐也不容易啊！
然而，如果細挖鼕鼕這位數字人之後就能發現，直播帶貨，竟只是她能力的一隅而已。
這個數字人，冬奧很忙
數字人鼕鼕，在整場冬奧會期間，可以說是有“多副面孔”了。
這不，在直播帶貨之餘，鼕鼕就開了一個“冬奧脫口秀”的專欄。
等等，數字人？講段子？這能行嗎？
可別小瞧了數字人的能力，鼕鼕說脫口秀的“開啟方式”，是這樣的：
今天的比賽裡，有個專案鼕鼕特別想體驗，在白茫茫的雪地裡自由翻轉滑行，那感覺光想想就讓鼕鼕心跳加快……啊不對，是CPU瘋狂運轉了呢。
大家知道是哪個專案了嗎？鼕鼕給個提示，對於新手來說這個專案只有2個動作：前滾翻和後滾翻。選擇屁股疼還是臉疼呢？
噗！
還別說，鼕鼕雖然是個數字人，她講得脫口秀還是蠻逗的。
而且在脫口秀期間，除了用詼諧幽默的語言講段子之外，鼕鼕還會穿插著講解與冬奧專案有關的知識。
真是科普、搞笑兩不誤。
但直播間，只是鼕鼕工作場合之一，這不，她在冬奧會期間還參加了CCTV-5《體壇英豪》節目的錄製。
在其中的一期節目中，短道速滑運動員武大靖，就成了她的採訪物件。
現場，鼕鼕還請求武大靖指導一下她最新學會的短道速滑動作。
在瞬間變裝後，便在武大靖面前開始展示：
鼕鼕問武大靖：“你知道我的動作是跟誰學的嗎？”
武大靖自信地回答道：“我唄，肯定是學我唄。”
而後，鼕鼕和武大靖展開了輕鬆愉悅的快問快答。
鼕鼕：這屆冬奧會最難忘的時刻是？
武大靖：我們獲得首金的時候。
鼕鼕：頭盔的圖案為什麼選擇華夏戰神孫大聖？
武大靖：因為它的寓意很好，孫大聖的感覺就是拼命吧。
鼕鼕：保溫杯裡泡的是什麼？
武大靖：沒泡枸杞，泡的是正常的水。
鼕鼕：金墩墩拿回家，會放在哪裡？
武大靖：放保險箱裡，其他人說已經聯盟要弄我。
……
一番交談還挺自然，鼕鼕模模擬人記者有模有樣。
那麼一個AI數字人，能夠做到如此的實時和擬真，接下來的一個問題便是：
鼕鼕，是怎麼煉成的？
隨著數字人鼕鼕在網上的走紅，其背後的技術能力也逐漸浮現了出來。
據瞭解，鼕鼕之所以能夠像人類一樣自然，主要得益於阿里巴巴數字人技術團隊多年來在此的技術積累。
首先，是在外觀的自然度方面。
要讓虛擬人在說話過程中做到自然，就需得像人類一樣，把嘴、表情、肢體動作等等做到統一、協調。
鼕鼕背後的技術所採取的策略，則是AI實時驅動。
例如在“嘴型驅動”上，鼕鼕可以做到播報的語音和嘴型對應；並且在說話過程中，會融合適合的面部表情，比如微笑、興奮、生氣、疑問等。
除此之外，鼕鼕的身子，即肢體動作，也會配合內容而發生改變，例如揮手、鼓掌等等。
而且為了在視覺上達到更加逼真的效果，阿里採用了Unity HDRP高畫質管線來實時渲染擬真人級別的數字人。
包括實時的模擬自然光照、動力學（比如服裝、頭髮的擺動）等效果。
但若僅僅是停留在外表，那要跟人類相比，還是差點意思的。
要想在直播間裡和使用者長時間自主互動，流暢對話是一個必要條件。
多模態雙工互動能力（MMDI，multi-mode duplex interaction），便是其採取的策略。
具體而言，是在深度融合了多模態理解和雙工對話管理技術的基礎上，構建了一套全智慧驅動的數字人雙向互動能力。
這讓數字人具備了像人一樣邊說邊聽的技能，即使被打斷也可以繼續順暢溝通。
而且聲音、表情、動作在表達時能夠自然地整合在一起。
但光是“形象逼真”、“可以互動”，還是不夠的。如何能夠讓使用者覺得鼕鼕言之有物，內容紮實豐富，是非常重要的。
這就需要鼕鼕具備“智慧指令碼生成”（AI Script Generation，AISG）的能力。
為此，阿里數字人技術在深度融合預訓練和知識圖譜基礎上，構建了一套全智慧的可控指令碼生成方案。
核心就是將以往專家撰寫指令碼的方式，轉變成了機器自動撰寫。
更具體一點，AI演算法模型會根據“冬奧知識”或“喜劇寫作公式”，展開一個自主學習的過程。
而後數字人再結合NLP和風格化生成技術，就可以在面對不同場景的情況下，快速生成順暢、有邏輯，且自然風趣的語言。
這也就是鼕鼕為什麼能夠在長達2小時之久的直播時間裡，不間斷的輸出內容、持續互動的原因了。
不僅如此，鼕鼕還可以在直播過程中，對突發的賽事新程序做最新的報道。
例如一旦有新的獎牌誕生，她就會立即對與之相關的賽事背景、規則、選手簡介等等內容做介紹。
這種即時性，便是得益於新華社與UC的合作，可以讓鼕鼕從新華社UC大魚號上獲取最新賽事動態內容。
另外，鼕鼕在冬奧會期間身兼數職，這也需要她拿出不同的“職業狀態”。
例如在直播間，鼕鼕就得用主播的口吻來說話；脫口秀環節時候，鼕鼕的說話方式就得幽默詼諧。
為了達到這種效果，鼕鼕的智慧語音技術團隊深度融合端到端語音合成與傳統語音技術，能在更低的成本、讓資料錄製週期變得更短。
同時融入情感語音合成技術，這就鼕鼕可以在不同場景之中，表達不一樣的感情。
……
不過有一說一，從鼕鼕在冬奧會的種種表現中，其實不難看出一種趨勢的發展：
人與虛擬人，界限越發模糊
雖然在近一段時間裡，“虛擬人上崗”的訊息層出不窮。
不過數字人鼕鼕的出現，似乎讓人類與虛擬人的介面進一步模糊了起來。
以往虛擬人即使在外觀和語音的自然度能夠做到高度逼真，但人們對他們的印象或許依舊會停留在“莫得靈魂”。
但這一次，卻截然不同。
例如在直播間這種高度需要互動的場景中，鼕鼕就不是“自顧自的”的表演。
當有人在直播間問鼕鼕：“你吃飯了嗎？”
她有時候就會回答“我是吃程式碼的”，然後開始念自己的二進位制程式碼；但有時候鼕鼕也會回答說自己在吃烤鴨。
這樣的交流方式，就會讓螢幕前的觀眾感受到與人類主播一樣的迴應與互動。
鼕鼕的出現，為數字人的生命力探索了一個持續產出內容和互動的新場域。
數字人的生命力，不僅僅是字面上時間的長與短，更多的應當是“成長”與“複製”。
換言之，不是打造出了數字人，這塊工作就結束了；而是需要在環境的加持與訓練中，不斷讓自己在“像人”這件事兒上做到極致。
與此同時，能夠獨當一面地快速上崗和適應新的場景，也是數字人“生命力”的體現。
那麼最後，或許也是大家最為關心的一個問題：
我們為什麼需要數字人？
從鼕鼕此次的表現上來看，她能夠連續十多天2小時不間斷地在直播間帶貨，並且能夠跟觀眾做到很好的互動，從能力上來講已經具備了上崗的能力。
與此同時，她還能以同樣的業務水平，同時間上崗其它場景，光是這一點，便是人類很難達到的極限。
也就是說，現在的數字人能夠以一己之力同時勝任住多項任務，從而大大的釋放了人力和物力成本。
而除了鼕鼕之外，本次冬奧會還有虛擬人上崗運動員助理教練、氣象主播等職務。
放眼冬奧會之外，例如柳夜熙、新聞主播N小黑/N小白的爆火，更是從側面反映出普通大眾對虛擬人的認可和接受。
數字人未來想象力的大門，已經打開了。
而更宏觀地來看，數字人在本屆冬奧會所體現出來的，不僅僅是其本身能力的展示，更是在釋放著一種新訊號：
前沿技術，正逐步步入常態化。
據悉，此次北京冬奧會實現了212項技術的落地應用，其中33項為首次使用。
在未來，這些技術或許不再是“奧運專享”，走進你我的日常也是大有可能。
……
最後的最後，要問現在虛擬人發展到了什麼地步？
無疑的一點是，人與虛擬人的界限越發模糊；或許，隨著智慧技術越來越發達，人機共生時代已經到來。