Counting homo sapiens
数智人潮流
虚拟世界新宠儿
快来打造属于你的数字分身
—元源AI数智人—
数智人并不仅仅是一个动画形象，其背后融合了一系列的黑科技，如算法、人工智能、语言系统、微表情捕捉与还原等。利用这些技术，可以创建一个与现实中的形象一模一样的数智人，甚至连声音和表情都能做到一致，作为我们在虚拟世界中的分身。然而，由于技术和成本的限制，目前的数智人产品质量参差不齐，有的定价高昂，有的制作粗糙。要将数智人融入到日常生活、娱乐和工作中，还需要进一步提高其质量并降低使用门槛。
01
数智人类型
数智人分类
根据制作技术，数智人大致可分两类：
1. 真人驱动的数智人
2. AI驱动的数智人
两者的结果都是一个虚拟形象但使用的场景却大不相同。
接下来，我们来详细了解一下这两种数智人。
真人驱动的数智人制作使用过程可分三个步骤：
1. 建立3D数智人模型
2. 搭建动作捕捉设备
3. 真人实时驱动
这类数智人制作首先需要构建一个数智人模型，再用软件在模型上标注关键点，通过动作捕捉设备捕捉真人的眼神、表情、形态和动作与标注的关键点关联。因此，关键点的数量和位置的准确性直接影响数智人的真实度。在使用阶段，需要真人佩戴动作捕捉设备进行表演，通过真人的表情和动作驱动数智人运动。这类数智人虽然被称为数智人，但其实离不开真人的参与，可以理解为真人与3D形象的“双簧”。因此，这类数智人技术主要应用于影视领域，成本较高，对人的要求也较高。但由于成本高，目前的效果较为逼真。按照目前的情况，这类数智人技术不太适合日常生活应用，更适合专业机构制作专业节目。但随着技术的迭代和成本的进一步降低，这类技术将逐渐应用于一些场景，例如代替真人直播、仿真形象制作影视等。
02
动作捕捉技术
动作捕捉
在这里不得不提起的是动作捕捉技术，它当前分为两个方面：
1. 穿戴式惯性动捕设备
2. AI驱动光学动捕设备
穿戴式惯性动捕设备一般价格较高，除非有专业需求，否则个人娱乐投入的成本较高。使用时需要穿戴设备，可能还需要一定的空间，整体投入很高。
AI驱动的光学动捕设备则是利用摄像头采集实时数据，并利用图像处理算法分析面部表情和行为体征的变化。例如，iPhone的拟我表情和抖音的美妆特效插件就是这种处理方式。但要处理高清或逼真的人物虚拟形象，需要更大的处理性能。无论是哪种动作捕捉技术，都相当于真人戴了一个面具。AI驱动的数智人是一种我们常用的模式，虽然效果可能受限于设备的处理能力，无法达到逼真的状态，但成本低，更适合娱乐和简单的应用场景。这种数智人不是靠真人驱动的，你可以输入一段文字，然后转换成数智人进行播报。它的语音、表情和动作都是通过工具设定或AI根据内容生成的。因此，这种虚拟人的技术可以完全脱离人，虽然目前真实度稍差，但黑科技实际上更多。例如，需要搭建文字转语音的能力；语音、唇动和各类微表情参数之间的映射关系；理解口语与形体的配合关系等。它的效果好坏与数据和模型训练有更大的关系。这类虚拟人的建设过程仍然有技术和成本，但使用时成本就变得很低。
当正式使用时，机器会首先基于TTS技术将输入的文本转化为语音，然后基于各类驱动模型生成当前语言对应的唇动和微表情，并根据模型调取设置好的各种预置姿态。这一系列处理后再逐帧组合成图片，最后将这些图片按顺序播放。通过自然语言理解技术（NLP能力），就能渲染出一段数字人视频。对于普通用户来说，根本不需要了解后台的技术逻辑，只需要写出讲话稿，选择一个虚拟形象，就可以生成一个主播视频。这种应用场景虽然目前很难满足复杂的影视和实时互动需求，但用于产品介绍、新闻播报、虚拟客服、在线教育甚至带货视频都是一个不错的选择。除了枯燥的文字和语音外，加入一个亲和的形象既好看又实用。
数字人市场前景广阔，无需支付高昂的费用请真人主播，只需简单配置即可生成宣传视频。虚拟主播无需休息，全年无休为您提供服务。根据智库数据分析，预计到2030年，我国数字人市场价值将达到2,703亿元。您对数字人市场的前景有何看法？
— END —
期待您与元源AI数智人携手共创未来！
