7月11日，王小川在香港RISE科技大會上秀了一把搜狗的AI黑科技， 其中最為吸睛的要屬首次亮相的搜狗全球首個虛擬主播。

個人認為搜狗選擇在此時推出虛擬主播技術(shù)或是有自己獨特的考量。搜狗在前幾天剛拿下Blizzard Challenge 2018 語音合成大賽的冠軍，而在上個月，搜狗的視覺研究團隊獲得了CVPR WAD2018 挑戰(zhàn)賽冠軍。

前者是語音合成領(lǐng)域最具權(quán)威性、廣泛性的國際評測比賽之一，每年都吸引眾多國際一流的科研單位和一流企業(yè)參賽。后者則是國際上唯一以自動駕駛視覺為核心的頂級評測大賽，以數(shù)據(jù)規(guī)模大、難度高著稱。

在人工智能大賽上接連折桂后，搜狗再度推出虛擬主播技術(shù)，更容易給外界傳遞搜狗已逐步建立起獨一無二的人工智能技術(shù)的訊號。

以假亂真 搜狗虛擬主播拓展AI新邊界

那么虛擬主播到底是什么？長什么樣？王小川在RISE大會上為大家做了最直觀的解答。

"2018年7月9日，RISE大會再次降臨香港。"這是央視新聞主播姚雪松同步播報大會新聞的聲音，屏幕上還顯示出姚雪松的臉，連唇語都能全部對上。不過，屏幕上并非姚雪松本人，而是一個虛擬主播。

音視頻中的"姚雪松"通過對姚雪松真人數(shù)十個小時的音視頻素材進行訓練與計算，按照文本生成一段音視頻同步新聞在RISE大會上播報，看起來聽起來都與真人播報無異。

搜狗虛擬主播背后的技術(shù)結(jié)合了人臉識別、人臉建模、語音合成以及深度學習等多項前沿技術(shù)，能將任意文本轉(zhuǎn)化為相應的唇語，為用戶提供多模態(tài)的交互體驗并具備高度的可定制性。簡單來說，虛擬主播可以模仿你的聲音和說話方式，"復制"你的容貌和面部表情并生成一個"你"，對任意的文本進行播報，當然這個"你"是以音視頻的方式出現(xiàn)。

不得不說，搜狗虛擬主播已經(jīng)達到以假亂真的程度，這是全球首個高度實用化、定制化的虛擬主播。

虛擬主播技術(shù)的應用場景也非常廣泛。首先，作為具備視頻內(nèi)容生產(chǎn)能力的一項技術(shù)，該技術(shù)可以運用在諸如新聞、媒體內(nèi)容等場景中，自動實時快捷地生成富媒體內(nèi)容。

另外，結(jié)合搜狗語音交互系統(tǒng)知音OS能力，可以讓虛擬主播具備交互能力，虛擬主播技術(shù)可以應用于教育、醫(yī)療、客服等多個行業(yè)，節(jié)約大量的人力成本，還可以應用于各種具備交互能力的智能軟硬件。

最后，虛擬主播技術(shù)還能根據(jù)用戶上傳的單張人物圖片（明星、朋友、家人等）實時生成該人物的虛擬主播形象，用戶可以與其面對面交流。

值得一提的是，搜狗還會繼續(xù)提升虛擬主播的能力，包括豐富虛擬主播的內(nèi)容方式，應用到媒體內(nèi)容服務、新聞機構(gòu)；和語音交互進行結(jié)合，生成虛擬個人助理的形象，提升人機交互體驗等等。而這樣的提升又會促使虛擬主播技術(shù)應用到更廣泛的領(lǐng)域。

虛擬主播在技術(shù)上的實現(xiàn)意味著AI具有了更豐富的表達方式，從文字表達走向音視頻的富媒體表達，刷新了AI的邊界。虛擬主播究竟會以何種方式滲入我們?nèi)祟惖纳顣翰豢芍?，不過隨著AI技術(shù)的不斷突破，未來虛擬主播打破次元壁和時空，從而無處不在，也不是沒有可能。

以語言為核心的搜狗AI戰(zhàn)略布局

從搜狗搜索到搜狗虛擬主播，背后其實是搜狗以語言為核心的AI戰(zhàn)略布局。

王小川在RISE大會上說，AI時代企業(yè)要做的不是多面開花，而應該認準戰(zhàn)略方向讓技術(shù)有的放矢。搜狗認準的這個戰(zhàn)略方向就是語言。

回顧搜狗本身的核心產(chǎn)品，一款是搜狗輸入法，另一款是搜狗搜索引擎。前者用語言表達思想，后者本身也是在處理語言，加之近年來搜狗圍繞語言處理出了不少智能硬件，足以看出搜狗在語言領(lǐng)域下的功夫。

事實上，不僅是搜狗，大佬們也紛紛圍繞"語言"布局AI。無論是百箱大戰(zhàn)中Amazon Echo、Google Home等多款圍繞著語音交互打造的智能音箱，還是會打電話的Google Duplex、會辯論的IBM Projector Debater，都聚焦于讓機器擁有"語言"的能力來打入AI終端。

為何大家紛紛下注"語言"呢？

在王小川看來，"語言"是人工智能皇冠上的明珠，也是AI的未來。"語音、圖像通過向量化已經(jīng)可以被深度學習，很好的解決，但語言做為一種符號，它的處理在今天還是依然最具挑戰(zhàn)的事情，掌握一種語言就是掌握了一種靈魂。"

而搜狗一直在圍繞語言主攻兩個產(chǎn)品發(fā)展方向，一種是自然交互，通過語音和圖像讓人跟機器能夠更自由的表達；另一種是知識計算，包括翻譯、問答和對話技術(shù)，協(xié)助人類處理語言之間的溝通問題。

這種有的放矢的戰(zhàn)略讓搜狗收獲不少成就。比如，搜狗輸入法已經(jīng)成為中國最大的語音輸入法，日均語音輸入調(diào)用次數(shù)峰值達4億次，可以智能斷句、標點預測，語音識別準確率超過98%。

比如，搜狗運用神經(jīng)網(wǎng)絡機器翻譯技術(shù)，加之以上億級雙語平行語料訓練，搜狗翻譯目前已經(jīng)支持61種語言的互譯。搜狗將翻譯技術(shù)拓展到用戶出國和學習工作的使用場景，在今年連續(xù)推出了搜狗旅行翻譯寶和搜狗錄音翻譯筆兩款智能硬件，后者曾被馬化騰、張小龍等多位大佬點贊。

再比如，搜狗的語音合成支持多種音色選擇，通過少量數(shù)據(jù)即可生成說話者自己的合成音色，實現(xiàn)說話人風格的遷移。

搜狗也在嘗試更多前瞻性舉措。比如，王小川判斷未來搜索會升級為問答，輸入法會演化成輔助對話系統(tǒng)。相對應的，搜狗在加碼問答技術(shù)，比如搜狗搜索的"立知"功能，未來輸入關(guān)鍵詞或問句后，搜索引擎或?qū)苯咏o出你想了解的答案，人與機器的對話將會更便捷、更高質(zhì)量。

搜狗還會有哪些延伸？

除了對具體AI產(chǎn)品的判斷，王小川對AI整體技術(shù)發(fā)展和產(chǎn)業(yè)落地有這樣的判斷：美國固有的優(yōu)勢在于頂尖的科研技術(shù)，而中國的優(yōu)勢在于用戶規(guī)模和應用領(lǐng)域。目前全球已實現(xiàn)知識共享的聯(lián)通，前沿的人工智能學術(shù)論文發(fā)布后，中國可以學習和借鑒前沿的學術(shù)成果，并把它轉(zhuǎn)化為生產(chǎn)力。所以在人工智能領(lǐng)域，中國有機會跟美國在應用層面上齊頭并進。

而搜狗正在發(fā)揮用戶規(guī)模和應用領(lǐng)域的優(yōu)勢，拓展交互能力和計算能力。具體做法是拓寬領(lǐng)域、拓展產(chǎn)品線。

王小川透露，今年年底之前搜狗還會再發(fā)布四款新的智能硬件，搜狗的計算能力將被拓展到醫(yī)療、法律等垂直領(lǐng)域，機器在垂直領(lǐng)域?qū)⒆兊酶勇斆鳌?/p>

當然，這些拓展仍然依托于搜狗輸入法和搜索引擎，并且以語言為核心。

"技術(shù)改變世界"正在成為現(xiàn)實，搜狗在技術(shù)領(lǐng)域的開拓創(chuàng)新正驅(qū)動著技術(shù)的不斷落地。相信在未來，搜狗可以持續(xù)"讓表達和獲取信息更簡單"，讓科技真正地惠及人們生活的方方面面。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。