虚拟数字人的应用和观察

生成式AI的技术让虚拟数字人不仅仅只有系统设置好的能力，更可以具备“灵魂”。

如何让虚拟人有生命力和有影响力，是未来行进的方向。

21年我关注这方面的时候，大部分还是处于电影特效环节，一个真人需要穿一些专业的动捕设备，然后需要设计同学进行大量的人工建模和绑定；

23年年底到现在我再次对这个行业的现状进行了一些摸索，发现确实有了惊人的迭代。

刚开始还是处于应用本身的更新，22年我有次在广州一个展会上看到了做数字人直播的SaaS公司，印象非常清楚，当时还询价，大概是8000/人/月；而且其他的展位都是有商品的，只有这家放了ppt，而且连海报都还没有，只是一个黑白A4纸，打印的产品说明。

当时这家公司的人还是一些“假人”建模出来的，并且音和形的拟合度也非常低。

整体观看，非常假。

但是时日至今，现在确实能够够看到一些还不错的数字人。

一、虚拟数字人的几个常见应用

1. 虚拟偶像

产出一些音乐、小短剧、照片等，主体基本由公司进行运营，在各大社交平台进行圈粉。

商业化变现路径：粉丝经济

代表作：洛天依（二次元音乐）

柳夜熙（剧情）

2. 虚拟主播

播音主持专业赛道，对新闻、综艺等进行专业的主持；也有在抖音小红书代替真人出镜，呈现内容；

商业化的变现路径：节省人力 资本价值

代表人物：央视的主播小C

3. 数字员工

服务于企业，多有IP属性、品牌代言和跨界属性，带来一些“噱头”，视觉效果加持，提供一些客服能力。

商业化路径：品牌价值、资本价值

代表人物：百信银行的员工AIya

4. 虚拟导游

服务于各地的文旅局，作为旅游IP的特性进行呈现；现在这这两年的商业化路径看起来还不错。

古人现代化呈现（虚拟李白）

商业化路径：代言人、AI概念加持

代表人物：刘三姐

5. 数字分身

概念：大多数是对现实生活中的人提供一个第二数字分身进行呈现，比如现在的老黄，主要是作为公司的代表作进行呈现，比如最近的刘强东直播、黄仁勋数字分身。

二、技术方案

实现路径：造个虚拟人出来–>能表达（说话不假）—>能够产生交互（能回复问题）

最原始的状态：动捕设备 手工渲染

现在的方案：

1. 人怎么造出来

• 手动建模：通过unity3D.c4d等等都可以建模（原始）
• AI绘画的技术：
• 文生图通过文生图的形式，构建一个人(通过
• AI换脸通过真人图像转虚拟人的形式（比如抖音的一些头像、写实画像转二次元、妙鸭..）

2. 人怎么动

真人驱动：通过动作捕捉设备进行关联，记录动作坐标；

代码驱动：对生成的数字人模型进行骨骼、表情的绑定以实现后续驱动；

智能驱动：通过动作的描述、口型、表情，等等，自动进行有动作流的绑定与生成。

3. 声音拟合

这里就像是我给一个视频配音，如何提高精准度，这里大家应该都感受过，需要一直不断地拉大视频的帧，这样才能对的更整齐

但是这里还有一个问题，我们还需要让这个人的口型和语音对上，这个其实就是一个技术难点了（比如前几年电视剧的后期配音大家是非常能明显的感觉到区别）

过去的做法，是我需要人工把人物模型说话的模型建模渲染出来，然后让语音对齐这个口型；

口型动画生成技术：现在的技术已经攻克了口型和语音的自动拟合，能够实现我通过语音驱动这个人物模型的口型；

但是坦白讲，随着语言而变动表情和语气，这个点，确实现在还没有看到，或许也是成本太高了，一时半会不太能呈现出来。

4. 如何产生交互？

对话这件事情，现在已经有了生成式大模型、知识库，对于信息的输入和赋予灵魂的输出，这件事情，倒不是技术困境了，阻力核心还是集中在，如何结合多模态让人类感知到这个“数字人”真实性。

三、未来来商业化的方式（个人思考）

1. 电商的应用场景，真实度提升的那一刻，虚拟主播会逐步进入大家的世界

现在能看到的一些数字人直播间还是非常初级的阶段，大多还是基础的实现口播，在情绪和问答数据交互上存在一些瓶颈，但是这些是可以通过现有的模型技术进行解决的，相信很快会有大的厂商在这里解决这里的技术问题

• 在一些大厂的基础商铺会首批上线，比如集团下的多个化妆品品牌等等；
• 一些本地生活的连锁门店的直播间，交互范围有限，且需要靠抖音直播的时长来转化优惠券和流量的；

四、文旅行业会快速落地

现在各地的文旅局，都在推进AI的应用，不管是博物馆的ar眼镜还是一些全息投影叠加AI人物的生成

导览数字人、代言人，这些都可以快速提升游客的感官体验。并且在这个场合中，“假”并不会被过度放大。

eg：上次在山东省博物馆和河南省博物院，都有看到类似的应用，通过ai的方式展现了京杭大运河当前的开凿和状况；还有李白杜甫这些诗人的经历，都有通过虚拟人 生成式视频 现场交互的方式，给游客带来较好的体感

助手数字人化

日常大家会使用siri和小爱同学等等的语音对话助手，但是这里的siri是一个同样的siri，而且只是语音

如果现在你可以真实的构建一个数字人助手，可以yy一下，我可以线上设定他参数，比如我希望他是boy or girl ，语气是怎么样的，学历背景和工作履历是如何的，从一维二维的对话，走向三维的视频，同时再结合一些VR眼镜等等硬件，可以在特定的环境实现真实对话。。纯yy暂无一些资料表明。

五、国内的一些商业化方案

1. 单一IP的定制化方案

• 强定制化品牌形象的数字人：央视电视台主播、政务IP
• 卖捏好的人（SaaS方案）-for电商直播（百度的智能云） 

• 软硬件一体化方案-for电商（讯飞）
• 重点发力重视数字人直播赛道

会员制，卖时长和做好的视频–For内容制作者（云平台）如影

数字员工解决方案（小冰）

六、技术困境

1. 生动性：包括最近大家看到的刘强东京东直播，都是非常死板，没有“人味”

虽然解决了口型的问题，但是对于情绪和表情上，还是没有办法进行通用的商业化，这里在未来的一段时间必然是攻克的瓶颈。

2. 算力：大模型的通病了，如何降本，让这件事情走进千家万户

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！