虚拟人艰难落地
时间:2023-08-05 来源:区块链网络 作者:元宇宙IP大全
来源:新莓daybreak,作者:史圣园,编辑:翟文婷 图片来源:由无界 AI生成 刚刚过去的七月全球人工智能大会,虚拟人的声量和关注度远远不及大模型,但它并没有缺席。 大众对于虚拟人的印象,还停留在一个个越来越漂亮、越来越接近于真人的3D人物模型。企业却开始琢磨,怎么用虚拟人帮自己省钱了。 「去年大家的关注点在于,供应商能否帮他们『造一个人』,今年的诉求明显更现实,都在关心虚拟人能不能应用到企业运营,真正降本增效。」一家虚拟人科技公司产品经理David 告诉新莓daybreak。 需求跑在了技术前面。如同自动化流水线逐步取代车间操作工一样,企业采用虚拟人,是想要更加廉价、高效、稳定、触手可及的人力。 过去几年,虚拟人的形象呈现质感不断提升。超写实虚拟人,皮肤和毛孔的质感甚至可以媲美真人。就仿佛大模型具像化的「肉身」,虚拟人能与真人产生语言之外的更多交互。 大模型的相继发布、能力的突飞猛进,也让大家对虚拟人产生了更多期待。艾媒咨询的数据显示,2022年我国虚拟人核心市场规模达 120.8 亿元,这个数字有望三年后翻四倍,达到480.6亿元。 虚拟人最大的症结之初是,制作成本居高不下,能够真正落地的性价比之选,怎么看都还是略显粗糙。 好消息是,随着AI技术的进步,虚拟人几乎可以100%通过AIGC的方法自动生成动作、表情、语言,所需制作时间和成本大幅降低。 生产端持续降本增效,应用端的交互雏形初现,树上已经长出青涩的果子。 遗憾之处则是,现阶段人类还不能像电影《头号玩家》中那样,在虚拟空间和现实空间无缝切换。 技术从诞生到成熟之间,总有一段无法快进的尴尬期。 还是实用价值赢了如果站在人类中心的角度,按需求分类,那么虚拟人可以分为功能型和身份型两种。 功能型的虚拟人,提供的是实用价值:帮人类具体执行,比如智能客服、文案撰写、虚拟人主播等等。 身份型的虚拟人,提供的是情绪价值。它可以是虚拟女友、虚拟伙伴,给予你平凡的陪伴;也可以是历史名人、娱乐明星的数字分身,或者诞生于二次元的虚拟IP,让你获得近距离追星的快感。 情感需求是客观存在的,人需要被鼓舞、被理解。在社会日益原子化的今天,这个需求还在不断增长。 有人在小红书这样描述自己与AI聊天的感受:「哪怕心知肚明那只是一段代码,但还是会因为那些文字心动。AI 可能是虚妄的,但看到那些对话而惊喜的心情是真真切切的。」 AI 伴侣聊天机器人 Character.ai 的增速也是最好的证明。 在这款软件中,用户可以与马斯克、乔布斯、马里奥等著名人物交谈,也可以定制自己的专属 AI 陪聊。 Character.ai由两名前谷歌员工创立,还不满一年。今年三月,这家公司完成了1.5亿美元融资,由美国著名风投公司a16z(Andreessen Horowitz)领投,估值已经达10亿美元,绝对的一匹黑马。 ChatGPT增长趋于停滞的当下,Character.ai的访问量却持续攀升。Semrush的数据显示,后者4月访问量环比增长近90%,5月环比增长47%。 真人与AI文本交互的顺畅体验,依赖的是大语言模型的成熟。但虚拟人,不仅包含文本,还包括动作、表情、声音。想要达到全方位自然相处的境地,还有一段漫长的技术跋涉。 今年湖南卫视跨年晚会现场,虚拟人带来了名为《制造浪漫》的歌舞表演。有网友表示,童言无忌,自己家3岁孩子的第一反应是「好假好丑」。 需求虽然存在,但技术实现并不尽如人意,这让面向toC市场的身份型虚拟人,很难卖个好价格。 这点实用型虚拟人更占优势。以同时兼具两种功能的小冰AI 克隆人为例,提供的实用价值比情绪价值贵 5 倍。 「情感模式」定价是 72 元/年,可实现语音通话、朋友圈互动等功能。而「超级模式」的定价是 360元/年,主要服务于办公场景,辅助会议纪要、文案撰写等工作。 最重要的是,小冰AI售卖的只是交互界面,没有具体的虚拟形象。 David对此毫不意外,「从我自己的感受来说,企业客户首先关注的是 ROI 能不能打正,是不是比真人员工成本低。其次,热点技术也带有营销属性,比如企业可以购买个虚拟人,说自己接入了 AIGC,并大力宣传这样一个拥抱创新的品牌形象。」 他还补充道,虚拟人技术供方首先要满足企业的现实需求,因为无论是从实际功能,还是营销功能,企业都比个人的付费意愿更强烈。 生产端,降本增效一个值得行业欣慰的好消息是,AI的技术进步驱动了虚拟人生产成本的降低。不论对功能型还是身份型虚拟人,都是利好。 打造一个虚拟人,主要包括建模、驱动、渲染三个环节。AI大大降低了建模和驱动环节的成本。 建模,就是通过手绘、CG建模或者AI的方法,制作出虚拟人的形象。传统方法,需要设计师在 3D 软件中「捏」出一些形象。 以往,产品经理和美术设计只能通过文字、网络图片参考,沟通形象需求,难免存在信息失真。假如对制作效果不满意,只能多次返工。 现在不然,Midjourney、Stable Diffusion 等软件已经实现低成本的 2D 图像生成。 AI基于已有素材和指令,智能生成一个形象,让每一个需求都有了更具体的对照。也就是说,AI大大降低了制作虚拟人形象的沟通和试错成本。 3D 建模虽然无法完全由AI完成,但 MetaHuman 等工具则可以通过输入照片或视频建立高保真的虚拟人,并直接在 Unreal Engine 中应用。 驱动,是让虚拟人活动起来的过程。它可以由「中之人」驱动,也可以由AI驱动。中之人是指,在虚拟人的外衣下,提供声音、动作的真人演员。 前者依靠对真人的深度采集完成,包括动作捕捉、面部表情捕捉、音视频合成等等,再绑定到虚拟人上。后者则是通过深度学习、小样本学习、自然语言处理、神经网络渲染等技术手段,比如输入演讲稿或者语音,AI模型就能自动输出肢体动作、面部表情、声音。 David解释,他们公司具备动作、表情和声音模型。「声音是比较简单的,TTS(Text to Speech)技术很成熟了。肢体和口唇动作就是一些 STA 模型,我们采集了非常多的动捕数据,再基于此去生成训练模型。」 例如,若想在产品解说的视频中应用虚拟人,系统会基于NLP识别用户输入的脚本,其中的文字作为输入给到模型,可以触发一些关键的动作。 如果你对这些概念没有强烈体感,可以通过金钱投入量级更直观地感受。 「如果是动捕技术,成本是一秒钟1000块,这意味着时长一分钟的视频,大概需要六万块。而通过 AI 的方式去生成,1分钟只需要30块钱。」David 介绍,两种方式的成本相差千倍。 广发证券指出,AI 技术对虚拟人产业的影响不仅仅是在成本侧,同时还带来了「拟人化」和「专业化」的可能。大语言模型,以及在基础模型上用特定的数据集进行微调,可以赋予虚拟人个性,也可以适配更多专业化的场景。 虚拟人直播带来的启示更直观的功能型虚拟人应用,是在直播场景。 5月份,抖音率先确定虚拟人的「合法」身份,允许使用AI辅助创作、不会限制虚拟人直播。近几个月,抖音新注册的公会账号,使用虚拟人直播不再按照录播对待。 快手虽然没有官方表态,但没少给「快手虚拟演播助手(KuaishouVirtual Studio,KVS)」做推广。KVS 是一款面向内容生产者的工具,支持使用虚拟人助播,也支持主播自己化身虚拟形象,进入虚拟场景。 不论站在哪一方,虚拟人都是刚需。 品牌方,有动力替换部分真人主播。一名成熟的主播,培养周期至少在三个月左右。而这一行业的人员流动性很高,品牌方需要持续寻找、培训、磨合新的主播。 如果不考虑饭碗被替代,主播也想培训虚拟人帮自己打工。毕竟,带货是个体力活儿,日复一夜每天连播4-6小时,昼夜颠倒、深夜下播是行业常态,很多人吃不消。 此外,「带货过品」的套路成熟,商品的讲解流程标准化,虚拟人似乎完全可以胜任。 然而,现实却没有那么美好。 虚拟人主播很难让观众产生真正的信任,尤其是涉及到产品测评,美妆、服饰等常见商品的展示,虚拟人显得有点力不从心。 此前,群众基础还不错的虚拟偶像翎 Ling,就因为口红测评文案中的「滋润不干」被网友无情吐槽。当呈现效果完全是虚拟的,又如何给到消费者真实客观的参考呢。 服装则更是如此。不仅呈现效果缺乏可信性,还要对展示的服装进行提前建模,运营成本不见得比真人主播低。然而,网友们的评价却是「这能看出来啥」,「好像就是弄了一个虚拟人形象出来念稿子」。 目前,虚拟主播的功能,更多是基础性的产品介绍,或者给真人主播做「花瓶」,引起观众的好奇。 抖音虽然默许了虚拟人的直播,但同时也表示,流量的分发取决于「内容的质量」,不是随时大开绿灯。这也意味着在高峰时段,「只会念稿」的虚拟人直播,根本不是真人带货主播的对手。 从直播这一场景的「虚拟人」打工状态管中窥豹,作为用户,我们不难感受到宣传中的科幻感与技术落地的现实之间的差距。 但技术的进步永远是这样,可用性的提升并非一日之功。 AI 技术的发展,帮助虚拟人行业克服了批量化生产的巨大难题,能够帮助用户快速、低成本地生成虚拟人,高频次地生产内容,以及摆脱对于真人的依赖。 而对于从业者和企业客户来说,虚拟人与真人的自然交互,近一寸有一寸的欢喜。已经有不少商家在深夜时段,采用了虚拟人主播,让自己的直播间 24 小时不间断。 毕竟,能持续向观众发送商品介绍的简单念白,也聊胜于无。 |