首页 > 科技快讯 > 对不起，虚拟数字人拒绝做社畜

对不起，虚拟数字人拒绝做社畜

晰数塔互联网快讯
2022-05-11 12:08

小冰打工10年了，小爱打工5年，虚拟数字人他们都有光明的未来？

显然不是所有虚拟数字人都像小冰、小爱那样热爱工作，即便元宇宙概念持续走热，作为人类未来在元宇宙世界的虚拟分身，爱屋及乌，虚拟人产业也受到广泛关注，并且在现实生活中呈现出商业、文化等领域的持续拓展。应用场景从虚拟KOL、虚拟偶像，到虚拟直播间主播、基础服务虚拟人，变现路径从传统的演唱会、唱片、广告代言，到直播打赏、直播带货，商业变现模式逐渐多元化。但是除了前面提到的小冰、小爱等少数几位数字虚拟人成为一名勤勤恳恳的打工人，其他即便是柳夜熙也是三天打鱼两天晒网，那么虚拟数字人是打工人还是搞笑人？

01 虚拟数字人来了

最早的虚拟人出现于20世纪80年代，1982年，世界上第一个虚拟偶像歌姬林明美诞生，而在两年后（1984）的英国，又诞生了世界首位参演电影的虚拟人——Max Headroom，不过此时虚拟人仍处在萌芽时期，其实现手段仍以手绘为主；而进入21世纪后虚拟人进入了新的探索时期，CG、动作捕捉等计算机技术取代手绘成为虚拟人技术的新宠，最成功的案例便是2001年的《指环王》中通过CG动作捕捉而塑造出的咕噜一角。

而2015年之后，虚拟人则发展到了初级阶段，终于可以尝试出入各种场合了，譬如2018年新华社与搜狗合作打造的虚拟主持人（以主持人邱浩为原型打造），再比如某房企拿下了最佳新人奖的虚拟员工等……而在这一时期，AI深度学习算法成为了虚拟人制造的关键技术，那么当下的虚拟数字人究竟是怎么诞生的呢？

虚拟人的制作流程涵盖了诸多技术，制作方式仍在逐步进化中，存在某些步骤互相融合的趋势，但尚没有完全定型的整套解决流程。虚拟人制作流程中最为核心、最具挑战的是建模、驱动、渲染三大流程。

先说建模，目前的建模方式主要可以分为三种：第一种是手工建模，这是最初的建模手段，目前仍广泛应用，但人工制作周期较长。第二种是图像采集模型，通过几张照片还原人脸 3D 结构，但其精度仍不足以建立高质量模型。第三种是仪器采集模型，是目前发展的重点，其精度可达 0.1 毫米，但目前成本较高。

再说驱动，虚拟人驱动部分按照基本逻辑可拆分为面部动作和肢体动作部分。面部动作部分最具挑战的是嘴部动作，其基本逻辑为：以文本为起点，制作相关语音与动画，并通过大量模型训练，最终达到任意文本可驱动的模型。具体驱动方式有视频算法训练，即使用大量与文本绑定的语音嘴型视频进行机器训练；接着将语音与动作相绑定，从而达成文本输入到特定动作的实现；最后通过相关设备采集点，将真人的面部动作还原到模型当中。而肢体动作目前主要的生成方式则是动作捕捉，具体实现方式是光学式、惯性式、电磁式及基于计算机视觉的动作捕捉。

最后便是渲染，渲染指对三维物体或虚拟场景加入几何、视点、纹理、照明和阴影等信息从而达成从模型到图像的转变，渲染决定了最终作品的质量与风格。渲染技术的升级是综合实力的体现，每一次技术提升对数字人皮肤纹理、3D 效果、质感和细节等方面提升巨大。

目前渲染技术分为两类，离线渲染技术（预渲染技术）和实时渲染技术，其本质区别是在目前发展状况各项局限下，对时效性和图形质量间的取舍。离线渲染技术不关心完成速度，这类渲染技术主要应用于影视动画等方面，其对真实度、精细度有较高要求，可使用更多的计算资源。

实时渲染技术重点关注交互性与时效性，适用于用户交互频繁的场景，如游戏、虚拟客服、虚拟主播等，此类场景要求快速创建图像。目前图形生产硬件和可用信息的预编译等提高了实时渲染的性能，但其质量仍然受限于渲染时长以及计算资源。随着硬件与算法的提升，实时渲染技术已具备较强的综合表现实力，预计将逐步普及。

02 努力成为一位合格的打工人

目前上至腾讯、阿里等巨头科技公司，下至抖音中的电商直播间，似乎人人都想让虚拟数字人成为光荣的劳动者……

虚拟偶像是虚拟数字人的重要类别，也是主要的变现方式之一。1982 年，以手绘技术作支撑的世界第一位虚拟歌姬林明美诞生，虚拟人首次被引入现实世界，其发布的音乐专辑取得骄人的成绩，证明了虚拟人利用高质量内容变现的商业模式的可行性。随后职业偶像始终作为虚拟偶像发展主流，海外及中国均不断推出歌唱类或唱跳类虚拟偶像，包括以初音未来为代表的日本虚拟歌姬，和以洛天依为代表的中国虚拟偶像，走出了较为成功的商业变现之路。2016年以后，虚拟角色兴起，虚拟主播、虚拟 KOL、虚拟品牌形象频频出世，在直播、电商、品牌营销等细分场景参演。

而虚拟主播则是虚拟数字人另一重要类别。早在 2004 年，央视电影频道就推出了第一位虚拟主持人小龙，但由于当时国内虚拟人技术不成熟，小龙的智能水平低，只是昙花一现。如今虚拟新闻主播和虚拟主持人已经走向高拟人化和高智能化，在其 AI 系统支持下，不仅能通过文本输入实现声音加画面的同步输出，大大提高内容产出效率和准确性，而且形象超写实，可根据不同场景选择姿态、动作、服装等，甚至在实时渲染技术加持下虚拟主持人能参与进节目录制或直播中，完成实时互动：2019 年小小撒亮相央视春晚直播，与撒贝宁互动。

但是放大到整个行业从整个虚拟人的制作流程来看，目前的制作方式自动化程度低，尤其是 3D 虚拟人需要大量的人工参与，AI、算法的开发和建模数据积累还需要时间，尚难以实现高效率地生产高质量虚拟人。因此从制作成本上看，一个标准化的功能型虚拟人项目（客服、导游等）基本需要投入十几万到几十万不等的成本，具体数额取决于建模精细度、渲染实时性、交互深度等技术细节。而虚拟偶像、虚拟 KOL等制作成本则要更高，例如 “邓丽君”虚拟人、柳夜熙等，成本高达上百万，如要在舞台现场表演呈现更好的效果，则成本更高，可以说当前虚拟数字人要的工资又高又不能干活，还不是一个合格的打工人。

本文来自微信公众号“Techsoho”（ID:scilabs），编辑：Light，出品：科技智谷，36氪经授权发布。