全球首個(gè) 3D 版 AI 合成主播亮相，還將參與兩會報(bào)道，網(wǎng)友：主持人要失業(yè)了
本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。
大家好，我是 AI 合成主播家族新成員——新小微。
整潔的頭發(fā)，藍(lán)色的正裝，「新小微」坐在新聞臺前正經(jīng)地發(fā)話。
AI 合成主播已不稀奇，但能走動、做手勢、換裝的 3D 版 AI 主播，「新小微」是全球第一個(gè)。
剛一上崗，「新小微」就被安排參與今年全國兩會期間進(jìn)行新聞資訊播報(bào)。
「新小微」上崗
「新小微」是新聞界首個(gè)由 AI 驅(qū)動，3D 技術(shù)呈現(xiàn)的 AI 合成主播，其原型為新華社記者趙琬微。
與以前的 AI 合成主播相比，「新小微」最大的不同在于其 3D 特性，豐富了播報(bào)形態(tài)，可以從不同角度進(jìn)行全方位的呈現(xiàn)。
傳統(tǒng)單一景深
雷鋒網(wǎng)注：「新小微」進(jìn)入虛擬演播室（圖源新華社）
可以看出，此前的 AI 合成主播大多是坐在特定位置上進(jìn)行新聞播報(bào)，而「新小微」則能夠進(jìn)行走動、轉(zhuǎn)身等肢體動作。
不僅如此，「新小微」在表情方面也變得多樣；不再只有“職業(yè)假笑”，多了一些微表情。
雷鋒網(wǎng)注：圖源新華社
不得不說，AI 合成主播越來越有“人樣”了。
除了增強(qiáng)了立體感和層次感，在智能性方面，「新小微」也有了新的提升?！感滦∥ⅰ沟捻?xiàng)目負(fù)責(zé)人表示，在人工智能的實(shí)時(shí)驅(qū)動下，3D 版 AI 合成主播可實(shí)現(xiàn)功能持續(xù)自我更迭。
比如說，在“變妝/裝”上，「新小微」可以說比以前的 AI 主播“愛美”多了，她的發(fā)型、妝容可以根據(jù)不同場景、不同新聞報(bào)道需要而進(jìn)行變換。
更為甚者，「新小微」的妝容還細(xì)致到看得見毛孔。
前面提到，「新小微」在兩會期間將正式上崗，進(jìn)行可量化生產(chǎn)新聞播報(bào)視頻。
據(jù)新華社介紹，只要在機(jī)器上輸入相應(yīng)文本內(nèi)容，「新小微」就能進(jìn)行新聞播報(bào)，并根據(jù)不同的語義生成表情信息和肢體動作。
隨著「新小微」越來越智能化，經(jīng)過不斷的迭代，「新小微」的舞臺不僅僅在于演播廳。相關(guān)負(fù)責(zé)人表示：
隨著 3D 虛擬場景不斷拓展，「新小微」將走出演播室，在不同場景中更好地滿足新聞呈現(xiàn)的多樣化需求。
如此看來，只要實(shí)力夠，走出演播廳不是夢。
難怪網(wǎng)友們紛紛感嘆，可能要失業(yè)了。
AI 主播進(jìn)入 3D 時(shí)代
從表現(xiàn)來看，無論在表情信息、肢體動作、妝容變化，或是在播報(bào)新聞的專業(yè)能力方面，「新小微」都優(yōu)于前者。
問題來了，「新小微」作為 AI 合成主播的“后浪”，是借以什么技術(shù)將“前浪”拍在沙灘上的呢？
在數(shù)字人模型方面，「新小微」采用了掃描還原、面部肌肉驅(qū)動、表情肢體捕捉等技術(shù)，使其還原出逼真的頭發(fā)和皮膚效果。
在肢體動作方面，其采集工作就涉及到海量數(shù)據(jù)，「新小微」的原型趙琬微需要帶著數(shù)據(jù)采集頭盔，有數(shù)百個(gè)攝像頭對其身體部位進(jìn)行 360° 全方位“打點(diǎn)”掃描。
不僅如此，攝像頭的數(shù)據(jù)采集工作還包含了表情掃描，無論什么形態(tài)都能夠細(xì)致地捕捉，作為「新小微」誕生的基礎(chǔ)。
另外，基于搜狗分身的端到端多模態(tài)建模技術(shù)，「新小微」的建模訓(xùn)練能夠聯(lián)合語音、圖像、文本、3D 肌肉運(yùn)動數(shù)據(jù)等多模態(tài)信息完成。
再加以 AI 算法的驅(qū)動，「新小微」的專業(yè)能力得到了進(jìn)一步提升，其表情變化、唇動、肢體表達(dá)都能夠跟隨語音文本改變。
而對于「新小微」妝容、服裝上的改變，則是基于其“微模塊化”的特性。項(xiàng)目負(fù)責(zé)人進(jìn)一步解釋稱：
就像拼樂高一樣，我們對‘新小微’的各個(gè)部位和表情進(jìn)行了模塊化處理，然后重新組裝。
AI 合成主播家族
隨著「新小微」的上崗，這意味著新華社的 AI 合成主播家族又添了新成員。
早在 2018 年 11 月 7 日，新華社就迎來了全球首個(gè)全仿真智能 AI 主持人「新小浩」，以主持人邱浩為原型。
據(jù)官方統(tǒng)計(jì)數(shù)據(jù)，首位 AI 合成主播「新小浩」已在新華社客戶端上持續(xù)為觀眾服務(wù) 500 多天，先后產(chǎn)出 13000 多條新聞報(bào)道，累計(jì)時(shí)長超過 35000 分鐘。
搜狗 CEO 王小川介紹到，該智能 AI 主持人基于「搜狗分身」技術(shù)，將真人主播的聲音、唇形、表情動作等特征進(jìn)行提取，然后再通過語音合成、唇形合成、表情合成以及深度學(xué)習(xí)等技術(shù)進(jìn)行克隆。在播報(bào)新聞時(shí)，只需提供文字，AI 合成主播就能進(jìn)行仿真播報(bào)。
不過，雖然第一代 AI 合成主播十分驚艷，但仍存在一些缺憾，如 AI 合成主播此前原型只有男性，沒有女性；合成主播只有面部表情，沒有肢體動作等。
2019 年 2 月-3 月，AI 合成主播進(jìn)行了兩次版本迭代，由此迎來了全球首位 AI 合成女主播「新小萌」。
相對于初代 AI 合成主播，「新小萌」進(jìn)一步增強(qiáng)了用戶的新聞視聽體驗(yàn)，不再局限于坐著播新聞，還增加了一些肢體動作。
并且在版本迭代的同時(shí)，AI 合成主播的定制周期也在不斷縮減。由于早期技術(shù)尚不成熟，需要用到大量的數(shù)據(jù)。通過迭代之后，錄制時(shí)長縮短，且錄取的數(shù)據(jù)也在減少，幾個(gè)小時(shí)的視頻資料就可以形成一個(gè)逼真形象。
從「新小浩」到「新小萌」，再到「新小微」，每一次 AI 合成主播的現(xiàn)身都會伴隨著兩種不同的話語聲音，在贊嘆科技進(jìn)步之余，也有指出不足的發(fā)聲。
以最新推出的「新小微」為例，有網(wǎng)友指出，「新小微」在讀到“AI”時(shí)的發(fā)音有些別扭；這也從側(cè)面說明了「新小微」還不夠自然，還沒能夠完全像人一樣。
但是，技術(shù)的發(fā)展是需要一點(diǎn)點(diǎn)的量變累積，在不斷的迭代升級中完善，而從這一層面來看，「新小微」是有所進(jìn)步的。
