江苏龙网

  1. 首页 > 人文 > >

同事|跟你一块卷的同事 确定是个人吗？( 二 )


文章图片

人工智能_山东大哥音频：00:00/00:42
从央美毕业、最近代表中国参加迪拜世博会的夏语冰 ， 它们均是出自小冰框架之手：

同事|跟你一块卷的同事 确定是个人吗？
文章图片

……
不难看出 ， 这些小冰创造出来的众多虚拟人 ， 他们都具备各自的“看家本领” 。
那么接下来的一个问题便是——
既能做到逼真 ， 又富有多样性 ， 还能批量工厂式生产 ， 小冰是如何做到的？
像个人 ， 并不容易
小冰现在做出来的虚拟人 ， 无论是静态的照片 ， 或者是动态的新闻主播 ， 都可以说是真假难辨 。
但讲真 ， 尤其是在打造N小黑和N小白的时候 ， 小冰团队最初也遇到了许多挑战 。
因为在此之前 ， 大家能够看到的所谓AI虚拟人主播还是比较假的 。
例如主播的表情不够自然 ， 下半身几乎不动 ， 以及播报出来的语言也是带有“机械味” 。
甚至《每日经济新闻》团队的成员都对此举打出了大大问号：
我们为什么要放上去这么假的虚拟人呢？
对此 ， 小冰团队为了首次能够达到人类无法区分的程度 ， 便在技术路线上做出了核心改变 。
先从整体来看 ， 小冰框架依然是核心 。
而这一次的技术关键改变 ， 在于对视觉上的优化 。
以往我们在电影中能够看到的逼真效果 ， 要么采用的是传统3D建模方法 ， 要么就是CG后期渲染 。
但这两种方法在时间周期和资金成本上的缺点也是非常明显 。
基于这种现状 ， 小冰团队便提出了一种新的方法——深度神经网络渲染技术 （XNR） 。
简单来说 ， 这项技术主要包含三个步骤 。
第一步是构建两个专家模型 。
第一个是语音专家模型 ， 基本的思路便是利用很大量的数据来学习、理解人类的语音 。
例如人类在讲话讲到激动的时候 ， 他的嘴型都会有比较明显的变化 ， 而语音专家模型就是学会这项技能 。
第二个是专家模型 ， 则是通过采集摄像机等设备拍出来的人物视频数据 ， 学习人类在说话过程中 ， 嘴部的变化与眼睛、脸部其它肌肉之间如何产生微妙的联动变化 。
如此一来 ， 就能会让虚拟人在说话时 ， 整个面部表情能够变得自然流畅 。
第二步便来到了渲染的环节 。
也就是将语音输入到深度神经网络渲染模型 ， 而后会一帧一帧地渲染出自然的脸 ， 并形成动态的过程 。
但在这个过程中 ， 前两个专家模型也会起到一个监督的作用 ， 目的还是让整体效果能够自然 。
第三步 ， 则是一个自动化的过程 。
也就是当把文字输入进来的时候 ， 就会通过TTS（TextToSpeech）的方式 ， 将文本变成语音 。
而当机器接收到这些语音信号后 ， 又会将其联动虚拟人的所有姿态、动作、表情等 ， 最终生成一个完整的视频 。
也正是在这种技术路线上的改变 ， 最终才得以让小冰的虚拟人“瞒天过海”地骗过了人眼 。
……
聊完了背后的技术 ， 不少友友们肯定也要发问了：
做得这么像人 ， 小冰要干什么？
我们还是拿N小黑/N小白的例子来看 。
他们的效果一出来 ， 便让《每日经济新闻》内容团队的态度 ， 发生了三百六十度的改变——
从最开始的质疑和抵触 ， 直接转变成了积极去接受 。
他们后来直接主动拿着需求 ， 找到小冰团队的技术人员说：
我们现在需要让AI来播报这些内容……
这是因为他们发现虚拟人播报新闻 ， 原来不仅可以做得像人一样逼真 ， 而且还能做到7 x 24小时不间断的那种 。
如此一来 ， 便让播报新闻这个本身就极具时效性的事情 ， 变得异常精准高效 ， 还释放了大量的人力和物力 。
甚至《每日经济新闻》的同行都会私下问他们：“你们什么时候变成24小时制了？”
……
而不仅仅是新闻主播这一件事 ， 若是上升到更高的角度来观察 ， 我们也不难发现AI虚拟人已然成为一种大趋势 。


推荐阅读


上一篇：小学|乡村小学奖励优生每人一头小猪被网友点赞：鼓励优秀学生 也帮助学生家

下一篇：罚款|迟到一次扣一千公司上热搜 负责人鞠躬道歉：官方已介入