在通義千問宣布大模型降價后，百度也隨即宣布旗下兩款大模型免費。5月22日，科大訊飛（002230.SZ，股價43.87元，市值1015.76億元）也宣布訊飛星火LiteAPI永久免費開放。
當下，數字人的互動能力正是依賴于大模型。大模型紛紛降價，對互動數字人是否是個機會呢？
5月21日，飛影數字人戰略顧問小豪對《每日經濟新聞》記者表示：“數字人和大模型是兩個領域。大模型價格下跌，對我們正在做的新產品（互動數字人）是利好。我們結合大模型之后，數字人升級進化成數智人。”
訊飛智作產品經理姚仕豪認為：“大模型有利于虛擬人的發展，目前看成本不是關鍵因素，效果更重要。”
數字人崛起
小豪首先向記者講述了數字人的具體操作：“現在的數字人，是需要你給文案，再根據文案來生成數字人視頻。接入大模型之后，這個數字人就可以實時互動。比如數字人直播，可以根據觀眾的提問來實時回答。大模型是‘大腦’，數字人是‘身體’，兩者結合，成為新的數智人。”
那么，大模型降價之后，對數字人行業有何影響呢？
小豪說：“比如前面說到的互動數字人，大模型成本降低后，面向C端普通人的用戶場景才能夠被真正釋放。如果大模型的價格很高，你跟一個數字人聊天1小時，光是大模型的費用就要很多，現在價格下降了90%后，普通人也能承擔（得起）這個費用。”
頭豹研究院行業分析師陳慶民也對記者表示：“大模型技術的發展將為數字人提供更好的交互性，尤其是結合自然語言處理和語音識別技術，數字人可以更自然地理解和回應人類語言，從而提升用戶體驗。”
不過，在姚仕豪看來，相比降價，數字人的效果更重要。根據訊飛智作公眾號文章，虛擬人（數字人）本質是對人的數字化模擬，具備三大特征：外觀、行為和思想。這些特性的實現依賴一系列先進技術的融合，如圖像識別、3D建模、動作捕捉、自然語言處理、計算機視覺等。
即數字人不僅僅需要大模型技術。
4月30日，《每日經濟新聞》記者來到淘氣叮當總部。工作人員向記者展示了數字人動作捕捉的場景，以及數字人直播效果展示。如果不是工作人員提醒，記者已經很難分清真人直播與數字人直播的區別。
上述工作人員說：“你看到的這個場景叫做多模態建模。她（正在被建模的真人主播）現在說的話、行為動作都會被我們在后臺打上標簽，通過文字帶動標簽形成一系列動作，還原成你看到的現場。錄制需要一個小時以上，因為得有足夠多的動作和語言。如果5分鐘、10分鐘的素材來做建模，出來的效果并不符合品牌方的要求。”
數字人多模態建模場景 圖片來源：每經記者 朱成祥 攝
公司總經理王微接受《每日經濟新聞》記者采訪時表示：“數字人直播之所以能做到那么逼真，與技術進步密切相關。比如大模型技術、動作捕捉、CG（計算機圖形）、CV（計算機視覺）。前年時，能夠實現的只是類似二次元卡通人物的虛擬人，到去年已經出現1:1擬人的數字人。”
數字人直播展示 圖片來源：每經記者 朱成祥 攝
陳慶民也表示：“CG和渲染技術在實現數字人外觀和動作的逼真度上占據重要地位。在面部表情和身體語言處理上，現在的技術能更精細地捕捉和模擬真實人類的微表情和細微動作。”
上海交通大學博士生導師、深蘭科技創始人、董事長陳海波告訴記者：“目前數字人主要依賴于深度學習、計算機視覺、語音識別和自然語言處理等技術。其中，CG和渲染技術在數字人的創建中占據了重要的地位，尤其是在數字人的外觀和動作的生成中。在處理面部表情和身體語言方面，目前的技術已經可以通過深度學習算法識別人類的面部表情和身體語言，并生成相應的數字人表情和動作。”
市場空間：替代真人還是新增量
既然相關技術已在面部表情、身體語言處理、互動能力等多方面取得較大進步，加上大模型降價，這一切會帶來數字人市場的爆發嗎？
一家人工智能公司的高管朱舜水（化名）5月20日也向《每日經濟新聞》記者講述了他實際使用數字人的感受：“數字人技術的進步，顯著提升了視頻制作的效率。以往在制作課程視頻時，每一期視頻都需要進行單獨的修改和剪輯，既費時又費力。現在我們只需要花半天時間收集音視頻素材，再用約一天時間進行渲染、訓練，就能夠達到‘以假亂真’的效果。”
朱舜水補充說：“使用數字人，我們可以替代真人進行各種操作，不僅實現了高度逼真的呈現效果，還大大簡化了修改過程。當需要調整內容時，只需對數字人進行相應的修改，操作（起來）非常方便。”
王微認為，“過去電商行業存在主播成本高、流動性強的問題。很多時候，把主播培養出來卻留不住，主播自己單干了。平庸的主播留得住，但不為公司創造價值且成本也不低。比如在上海，幾乎沒有低于1萬元（月薪，下同）的主播。一個比較好的主播，可能需要1.5萬元以上，甚至2萬元以上再加提成，這對企業而言成本也蠻高的”。
在一線城市或是網紅經濟比較發達的地區，可能數字人主播是對真人主播的替代。而在相對較為偏遠的地方，招到合適的主播也并非易事。王微稱：“對于下沉市場，（數字人）解決的是公司找不到合適的團隊去做直播這件事。”
此外，數字人直播還能解決傳統主播無法批量化復制的問題。王微稱：“（真人）主播可能播4—6個小時就很辛苦。但像數字人主播，你讓它播多久就可以講多久。比如你是某電器廠商，可以批量打造矩陣直播間，比如100個直播間只需要準備100臺電腦。我們找來100個模特來克隆，克隆成數字人后，你就可以開100個直播間。”
此外，數字人還可以做外語的口播視頻。小豪表示：“比如一些跨境電商，他們需要去海外社交平臺引流，做外語口播視頻。目前都要求降本增效，主要是不用找外語專業的人出鏡，產量也提升很多。一般這類口播視頻，一天拍不了幾條，還需要找場地、拍攝人員、剪輯人員。數字人主要就是做真人嘴替，只要提供文案就能生成，一天100條都可以。”
挑戰：從“重技術”到“重運營”
目前，淘氣叮當提供的是介于2D與3D之間的2.5D。姚仕豪表示：“訊飛支持2D和3D虛擬人的構建和驅動，我們將虛擬人分為5大類：2D真人、2D生成人、3D超寫實、3D美型和3D卡通，根據不同的應用場景推薦不同的虛擬人類型。”
隨著技術的巨大進步，數字人在“逼真程度”上已經媲美真人。朱舜水也表示：“我們給很多人看過，不提醒都意識不到是數字人。”
但他也提到數字人技術門檻不高。朱舜水稱：“小公司都能做（數字人視頻），基本都是小單子。”
《每日經濟新聞》記者觀察到，數字人直播行業也呈現出從“重技術”到“重運營”的趨勢。
小豪表示：“數字人直播我們也做，主要是受平臺規則的限制。（但）技術上已經能實現（數字人直播），數字人可以和觀眾互動，與真人同屏出現。另外有一些方式，可以規避在抖音直播間里被判定（為）違規，但平臺整體的方向目前是不支持的態度。”
數字人視頻門檻相對低，而數字人直播則相對復雜。小豪表示：“數字人直播，老板們是很重視ROI（投資回報率）的，我們（產品提供方）需要和他們（用戶）的直播團隊深度交流，研究他們的話術，了解他們直播的上品流程和策略，是一個重運營的活。”
王微表示：“去年之前，我們更多做的是技術端的服務。即你買我的產品，我把數字人交付給你。（在）這個過程中，我們發現有一些客戶沒有運營團隊，（數字人）拿回去很可能會被閑置。”
“對于那些不太會用的，也沒有運營團隊的，我們提供‘技術+運營’的方式。你只需提供你的賬號，把你的樣品、產品賣點提供給我們，你就可以不用管了。我們來克隆數字主播，然后在我們基地直播。（客戶）也不用提供硬件。”王微說。
據悉，淘氣叮當已經在全國建設了7個數字人直播基地。
盡管平臺目前尚不支持，數字人直播依然轟轟烈烈地開展起來。對于數字人直播是否會沖擊傳統主播，陳慶民說：“數字人直播的興起確實對傳統主播的職業生涯產生了影響。數字人可以提供7×24小時的服務，降低人力成本，這可能導致傳統主播面臨更大的競爭壓力。但同時，數字人的出現也可能催生新的職業機會，如數字人的設計與開發、運營管理等。”
陳海波表示：“數字人直播的興起對傳統主播的職業生涯產生了一定的影響。例如，數字人可以24小時不間斷地直播，而且可以同時應對大量的用戶。此外，數字人還可以通過算法優化直播內容，提升直播效果。這使得數字人在某些方面具有優勢，例如在直播時長和應對大量用戶方面。然而，傳統主播在表達情感、互動和個性化方面仍然具有優勢，因此數字人和傳統主播可以相互補充，共同發展。”
此外，陳慶民也指出了數字人的技術局限性。其表示：“盡管技術取得了進步，但數字人在模仿人類行為和表情方面仍有局限性，如情感表達的深度、復雜情感的細微差別等。目前技術成熟度在特定場景下已較為可靠，但應對更復雜多變的人類行為和情感表達仍需進一步發展。”
陳海波說：“目前數字人在模仿人類行為和表情方面還存在一些局限性。例如，數字人的表情和動作可能不如人類自然，或者無法完全準確地表達人類的情感。此外，數字人的語音和語調也可能不如人類自然。雖然技術已經取得了很大的進步，但在各種復雜場景下，數字人的表現可能仍然不如人類。”（記者 朱成祥）
來源：每日經濟新聞
責任編輯：王海山
請輸入驗證碼