不用真人出镜怎么做高质量播客？百度一镜看懂了

作者|胡磊

编辑|靖程

数字人何时能更像真人？在今年的WAIC（世界人工智能大会）现场，百度给出了答案。

在百度展区，可以清楚的看到数字人在1秒内可以控制表情，人物的神态、语音和动作也变得更统一。

这些微表情的技术突破，背后则是通过文心大模型进行眼神、嘴角、眉毛、动作、语音等细粒度规划。

7月17日当天，百度一镜现场首发数字人视频播客解决方案，这套方案突破了数字人微表情技术，呈现出自然插画、专业影视视听语言能力。

除了让数字人更像真人，百度一镜也解决了真人访谈成本高、多人对话割裂的问题，无论是创作者单人讲学还是双人观点对谈，都可以通过百度一镜的数字人视频播客解决方案实现。简单来说，创作者们可以不用真人出镜就可以实现高质量播客。

想象一下，真人做播客从前期的准备到录制再到后期制作，都需要大量的时间成本，如果通过数字人实现播客制作，或者双人对谈，从内容创作流程上实现了降本增效。

让数字人更像真人

过去几年，数字人已经出现在各行各业，并且有了成熟的应用场景。但如何让数字人不再那么僵硬，而是更像真人，也成为行业一直探索的方向。

今年的WAIC现场，百度一镜突破了数字人微表情技术，在现场跟人的交互也变得更加自然。尤其是微表情方面，不再是过去简单的开心或难过的简单表情。

而是通过标签+自然语结合的方式，控制眼神、嘴角、眉毛、面部肌肉等，结合场景让数字人的表情变得更加真实。

更加真实的数字人，也让其在各种场景中更加真实。比如在直播带货场景中，数字人真实微表情，也会带动消费者的交互和提升消费体验，从而带动直播间的氛围。

据悉，数字人微表情的背后，是由文心大模型作为大脑，根据当前剧本场景生成的一套完整的微表情规划。

百度数字人实现了微表情技术突破，将微表情拆分为百万级可精细控制的单元，从而实现更加自然、真实的情绪表达。

此外，百度数字人背后的模型，不仅支持文本、图片、语音的多模态规划参考，在空间维度对数百个微表情单元进行细粒度协同控制。

最重要的是百度一镜在时间维度将表情控制时间颗粒度控制在1s以内，这样就可以大幅提升数字人情绪表达的实时性、自然度和流畅性。

此外，数字人还能够理解现实环境、人物的状态，实现24小时长时间记忆与情绪识别，且数字人还支持17种外语及3种方言。

试想一下，当有一个逼近真人的数字人出现在各行各业，比如讲师、导购、主播等7*24小时不断工作，对于生产力来说都是极大的提升。

好的生成依托于好的模型能力，依托文心大模型的视频理解能力，对海量影视及视频数据进行精细化处理，包括情绪语义、表情、动作、语音的理解，并且进行多层数据质量净化、样本提取和训练，来提升数字人的生成能力。

这些技术都是百度过去几年在AI领域的长期投入和积累，此前罗永浩数字人首秀超1300万人次观看、GMV超5500万元的成绩。根据IDC及沙利文的报告，百度一镜在国内AI数字人市场中份额与综合实力排名第一。

视频播客走向工业级

值得注意的是，百度一镜首发数字人视频播客解决方案成为亮点。简单来说，播客不仅可以不用真人出镜，甚至能够实现双人对谈。

这对于播客行业来说，或许能够推动数字人在深度访谈类内容的工业化量产。

在播客行业，从开始准备到最后成片，是一个漫长的过程。播客的内容输出要有深度、有思考、有观点，专业性门槛极高。在准备过程中，不仅需要布景陈设、邀请嘉宾、设备租赁等环节，会带来高昂的成本。在拍摄过程，镜头切换、语速起伏、情绪等对于画面要求很高。最重要的是拍摄一期高质量的播客内容，效率很低。

如果播主的数字人来完成内容输出，用百度一镜的技术来保证数字人的对话，很明显能够提升播客的内容输出效率。

据悉，百度一镜发布的数字人视频播客解决方案产品，从编剧、导演、剪辑三大AI智能体及超80个Skills，可以自动生成思辨访谈脚本，不仅支持单人讲学，还支持双人观点对谈，覆盖了财经、法律、科技、人文全垂类。

不同于普通的数字人，在播客制作内容时，数字人统一人设贯穿始终，百度通过资深技术解决了长视频AI记忆漂移问题，从而提供更沉浸的内容体验，帮助播主去沉淀粉丝。

自动生成的脚本，也给了播客创作者们更多的视角和观点，从而让内容更有深度。

再加上前文提到的百度一镜突破微表情技术，打破了原有的AI脸审美，这种精确到具体部位了肌肉动作的细节刻画，更加符合人类情绪表达规律，这种真实、生动的情绪状态也更能带动观众粉丝沉浸其中。

百度实测数据显示，该数字人播客解决方案使播客的制作成本下降74%，内容表现力提升785%，平均播放时长上涨了29%。

数据的背后，也是对于播客行业的一次工业级升级。

对于用户来说，不仅满足了深度内容的需求，也能够更多频次看到更好的内容；对于创作者来说，长效观点的输出，有利于提高自己的创作频率，沉淀出高粘性、高价值的粉丝群体。对于品牌来说，在播客内容中，也能够直观做到品牌露出，让广告的记忆点更强，从而降低了品牌的合作门槛。

数字人播客解决方案的多智能体工作流，从编剧、导演、剪辑等 AI 智能体协作，大幅提升了制作效率，从而推动高质量视频内容端到端生成。

某种意义上，百度一镜此次发布的不只是一款工具，而是数字人从 "形象展示" 走向 "内容生产" 的关键一步。过去数字人多用于带货、播报等浅层场景，而今天它已经能够承载深度访谈、思辨对话等高信息密度内容。随着制作成本下降 74%、表现力提升数倍，视频播客的工业化量产时代正在加速到来。