大模型加持后，数字人“更像人”了吗？

文章来源：科技云

图片来源：由无界AI生成

北京冬奥运AI 虚拟人手语主播、杭州亚运会数字人点火、新华社数字记者、数字航天员小诤......当随着越来越多数字人出现在人们生活中，整个数字人行业也朝着多元化且广泛的应用方向发展，快速拓展到不同行业、不同场景。

面向C端，数字人帮助用户生产内容和辅助工作，如：数字人练口语、和数字人玩游戏等；面向B端，数字人是企业的“工具人”，应用于金融、影视、电商、直播等行业，提高行业生产和运营效率。

毫无疑问，数字人是一门好生意，但其规模化落地依然面临着人才、成本、场景、技术等层层困难。其中，最关键的是技术瓶颈，如何让数字人摆脱“空有一副好皮囊”的市场评价是一大难题。

然而，随着大模型的出现，数字人的发展似乎正在迎来新的机遇。

 大模型赋能数字人

对于产业界而言，数字人本身并不新鲜。在过去很长一段时间内，为了又力求数字人视觉外形上的高保真呈现，生产成本不亚于制作一部专业级电影。

瑞银发布的数字人研究报告指出，高级虚拟人物的先期投入成本平均为3000万元，后期又需要真人团队完成拍摄、配音、剪辑。以乐华娱乐的虚拟女团A-SOUL为例，其一支单曲制作成本约200万元，一场线下演唱会成本约2000万元。

但即便是如此高昂的成本，也解决不了数字人的互动效果问题。由于智能水平不足，与其说它是数字人，更像是一个没有灵魂的数字皮套。

高成本，再加上互动效果不佳，使得数字人的使用被限制在厂商内部或大企业客户的试验项目。

因此，当具有学习能力的生成式大模型颠覆了内容制作范式后，面向更广范围的中小型企业用户、优先规模化落地使用的廉价数字人成为了可行方案。

据一名人工智能研究人员介绍，大模型对数字人的重塑与赋能主要体现为降本增效。

从技术角度来说，搭建一个数字人主要分为建模、驱动、渲染几个环节。传统的数字人主要依托计算机图形学技术+真人动作捕捉，需要采集大量的真人数据，深度建模，耗时长，效率低，成本高。

如今在大模型的加持下，通过AI算法，基于深度学习模型、动作模拟、情感模拟等技术，只需要几分钟的真人视频，用大模型训练若干个小时，就可以生成逼真的数字人，制作成本大大降低。

不仅如此，数字人在成本降低的同时，效能也大大提升。

在大模型出现以前，数字人在外形上差异度较小，而且只能根据输入的统一脚本，“照本宣科”地回答问题。

在大模型的赋能下，数字人拥有了“灵魂”，不仅外貌特征可以自定义设计，智能化、交互性也有了很大提升。比如在一些直播带货场景中，数字人已经可以与受众进行基础互动。

比如，百度智能云发布的曦灵数字人，大模型的加持下，可以15分钟快速完成直播间搭建，自动生成匹配产品特色的讲品话术，开启智能互动问答。

在某餐饮品牌的直播间，曦灵数字人主播自动生成直播话术，包含开场破冰、福利放送、暖场话术、催单话术等。在这场真人与曦灵数字人的接力直播中，用户竟然没有丝毫察觉。

更令人惊讶的事，在真实6小时的直播比对中，数字人主播仅需真人主播15%的成本，就可获得真人主播85%GMV。

除了直播带货，百度智能云曦灵作为国内首个大模型全面重构的数字人平台，还可为企业提供2D真人、3D写实、3D超写实的人像，实现视频制作、数字员工、数字人代言人等多种应用。

比如，在曦灵平台，只需5分钟的真人视频，半小时即可训练人像，录制100句话语，24小时生成专属音色库，相比真人授课成本只需过去的30%，录制效率提升20倍。

不难发现，经过大模型重塑与赋能的数字人，一定程度上摆脱了价格昂贵、互动性差等问题，越来越广泛地出现在短视频、直播间中。

同时，数字人开始朝着更多“身份”进军——银行理财师、律师、老师、已逝的名人……数字人正在成为任何想成为的人，也为这条日渐拥挤的赛道带来了新的机遇。

让数字人更像“人”

大模型的出现让数字人“脱胎换骨”，成为如今最火的创业赛道之一。