火山語(yǔ)音發(fā)布超寫實(shí)數(shù)字員工小燦，讓數(shù)字人更“像人”的秘籍都在這兒了！

　　近日，火山語(yǔ)音發(fā)布了首位超寫實(shí)數(shù)字員工小燦，在同步推出的首秀TVC中，小燦憑借高效的工作能力以及溫暖可人的性格引起多方關(guān)注，她的到來(lái)將會(huì)引領(lǐng)怎樣的改變?

　　善聽會(huì)說(shuō)能想：提升工作效率的好幫手

　　小燦作為火山語(yǔ)音團(tuán)隊(duì)聯(lián)合朝夕光年江南團(tuán)隊(duì)共同打造的S級(jí)超寫實(shí)數(shù)字人形象，名字源于“火山”兩字的結(jié)合，拼音“can”在英文中表示“可以、能夠”的意思，這也意味著小燦從“出生”就是工作的最佳輔助。雖然加入數(shù)字人產(chǎn)品矩陣不久，但小燦同樣依托團(tuán)隊(duì)長(zhǎng)期積累的成熟語(yǔ)音交互技術(shù)，具有語(yǔ)音識(shí)別、自然語(yǔ)言處理、情感識(shí)別等多種功能，傳承“善聽”、“會(huì)說(shuō)”、“能想”的多重能力，能夠做到與用戶面對(duì)面實(shí)時(shí)交互來(lái)提供更加高效服務(wù)。

　　逼真情感表達(dá)：技術(shù)與人文兼具

　　盡管小燦是虛擬數(shù)字人，但火山語(yǔ)音團(tuán)隊(duì)仍然通過(guò)強(qiáng)大的技術(shù)能力，幫助TA構(gòu)筑了從外形、動(dòng)作到語(yǔ)言、情感交互的超寫實(shí)形態(tài)。外形上，憑借團(tuán)隊(duì)3D超寫實(shí)數(shù)字人整套形象設(shè)計(jì)、資產(chǎn)制作、高成本影視級(jí)cg管線視頻內(nèi)容的制作能力，讓小燦無(wú)論在外形動(dòng)作，還是面部微表情抑或是皮膚肌理、發(fā)絲材質(zhì)等各方面高度逼真，深度還原了真人影像，改變了大眾對(duì)數(shù)字人的一貫認(rèn)知。

　　除卻精致的外在，小燦通過(guò)火山語(yǔ)音團(tuán)隊(duì)豐富且領(lǐng)先的對(duì)數(shù)字人AI的驅(qū)動(dòng)能力，實(shí)現(xiàn)了更加近似真人的口型動(dòng)作表現(xiàn)。例如AI驅(qū)動(dòng)口型方面，團(tuán)隊(duì)通過(guò)使用行業(yè)領(lǐng)先的非自回歸模型的唇形生成網(wǎng)絡(luò)，合成與輸入文本或語(yǔ)音完全匹配的唇形，準(zhǔn)確率高達(dá)98.55%。

　　“在AI驅(qū)動(dòng)動(dòng)作上，我們基于創(chuàng)新的Motion Blening技術(shù)，在動(dòng)作切換時(shí)可生成過(guò)度幀，使數(shù)字人在切換各類動(dòng)作時(shí)不僅可以做到毫秒級(jí)切換，還可以做到平滑效果自然無(wú)感知。”除此之外還在AI表情口型聯(lián)合建模，基于語(yǔ)音語(yǔ)義的動(dòng)作生成即co speech技術(shù)上，都有極具前瞻性的預(yù)研工作，并已取得階段性成果，后續(xù)將全部應(yīng)用于數(shù)字人視頻創(chuàng)作、交互以及直播等場(chǎng)景。

　　值得提及的是，小燦還具備“一條音頻秒級(jí)別音色復(fù)刻”(zero shot TTS)的能力，可以做到高保真還原真人音色、說(shuō)話風(fēng)格以及聲學(xué)環(huán)境等特點(diǎn)，在核心技術(shù)架構(gòu)全自研的基礎(chǔ)上，關(guān)鍵指標(biāo)均保持業(yè)界前沿。此外韻律模塊基于自回歸GPT類大模型，目前訓(xùn)練數(shù)據(jù)超過(guò)20萬(wàn)個(gè)小時(shí)，架構(gòu)可擴(kuò)展性很強(qiáng)，未來(lái)預(yù)計(jì)可支持100萬(wàn)小時(shí)以上數(shù)據(jù)訓(xùn)練;模塊支持code-switch，即無(wú)論prompt為中文或者英文，都可支持直接輸出中文、英文及混合內(nèi)容。整體來(lái)說(shuō)，小燦無(wú)疑是目前數(shù)字人研發(fā)領(lǐng)域藝術(shù)與技術(shù)高度融合的產(chǎn)物，但她不僅僅是一個(gè)超寫實(shí)數(shù)字人形象，更是高效且有溫度解決問題的好幫手。