每經記者｜朱成祥    每經編輯｜張海妮    

在(zai)通義千問宣(xuan)布大(da)模(mo)(mo)型降價(jia)后，百度也(ye)隨即宣(xuan)布旗(qi)下兩款大(da)模(mo)(mo)型免(mian)費。5月22日，科大(da)訊飛（002230.SZ，股價(jia)43.87元(yuan)，市值1015.76億元(yuan)）也(ye)宣(xuan)布訊飛星火(huo)LiteAPI永久免(mian)費開(kai)放。

當下(xia)，數字(zi)人(ren)的互(hu)動能力正是(shi)依賴(lai)于大(da)模型。大(da)模型紛紛降價(jia)，對互(hu)動數字(zi)人(ren)是(shi)否(fou)是(shi)個(ge)機會呢？

5月21日，飛影數(shu)(shu)(shu)字人(ren)戰略顧問小豪(hao)對《每(mei)日經(jing)濟新聞》記者表示：“數(shu)(shu)(shu)字人(ren)和(he)大模(mo)型是兩個(ge)領域(yu)。大模(mo)型價(jia)格下跌，對我們正在做的新產品（互動(dong)數(shu)(shu)(shu)字人(ren)）是利好。我們結合大模(mo)型之后，數(shu)(shu)(shu)字人(ren)升級進(jin)化成數(shu)(shu)(shu)智(zhi)人(ren)。”

訊(xun)飛智(zhi)作產品經理姚仕豪認為：“大模(mo)型有利于虛擬人的發展，目前(qian)看成本(ben)不是(shi)關鍵因(yin)素，效果更重要。”

數字人崛起

小豪首先向(xiang)記者講述了(le)數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)的(de)具體操作(zuo)：“現(xian)在的(de)數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)，是需要你(ni)給文(wen)案，再根(gen)據(ju)文(wen)案來生成(cheng)數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)視頻。接入(ru)大模(mo)型之后，這個(ge)數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)就(jiu)可(ke)以實(shi)(shi)時互動。比如數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)直播，可(ke)以根(gen)據(ju)觀眾(zhong)的(de)提問來實(shi)(shi)時回答(da)。大模(mo)型是‘大腦’，數(shu)(shu)(shu)字(zi)(zi)人(ren)(ren)是‘身體’，兩者結(jie)合，成(cheng)為新的(de)數(shu)(shu)(shu)智人(ren)(ren)。”

那(nei)么，大模型降(jiang)價之后，對數字(zi)人(ren)行業有何影(ying)響(xiang)呢(ni)？

小豪(hao)說(shuo)：“比如前面說(shuo)到的(de)(de)互動數字人，大(da)(da)模(mo)型成本降(jiang)低后，面向C端普通人的(de)(de)用(yong)(yong)戶場景才能(neng)夠(gou)被(bei)真正釋放。如果大(da)(da)模(mo)型的(de)(de)價格(ge)(ge)很(hen)(hen)高(gao)，你跟一個(ge)數字人聊天(tian)1小時，光是大(da)(da)模(mo)型的(de)(de)費(fei)用(yong)(yong)就要很(hen)(hen)多，現在價格(ge)(ge)下降(jiang)了90%后，普通人也(ye)能(neng)承(cheng)擔（得起）這(zhe)個(ge)費(fei)用(yong)(yong)。”

頭(tou)豹研究院行業分(fen)析師(shi)陳慶民也對記者表示：“大(da)模型技(ji)術的(de)發展將為數(shu)字(zi)人提(ti)供更好的(de)交互性(xing)，尤其是結合自然語(yu)(yu)言處理和語(yu)(yu)音識(shi)別(bie)技(ji)術，數(shu)字(zi)人可以更自然地理解(jie)和回(hui)應人類語(yu)(yu)言，從(cong)而提(ti)升用(yong)戶體(ti)驗。”

不過，在姚仕(shi)豪看來，相比降價，數字(zi)人的(de)效果更重(zhong)要。根據訊(xun)飛(fei)智作公(gong)眾號文章，虛擬人（數字(zi)人）本質是對人的(de)數字(zi)化模(mo)擬，具備三大(da)特征：外(wai)觀、行(xing)為(wei)和思想。這些特性的(de)實現依賴一系(xi)列先進技術的(de)融合，如圖像(xiang)識別、3D建模(mo)、動作捕捉、自然語言(yan)處理、計算機(ji)視覺(jue)等。

即數字人不僅僅需要大模(mo)型技(ji)術(shu)。

4月30日(ri)，《每日(ri)經濟(ji)新聞》記(ji)者(zhe)來到(dao)淘氣叮當總部。工作人(ren)(ren)員(yuan)向記(ji)者(zhe)展(zhan)示了數字人(ren)(ren)動(dong)作捕(bu)捉的(de)場(chang)景，以及數字人(ren)(ren)直播效果展(zhan)示。如果不是工作人(ren)(ren)員(yuan)提醒，記(ji)者(zhe)已經很難分清真(zhen)人(ren)(ren)直播與數字人(ren)(ren)直播的(de)區別。

上述工(gong)作(zuo)(zuo)人員說：“你看到的這個場景叫(jiao)做多模態建模。她(ta)（正在被建模的真人主播）現在說的話、行(xing)為(wei)動作(zuo)(zuo)都會被我們在后臺打上標(biao)簽，通過文字(zi)帶(dai)動標(biao)簽形(xing)成(cheng)一系列動作(zuo)(zuo)，還(huan)原成(cheng)你看到的現場。錄制需要一個小(xiao)時以(yi)上，因為(wei)得有足夠多的動作(zuo)(zuo)和(he)語言。如果5分鐘、10分鐘的素材來(lai)做建模，出(chu)來(lai)的效果并不符合(he)品牌方的要求。”

公司總經理王微(wei)接受《每日經濟(ji)新聞》記者采訪時(shi)表示：“數字人直播之(zhi)所以能做到(dao)那么(me)逼(bi)真，與技術進步密(mi)切(qie)相(xiang)關。比如大模型技術、動作捕捉、CG（計算機(ji)圖形）、CV（計算機(ji)視覺）。前年時(shi)，能夠實(shi)現(xian)(xian)的(de)只(zhi)是類似(si)二次元卡通人物的(de)虛擬(ni)(ni)人，到(dao)去年已經出現(xian)(xian)1:1擬(ni)(ni)人的(de)數字人。”

陳(chen)慶(qing)民(min)也(ye)表示(shi)：“CG和渲染技術在實現數(shu)字人外觀和動作的(de)逼真(zhen)度上占(zhan)據重(zhong)要地位。在面(mian)部表情和身體語言處理(li)上，現在的(de)技術能更精細地捕捉和模擬真(zhen)實人類的(de)微(wei)表情和細微(wei)動作。”

上海交通大學博(bo)士生導師、深蘭科(ke)技(ji)(ji)(ji)創始人(ren)、董(dong)事長陳海波告訴記者：“目前數字人(ren)主(zhu)要依(yi)賴(lai)于(yu)深度(du)學習、計算機視覺、語(yu)音識(shi)別(bie)和(he)自然語(yu)言處(chu)理(li)等技(ji)(ji)(ji)術(shu)。其中，CG和(he)渲染技(ji)(ji)(ji)術(shu)在數字人(ren)的(de)創建中占據(ju)了重要的(de)地位，尤其是在數字人(ren)的(de)外觀和(he)動作的(de)生成中。在處(chu)理(li)面部(bu)表(biao)情和(he)身體語(yu)言方面，目前的(de)技(ji)(ji)(ji)術(shu)已經可以通過深度(du)學習算法識(shi)別(bie)人(ren)類的(de)面部(bu)表(biao)情和(he)身體語(yu)言，并生成相應(ying)的(de)數字人(ren)表(biao)情和(he)動作。”

市場空間：替代真人還是新增量

既然相關技(ji)術已在面部表情、身體語言(yan)處理、互動能力(li)等多方面取得較大進(jin)步(bu)，加上(shang)大模型降(jiang)價，這一切會帶來數字人(ren)市場的爆發(fa)嗎？

一(yi)家人工智能(neng)公司的(de)高管朱舜水（化名）5月20日(ri)也向(xiang)《每日(ri)經(jing)濟新聞》記者(zhe)講述了他實際使用數字人的(de)感受：“數字人技術的(de)進步，顯著提(ti)升了視(shi)(shi)頻(pin)(pin)制作的(de)效率。以(yi)往(wang)在制作課程視(shi)(shi)頻(pin)(pin)時(shi)，每一(yi)期(qi)視(shi)(shi)頻(pin)(pin)都需要進行單(dan)獨的(de)修(xiu)改和剪輯，既費時(shi)又費力(li)。現(xian)在我們只(zhi)需要花半天時(shi)間(jian)收集音視(shi)(shi)頻(pin)(pin)素(su)材，再用約一(yi)天時(shi)間(jian)進行渲染、訓練(lian)，就能(neng)夠達到‘以(yi)假亂真’的(de)效果。”

朱舜水補充(chong)說：“使用數字人，我們可以(yi)替代真(zhen)人進行各種操作，不僅實現(xian)了(le)高度逼真(zhen)的(de)呈現(xian)效果，還(huan)大(da)(da)大(da)(da)簡(jian)化了(le)修(xiu)改過(guo)程。當需要調(diao)整內容時(shi)，只需對數字人進行相應的(de)修(xiu)改，操作（起來）非常方便。”

王微(wei)認(ren)為(wei)，“過去(qu)電商行業存(cun)在主(zhu)(zhu)播成(cheng)本(ben)(ben)高、流動性強的(de)(de)(de)問題。很多時候(hou)，把主(zhu)(zhu)播培養出來卻留不住，主(zhu)(zhu)播自己單干(gan)了(le)。平(ping)庸的(de)(de)(de)主(zhu)(zhu)播留得(de)住，但不為(wei)公(gong)司創造價值且成(cheng)本(ben)(ben)也(ye)不低。比如在上海(hai)，幾乎沒有(you)低于1萬元(yuan)（月薪(xin)，下同）的(de)(de)(de)主(zhu)(zhu)播。一(yi)個比較好(hao)的(de)(de)(de)主(zhu)(zhu)播，可能需(xu)要1.5萬元(yuan)以上，甚至2萬元(yuan)以上再(zai)加(jia)提成(cheng)，這對企業而言成(cheng)本(ben)(ben)也(ye)蠻高的(de)(de)(de)”。

在(zai)一線城市(shi)或是(shi)網紅經(jing)濟比較(jiao)發(fa)達的地(di)區，可能(neng)數字人主(zhu)播(bo)是(shi)對真人主(zhu)播(bo)的替代(dai)。而在(zai)相對較(jiao)為偏遠的地(di)方，招(zhao)到合適的主(zhu)播(bo)也并非易事(shi)(shi)。王微稱：“對于下沉(chen)市(shi)場，（數字人）解決的是(shi)公司找(zhao)不到合適的團隊去做直播(bo)這(zhe)件(jian)事(shi)(shi)。”

此外，數字人直(zhi)播(bo)(bo)還能(neng)解決傳統主(zhu)播(bo)(bo)無法(fa)批(pi)量化(hua)復制的(de)問題。王微稱：“（真(zhen)人）主(zhu)播(bo)(bo)可能(neng)播(bo)(bo)4—6個(ge)小時就(jiu)(jiu)很辛苦(ku)。但像數字人主(zhu)播(bo)(bo)，你讓(rang)它(ta)播(bo)(bo)多久就(jiu)(jiu)可以(yi)講多久。比(bi)如你是某(mou)電器廠商，可以(yi)批(pi)量打(da)造(zao)矩陣直(zhi)播(bo)(bo)間(jian)(jian)，比(bi)如100個(ge)直(zhi)播(bo)(bo)間(jian)(jian)只需要準備100臺(tai)電腦。我們找來(lai)100個(ge)模特來(lai)克(ke)隆，克(ke)隆成數字人后，你就(jiu)(jiu)可以(yi)開100個(ge)直(zhi)播(bo)(bo)間(jian)(jian)。”

此外(wai)，數字人還(huan)可以做(zuo)外(wai)語的(de)口播(bo)(bo)視頻。小豪(hao)表示：“比(bi)如一(yi)(yi)些跨境電(dian)商，他(ta)們需要(yao)(yao)(yao)去海外(wai)社交平臺引(yin)流，做(zuo)外(wai)語口播(bo)(bo)視頻。目前都要(yao)(yao)(yao)求(qiu)降本增效，主要(yao)(yao)(yao)是(shi)不用找(zhao)外(wai)語專(zhuan)業的(de)人出鏡(jing)，產量也提升很多。一(yi)(yi)般這類(lei)口播(bo)(bo)視頻，一(yi)(yi)天拍(pai)不了幾(ji)條(tiao)，還(huan)需要(yao)(yao)(yao)找(zhao)場地(di)、拍(pai)攝人員、剪輯(ji)人員。數字人主要(yao)(yao)(yao)就(jiu)是(shi)做(zuo)真人嘴替，只要(yao)(yao)(yao)提供文案就(jiu)能生成，一(yi)(yi)天100條(tiao)都可以。”

挑戰：從“重技術”到“重運營”

目前，淘氣叮當(dang)提供(gong)的是介(jie)于2D與(yu)3D之(zhi)間的2.5D。姚仕豪表示(shi)：“訊飛(fei)支持2D和3D虛擬人(ren)的構建和驅(qu)動(dong)，我們將(jiang)虛擬人(ren)分為5大類：2D真人(ren)、2D生成人(ren)、3D超寫實(shi)、3D美型和3D卡(ka)通，根(gen)據不同(tong)的應用場景推薦不同(tong)的虛擬人(ren)類型。”

隨(sui)著技術(shu)的巨大進步，數字人(ren)在“逼真(zhen)程度”上已經媲美(mei)真(zhen)人(ren)。朱(zhu)舜(shun)水(shui)也表(biao)示：“我們給很(hen)多人(ren)看過，不(bu)提醒都(dou)意識不(bu)到(dao)是數字人(ren)。”

但他也(ye)提到數字人(ren)技術門檻不高。朱(zhu)舜水稱：“小公司(si)都能做（數字人(ren)視頻），基本都是小單子(zi)。”

《每日(ri)經濟(ji)新(xin)聞》記者觀察(cha)到，數字人直播行業也呈現出從“重(zhong)技術(shu)”到“重(zhong)運營”的趨勢。

小豪(hao)表(biao)示：“數(shu)字人直播我們也做，主要是(shi)受(shou)平臺規(gui)(gui)則的(de)(de)限制。（但(dan)）技術上已經(jing)能實現（數(shu)字人直播），數(shu)字人可以和觀眾互動，與真人同屏出現。另外有一(yi)些方式(shi)，可以規(gui)(gui)避(bi)在抖音直播間里被判定（為）違規(gui)(gui)，但(dan)平臺整(zheng)體的(de)(de)方向目前是(shi)不支(zhi)持的(de)(de)態度(du)。”

數(shu)字人(ren)(ren)(ren)視頻門檻相對低(di)，而數(shu)字人(ren)(ren)(ren)直(zhi)播(bo)則相對復雜。小豪表示：“數(shu)字人(ren)(ren)(ren)直(zhi)播(bo)，老(lao)板們(men)是很重視ROI（投資回報率）的(de)，我們(men)（產品提(ti)供方）需要(yao)和他(ta)們(men)（用戶）的(de)直(zhi)播(bo)團隊(dui)深度交流，研究他(ta)們(men)的(de)話(hua)術(shu)，了(le)解他(ta)們(men)直(zhi)播(bo)的(de)上品流程(cheng)和策略(lve)，是一個重運營(ying)的(de)活。”

王微(wei)表示：“去(qu)年(nian)之(zhi)前(qian)，我(wo)們更多做的(de)是技術端(duan)的(de)服務。即(ji)你(ni)買我(wo)的(de)產品，我(wo)把(ba)數字(zi)人交付給(gei)你(ni)。（在）這(zhe)個過程(cheng)中，我(wo)們發現有一些客(ke)戶沒(mei)有運營團(tuan)隊，（數字(zi)人）拿回去(qu)很可能會被閑置。”

“對(dui)于那些不(bu)太會(hui)用(yong)的(de)(de)，也(ye)沒有運營團隊的(de)(de)，我(wo)們提(ti)供‘技術(shu)+運營’的(de)(de)方(fang)式。你(ni)只需提(ti)供你(ni)的(de)(de)賬號，把(ba)你(ni)的(de)(de)樣品、產品賣點提(ti)供給我(wo)們，你(ni)就可以(yi)不(bu)用(yong)管了。我(wo)們來克隆(long)數字主播(bo)，然后在我(wo)們基地直播(bo)。（客戶）也(ye)不(bu)用(yong)提(ti)供硬件。”王微說(shuo)。

據悉，淘氣叮(ding)當已經(jing)在(zai)全國(guo)建設了7個數字人直播基地。

盡管(guan)平臺目前尚不支持，數(shu)字(zi)人(ren)(ren)(ren)直(zhi)播(bo)(bo)依然(ran)轟(hong)轟(hong)烈(lie)烈(lie)地開展起(qi)來。對于數(shu)字(zi)人(ren)(ren)(ren)直(zhi)播(bo)(bo)是(shi)否會沖擊(ji)傳(chuan)統主播(bo)(bo)，陳慶(qing)民說：“數(shu)字(zi)人(ren)(ren)(ren)直(zhi)播(bo)(bo)的(de)興起(qi)確實(shi)對傳(chuan)統主播(bo)(bo)的(de)職(zhi)業生(sheng)涯產(chan)生(sheng)了影響。數(shu)字(zi)人(ren)(ren)(ren)可以(yi)提供7×24小(xiao)時的(de)服務(wu)，降低(di)人(ren)(ren)(ren)力成本，這可能(neng)導致傳(chuan)統主播(bo)(bo)面臨更(geng)大的(de)競爭壓力。但(dan)同時，數(shu)字(zi)人(ren)(ren)(ren)的(de)出現也可能(neng)催生(sheng)新的(de)職(zhi)業機會，如數(shu)字(zi)人(ren)(ren)(ren)的(de)設計與開發、運(yun)營管(guan)理等。”

陳海波表(biao)示：“數(shu)字(zi)人(ren)直播(bo)的興起對(dui)(dui)傳統(tong)主(zhu)播(bo)的職業生涯(ya)產生了一定的影(ying)響。例如，數(shu)字(zi)人(ren)可(ke)以(yi)24小(xiao)時不間(jian)斷地直播(bo)，而且可(ke)以(yi)同時應(ying)對(dui)(dui)大量的用戶(hu)。此(ci)外，數(shu)字(zi)人(ren)還可(ke)以(yi)通過算法(fa)優化直播(bo)內容(rong)，提升直播(bo)效果。這使得數(shu)字(zi)人(ren)在某些(xie)方面具有(you)優勢，例如在直播(bo)時長和(he)(he)應(ying)對(dui)(dui)大量用戶(hu)方面。然而，傳統(tong)主(zhu)播(bo)在表(biao)達情感(gan)、互動和(he)(he)個性化方面仍然具有(you)優勢，因(yin)此(ci)數(shu)字(zi)人(ren)和(he)(he)傳統(tong)主(zhu)播(bo)可(ke)以(yi)相(xiang)互補(bu)充，共同發展。”

此外，陳慶民也指出(chu)了(le)數(shu)字人(ren)的技(ji)術局(ju)限性。其(qi)表示：“盡管技(ji)術取(qu)得(de)了(le)進步，但數(shu)字人(ren)在(zai)模(mo)仿(fang)人(ren)類行為和表情方面仍(reng)有局(ju)限性，如情感表達的深度、復(fu)雜(za)情感的細微差別等。目前技(ji)術成熟度在(zai)特定場景下已(yi)較為可靠，但應對更(geng)復(fu)雜(za)多變的人(ren)類行為和情感表達仍(reng)需(xu)進一步發展。”

陳(chen)海(hai)波說(shuo)：“目前(qian)數(shu)(shu)字(zi)人在(zai)模仿人類(lei)行為和(he)表(biao)情(qing)方面還存在(zai)一些局限(xian)性。例如(ru)(ru)，數(shu)(shu)字(zi)人的(de)(de)表(biao)情(qing)和(he)動作可能(neng)(neng)(neng)不(bu)如(ru)(ru)人類(lei)自然(ran)，或者無法完全準(zhun)確地表(biao)達人類(lei)的(de)(de)情(qing)感(gan)。此外，數(shu)(shu)字(zi)人的(de)(de)語音和(he)語調也(ye)可能(neng)(neng)(neng)不(bu)如(ru)(ru)人類(lei)自然(ran)。雖然(ran)技術已經取得了很大的(de)(de)進步，但在(zai)各種復雜場景下，數(shu)(shu)字(zi)人的(de)(de)表(biao)現可能(neng)(neng)(neng)仍(reng)然(ran)不(bu)如(ru)(ru)人類(lei)。”

封面圖片來源：每日經濟新聞