AI虛擬主播又迎來了高光時(shí)刻。

2018年，搜狗和新華社聯(lián)合推出的全球首個(gè)AI合成主播的誕生，掀開了“AI+虛擬主播”的神秘面紗，一時(shí)間，嗅到“科技紅利”的市場(chǎng)各方開始蜂擁而上。2019央視網(wǎng)絡(luò)春晚推出AI虛擬主持人團(tuán)隊(duì);今年兩會(huì)期間，新華社推出AI虛擬主播“新小萌”，人民日?qǐng)?bào)推出AI虛擬主播“小晴”;今年五一期間，北京電視臺(tái)推出AI虛擬主播“小萌花”“小萌芽”，央視五四晚會(huì)推出AI虛擬主播“小靈”……

回看這波市場(chǎng)熱潮，總讓人有一種錯(cuò)覺，仿佛回到了當(dāng)初世界首個(gè)虛擬主持人誕生時(shí)的群雄起舞。不過，相比當(dāng)初略顯單薄的虛擬主持人，這次新增的“AI”元素，到底會(huì)給市場(chǎng)帶來什么變化?

在回答這個(gè)問題之前，我們需先來界定一下概念。關(guān)于“AI”“虛擬主播”的概念，目前百度百科上已有了明確的定論，但關(guān)于“AI虛擬主播”卻大多“只聞其聲，不知其人”。

翻看各大報(bào)道，虛擬主持人和虛擬主播的概念正在相互交融。從主播的定義(百度百科)來看，其在主持人的基礎(chǔ)上，還融合涵蓋了更多領(lǐng)域，以便適用于互聯(lián)網(wǎng)時(shí)代的多媒體形態(tài)。

若以此為基準(zhǔn)，AI虛擬主播或可定義為，在互聯(lián)網(wǎng)時(shí)代，結(jié)合人工智能與三維虛擬形象技術(shù)，并可自主承擔(dān)策劃、編輯、主持、制作等一系列工作的主播。

既然定義已經(jīng)明確，那AI虛擬主播有什么樣的故事呢?

這個(gè)，要從一段視頻開始說起……

1.0時(shí)代：雛形初顯 虛擬主持人登場(chǎng)

自工業(yè)革命起，以機(jī)器代替手工勞動(dòng)就成了人類努力的方向。隨后，第一臺(tái)計(jì)算機(jī)的發(fā)明，讓機(jī)器開始升級(jí)為“人工智能”。步入互聯(lián)網(wǎng)時(shí)代后，“人工智能”更是加快了替代手工勞動(dòng)的步伐，并從基礎(chǔ)的體力勞動(dòng)層面漸漸轉(zhuǎn)向創(chuàng)意、創(chuàng)作層面。

于是，在翹首期盼了多年后，2001年，傳媒業(yè)終于迎來了“開辟新天地的創(chuàng)舉”——世界上第一個(gè)虛擬主持人阿娜諾娃(Ananova)誕生了。CNN將其描述為“一個(gè)可播報(bào)新聞、體育、天氣等的虛擬播音員，堪比一個(gè)真實(shí)的有血有肉的主播。”

　　(阿娜諾娃)

阿娜諾娃的出現(xiàn)，有其獨(dú)特的時(shí)代背景。當(dāng)時(shí)，隨著網(wǎng)站經(jīng)濟(jì)垮臺(tái)，互聯(lián)網(wǎng)泡沫破裂，全球動(dòng)蕩不斷。而動(dòng)蕩，對(duì)于傳媒業(yè)來說，往往意味著“富礦”。如何加快新聞生產(chǎn)速度，提升新聞播報(bào)的準(zhǔn)確率，成為了各家媒體競(jìng)爭(zhēng)的焦點(diǎn)。

英國(guó)PA New Media公司正是抓住了這一契機(jī)，順勢(shì)推出了阿娜諾娃，并將其作為英國(guó)傳媒業(yè)與美聯(lián)社對(duì)抗的“秘密武器”。彼時(shí)的阿娜諾娃，雖是一個(gè)只有頭部動(dòng)畫、表情也略顯僵硬的2D虛擬人物，但因可根據(jù)新聞腳本快速制作視頻，并可24小時(shí)持續(xù)播報(bào)的特點(diǎn)，還是在全球刮起了一陣打造“虛擬主持人”的颶風(fēng)。

此后，日本推出了寺井有紀(jì)(Yuki)，中國(guó)推出了歌手虛擬主持人阿拉娜(Alana)，美國(guó)推出了薇薇安(Vivian)，韓國(guó)推出了露西雅(Lusia)。從2D到3D，從只有頭部到擁有全部身體，從只有虛擬人物播報(bào)到擁有演播室進(jìn)行播報(bào)，虛擬主持人日漸成熟，被越來越多媒體關(guān)注和使用，并引發(fā)了全社會(huì)對(duì)“主持人要下崗”的擔(dān)憂。

很快，這種擔(dān)憂就變成了現(xiàn)實(shí)。2004年，央視CCTV-6頻道推出了國(guó)內(nèi)首位虛擬電視節(jié)目主持人—小龍。它采用三維形象技術(shù)，擁有高挑的身材，集合了劉德華、梁朝偉和金城武的“臉部精華”，并單獨(dú)主持了《光影周刊》欄目。小龍的上崗，點(diǎn)燃了國(guó)內(nèi)CG技術(shù)從電影級(jí)走向消費(fèi)級(jí)的星星之火。

　　(小龍)

但這把“火”來得快，去得也很快。就在小龍誕生的當(dāng)年，阿娜諾娃就徹底告別了歷史舞臺(tái)。而曾經(jīng)吹捧過她的所有媒體，開始紛紛關(guān)閉舊欄目，開設(shè)新欄目，換上新的真人主持，好像阿娜諾娃從未出現(xiàn)過一樣。

直至今日，再回看當(dāng)年的這波虛擬主持人熱潮，仍有幾點(diǎn)值得反思：

技術(shù)的成熟是產(chǎn)品出現(xiàn)的關(guān)鍵，但產(chǎn)品的成熟度如何，是由市場(chǎng)評(píng)判的。市場(chǎng)之所以會(huì)追捧虛擬主持人，根本目的是為了節(jié)省制作成本，提升制作效率。但早期的虛擬主持人，從整個(gè)制作過程來看，成本其實(shí)遠(yuǎn)超聘請(qǐng)一位專業(yè)真人主持。

　　(“小龍”的整個(gè)制作過程)

虛擬主持人具有行業(yè)特殊性，對(duì)語(yǔ)音、表情、肢體等都有很高的要求。相比其他行業(yè)，主持人最基本的要求就是口才。也就是說，虛擬主持人要達(dá)到與真人主持一樣的口才，語(yǔ)音識(shí)別和自然語(yǔ)言處理的準(zhǔn)確率都要求極高。顯然在這方面，早期虛擬主持人還沒有準(zhǔn)備好;其次，要讓虛擬人物播報(bào)呈現(xiàn)出自然狀態(tài)，就必須解決口型匹配、表情匹配，乃至肢體動(dòng)作匹配等問題。畢竟只有“音”“容”“笑”“貌”都像人，才不會(huì)有違和感;最后，在制作播報(bào)視頻時(shí)，一定要快、穩(wěn)、準(zhǔn)。新聞行業(yè)是一個(gè)極為注重時(shí)效性的行業(yè)，如果制作一個(gè)視頻就需要花費(fèi)幾天乃至幾周的時(shí)間，那顯然是偽命題。

虛擬主持人是否一定要像真人，這是在做產(chǎn)品之前必須明確好的方向。早期的虛擬主持人都格外在意“像真人”，似乎這是一條鐵律。這很大程度上，源自在當(dāng)時(shí)環(huán)境下，主持人大多與新聞播報(bào)捆綁，像真人才更有可信度。但從長(zhǎng)遠(yuǎn)發(fā)展來看，“像真人”真的是必須的嗎?

自阿娜諾娃“死”后，虛擬主持人市場(chǎng)仿佛瞬間熄火，自此步入了長(zhǎng)達(dá)十多年的“黑暗時(shí)代”。

2.0時(shí)代：偶像先行 AI虛擬主播順風(fēng)飛翔

2016年，當(dāng)一位自稱“超級(jí)AI”的虛擬主播絆愛(kizuna ai)在YouTube上首次亮相時(shí)，也許誰都沒想到，她會(huì)成為照亮“黑暗時(shí)代”的第一縷曙光。

與早期虛擬主持人不同，絆愛是由真人扮演而成。在專業(yè)公司制定好絆愛的3D模型后，由真人穿上動(dòng)捕設(shè)備，在背后控制絆愛的面部動(dòng)態(tài)表情及動(dòng)作，并由聲優(yōu)去配音及對(duì)口型，從而進(jìn)行直播或錄制視頻。

　　(絆愛)

相比早期虛擬主持人，絆愛并不“像真人”，而是以二次元形象出道。但從播報(bào)狀態(tài)上來看，無論是3D形象，還是語(yǔ)音、動(dòng)作，絆愛相比早期主持人都明顯更勝一籌。這種整體播報(bào)質(zhì)感和體驗(yàn)的升級(jí)，讓絆愛幾乎在沒有任何市場(chǎng)運(yùn)作的前提下，YouTube訂閱數(shù)一路扶搖直上，截止目前已超過259萬人，從虛擬主播搖身一變?yōu)槿衽枷瘛?/p>

絆愛的成功，也有其獨(dú)特的時(shí)代背景。2016年，AlphaGo以1:4打敗圍棋世界冠軍李世石的事實(shí)，讓人們意識(shí)到，已經(jīng)誕生了幾十年的人工智能，處在了可全面商業(yè)化的臨界點(diǎn)，AI時(shí)代正加速到來。

同年，科大訊飛、搜狗、百度先后召開發(fā)布會(huì)，對(duì)外公布語(yǔ)音識(shí)別準(zhǔn)確率均達(dá)到97%。科技自媒體人闌夕曾說，一旦語(yǔ)音識(shí)別的準(zhǔn)確率達(dá)到99%，那將直接進(jìn)入產(chǎn)業(yè)爆發(fā)的黎明。巧合的是，這一輪AI虛擬主播熱潮的興起，與AI，特別是語(yǔ)音識(shí)別技術(shù)的飛躍，幾乎是同步的。

智能語(yǔ)音產(chǎn)業(yè)的發(fā)展速度，在某種程度上影響了AI虛擬主播市場(chǎng)化的進(jìn)度。但在AI虛擬主播的賽道上，虛擬形象的生成與打造，也是一道繞不過去的坎。畢竟，只有聲、沒有形的主播，只能存在于廣播之中。

2018年5月，科大訊飛攜手相芯科技打造了虛擬主持人“康曉輝”。這位虛擬主持人有著與真人相似的外形，不僅與央視記者江凱一同主持了《直播長(zhǎng)江》安徽篇，還在現(xiàn)場(chǎng)進(jìn)行了實(shí)時(shí)互動(dòng)。

相比絆愛，“康曉輝”的一大亮點(diǎn)就在于其背后的虛擬形象生成技術(shù)(PTA)，該技術(shù)讓人們擺脫了3D虛擬形象定制所需的高昂成本，只需普通攝像頭和一張自拍，就可實(shí)時(shí)生成與自己相似且更美觀的3D虛擬形象。

且先不論“康曉輝”與真人有多相似，但其背后離不開真人的操作，還是暴露了AI虛擬主播的不足。畢竟，用真人驅(qū)動(dòng)虛擬形象，對(duì)于傳媒業(yè)來說，并非是一個(gè)最好的解決方案。

但“康曉輝”所揭開的瓦片，如同絆愛所帶來的曙光一樣，還是為傳媒業(yè)發(fā)展指明了一個(gè)方向：虛擬主播AI化，勢(shì)不可擋。

　　(圖片源自網(wǎng)絡(luò))

其后的市場(chǎng)走向，也給出了印證。2018年11月，全球首個(gè)“AI合成主播”誕生;2019年3月全球首個(gè)“AI合成女主播”誕生;2019年春晚AI虛擬主持人團(tuán)隊(duì)誕生……在這套AI虛擬主播的方案中，只需輸入一段既有的新聞文本，主播就可實(shí)時(shí)進(jìn)行播報(bào)，且發(fā)音與唇形、面部表情等也完全吻合，無論是看上去還是聽上去，似乎都與真人無二了。

當(dāng)然，這是明面上的效果，確實(shí)值得肯定。但這套方案的背后，仍沒有完全AI化。有業(yè)內(nèi)人士指出，AI合成主播的背后，其實(shí)是真人在“表演”，它的實(shí)現(xiàn)方式是在真人臉上疊加真人的3D模型，并通過人臉檢測(cè)與跟蹤技術(shù)盡可能讓兩張臉“合二為一”，以呈現(xiàn)出動(dòng)態(tài)播報(bào)效果。

聽上去是不是有點(diǎn)問題?沒錯(cuò)。試想，如果每一個(gè)AI虛擬主播的背后都有一個(gè)個(gè)真人，那為何不直接用真人就好?邏輯是這樣沒錯(cuò)，但技術(shù)的進(jìn)步總是需要一個(gè)過程，如果與市場(chǎng)的接軌，可以加快技術(shù)的進(jìn)步，避免AI虛擬主播的發(fā)展走入“死胡同”，也未嘗不是一件好事。

從上述AI虛擬主播的演進(jìn)路線來看，有三個(gè)問題是必須要解決的：

是否可以不需真人，實(shí)現(xiàn)AI虛擬主播的全自動(dòng)播報(bào)?

目前來看，定制一個(gè)主播的虛擬形象，合成一個(gè)主播的音色，都花費(fèi)巨大，這是否可以解決?

在語(yǔ)音識(shí)別已漸入佳境時(shí)，語(yǔ)音與虛擬形象的高度匹配，是否會(huì)成為行業(yè)發(fā)展的下一個(gè)突破口?

3.0時(shí)代：全面AI化 虛擬主播走入千家萬戶

在電影《西蒙妮》中，人們?cè)枥L過AI虛擬主播的理想形態(tài)：

她是一個(gè)由計(jì)算機(jī)虛擬合成的、高度逼真的三維動(dòng)畫人物。她美得令人無法拒絕，一言一行都與真人一樣，并可以完成一切表演、播報(bào)，且不會(huì)有任何緋聞，妥妥的一枚“完美代言人”。

　　(圖片源自網(wǎng)絡(luò))

可以取代人類，且不會(huì)出現(xiàn)任何差錯(cuò)，也不會(huì)有負(fù)面新聞，這是很多人眼中的完美AI虛擬主播。但之后的十多年，不論是影視業(yè)還是AI虛擬主播行業(yè)，都不得不面對(duì)一個(gè)現(xiàn)實(shí)：虛擬形象“像真人”并不簡(jiǎn)單，目前這個(gè)問題是無解的。

有趣的是，2019年《阿麗塔：守護(hù)天使》的上映，徹底打破了這個(gè)僵局。阿麗塔不僅成為了世界上第一個(gè)翻越“恐怖谷”的虛擬人物，還再一次向世人確認(rèn)了虛擬人物“像真人”的問題是有解的——燒錢就行。

　　(阿麗塔的制作成本)

但落地到AI虛擬主播，成本是繞不開的問題，于是主攻的方向就自然變成了如何實(shí)現(xiàn)影視級(jí)到消費(fèi)級(jí)的技術(shù)降維。

目前來看，AI虛擬主播的實(shí)現(xiàn)方式大致可分為三種。上述提到的“真人操作”模式，這一模式靈感來源于影視業(yè)，實(shí)現(xiàn)方式也跟影視業(yè)差不多，都需要配套真人演繹，前期需要進(jìn)行大量的數(shù)據(jù)采集，中期需要?jiǎng)硬对O(shè)備來配合播報(bào)，后期需要對(duì)視頻制作進(jìn)行再加工。從前期準(zhǔn)備到后期制作，成本都不可謂不高，這大概也是該模式目前僅限于一些大媒體，難以大范圍推廣的原因所在。

“AR+AI”模式，靈感來源于全息投影，實(shí)現(xiàn)方式依賴于增強(qiáng)現(xiàn)實(shí)技術(shù)，具體參考百度的AI虛擬主播“小靈”。這一模式，需要提前設(shè)置好AI虛擬主播的回答、動(dòng)作、表情等，并通過其與真人主播的互動(dòng)，來制造真實(shí)感。且因?yàn)锳I虛擬主播是后期做上去的，所以現(xiàn)場(chǎng)真人主持與其互動(dòng)時(shí)，就需要靠“演”。但這種實(shí)現(xiàn)方式，對(duì)真人主持的要求極高，對(duì)后期制作的要求也很高，從應(yīng)用層面來看，要大范圍推廣難度顯而易見。

全AI化模式，靈感來源于早期主持人，實(shí)現(xiàn)方式和效果卻比早期主持人好很多。這一模式分成定制AI虛擬主播和使用視頻制作后臺(tái)兩步，其將上述兩種方式中“人”的成分大大剔除，專注于用AI來替代人力，將虛擬主播的語(yǔ)音、情緒、動(dòng)作，乃至后期視頻制作需要的圖片、視頻等都集成到后臺(tái)編輯系統(tǒng)中。目前來看，它是更接近全自動(dòng)化，也更節(jié)省制作成本、提升制作效率的方式。

　　(小萌芽、小萌花)

但相比前兩者已有多個(gè)應(yīng)用，全AI化的模式目前落地的項(xiàng)目似乎只有世園會(huì)期間，北京電視臺(tái)和相芯科技聯(lián)手制作的AI虛擬主播小萌芽、小萌花的播報(bào)視頻。不過，該視頻中的AI虛擬主播，雖然語(yǔ)音、動(dòng)作、表情等都已接近真人，但形象上仍是3D卡通人物。

“像真人”，到底什么才像?目前各方并沒有一個(gè)明確定論。但從現(xiàn)有的AI虛擬主播來看，相比外形像固定的某一個(gè)人，語(yǔ)音、動(dòng)作、表情，乃至播報(bào)時(shí)的整體狀態(tài)像真人，似乎更為重要。而要做到這點(diǎn)，還需不斷升級(jí)自然語(yǔ)言處理技術(shù)和語(yǔ)音動(dòng)畫合成技術(shù)，前者讓人機(jī)交互更自然，后者可讓虛擬主播更鮮活。

目前來看，在自然語(yǔ)言處理領(lǐng)域，市場(chǎng)上已涌現(xiàn)了諸如谷歌、微軟、思必馳等眾多國(guó)內(nèi)外企業(yè);在語(yǔ)音動(dòng)畫合成技術(shù)領(lǐng)域上，也涌現(xiàn)了諸如百度、相芯科技、搜狗等國(guó)內(nèi)企業(yè)。未來，隨著技術(shù)加速升級(jí)，全AI化的虛擬主播也將加速到來。且相比傳統(tǒng)媒體行業(yè)的應(yīng)用，也許在自媒體上，這一愿景將會(huì)更早實(shí)現(xiàn)。畢竟，從全球市場(chǎng)表現(xiàn)來看，截止2018年底，各大平臺(tái)上的虛擬主播已經(jīng)超過了6000個(gè)。

邁克斯·泰格在《生命LIFE 3.0》一書中說，生命3.0是一個(gè)由人工智能重塑的時(shí)代。在這個(gè)時(shí)代，我們可以設(shè)計(jì)自己的硬件和軟件。這與AI虛擬主播時(shí)代，可謂不謀而合。

這個(gè)時(shí)代，到底離我們還有多遠(yuǎn)?

生成海報(bào)

免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。