首页 > IT科技时报 > 今日热点 > 正文

数字人小灿：始于火山语音，发于B端百业

来源：看点时报2023-11-01 14:37:37

火爆的数字人市场又有新消息来袭：火山语音的数字人小灿来了！

今年以来，在生成式AI浪潮的助推下，大量企业争相布局数字人赛道。市场之所以如此火热，是因为AI数字人已被视为人工智能时代智能交互的入口级产品，对于未来AI的广泛应用具有重要意义。

与虚拟现实时代数字人“高处不胜寒”，市场接受度较低相比；如今，金融、汽车、文旅、政务、大型企业等B端行业用户均在迅速接受和尝试AI数字人，并密切关注着市场与技术的动态变化。

不过，AI数字人在商业化落地依然面临着诸多挑战，如何真正推动数字人走向普惠是当下市场的一道难题。为此，火山语音推出数字人小灿，为AI数字人在B端市场走出一条重要的落地路径，助推AI数字人走进广大B端业务场景。

数字人赛道火热，落地挑战不容忽视

IDC《中国 AI 数字人市场现状与机会分析》报告预测，到2026年，中国AI数字人市场规模将达到102.4亿元人民币。

毫无疑问，AI数字人市场前景非常广阔。但从虚拟现实时期开始，数字人虽然借势起跑，却始终面临着大规模商用场景缺乏、市场接受度低、技术成熟度不高、成本高居不下等挑战，以至于在B端市场举足不前。

以市场定位为例，超写实的3D虚拟数字人贴合真人形象，也更加符合B端市场各种场景的定位，却也受制于AI算法、文本转语音技术、算力等技术因素的综合影响，数字人产品质量良莠不齐，语音、表情、互动等生硬，在B端业务场景中定位也不够不清晰，华而不实逐渐沦为噱头。

与此同时，数字人又面临着高昂生产和运营成本、较长生产周期等问题，很多曾火爆一时的3D数字人均受困于成本问题，宛如流星般划过。业内人士介绍，一个3D AI数字人的年运营成本就高达数百万，也让诸多B端企业望而却步，市场接受度始终起不来。

事实上，数字人当前遇到的困境并不稀奇。究其原因，在产业发展的早期阶段，一项技术或产品要实现从小众到大众、从尝鲜者到主流群体的广泛应用，解决不了技术关和成本关两大难题，终究无法实现。

业绩普遍认为，在政策导向、市场需求、资本支出和技术成熟度等因素的合理推动下，AI数字人在B端市场正处于爆发的前夕。当前，市场中尤其需要AI数字人的高质量“爆款”，率先实现质量、成本与效率的兼顾，攻克技术关和成本关，牵引AI数字人全面融入B端业务场景。

相比之下，火山语音在数字人赛道属于先思而后行，其数字人小灿的定位非常清晰，即成为“提升工作效率+情绪价值”的副驾驶；同时作为首个超写实数字人，数字人小灿具备“善听”、“会说”、“能想”等特征，加上一站式拟人化服务，为数字人在B端市场带来新的启发。

首个超写实数字人，小灿颜才兼备

数字人小灿作为火山语音首位数字员工，火山语音介绍，未来或作为AI产品与技术的先导官服务内外。

作为超写实数字人，数字人小灿堪称颜值担当，不仅形象靓丽，而且气质不错。除了颜值之外，数字人小灿具备逻辑学家的人格类型，专业可靠、高理性逻辑，且才华横溢，对AI应用充满了天马行空的幻想。

数字人小灿“提升工作效率+情绪价值”副驾驶的产品定位，以及颜才具备的特征，都与B端业务场景的需求十分契合。众所周知，在B端业务场景中，业务逻辑较为复杂，通常具有一定的专业性，如果AI数字人语音、表情、互动生硬，不懂倾听、不会表达和不具备逻辑性，无法提升业务场景效率，就很难胜任业务场景的交互重任。

以金融业为例，IDC《银行数字科技五大趋势》报告认为，到2025年，超过80%的银行都将部署数字人，承担90%的客服和理财咨询服务。当前各种类型的金融机构均在试水AI数字人，像客服、理财咨询这类B端金融场景，AI数字人需要“看懂文字、听懂语言、做懂业务”，不仅需要在场景中实现与客户的高效率交互，还需要具有共情能力，让服务有温度。

数字人小灿颜才兼备的背后，自然离不开火山语音在AI相关技术的深厚底蕴。

据悉在形象技术方面，火山语音联合字节游戏-朝夕光年江南团队，联合打造3D超写实形象，数字人小灿是艺术+AI技术结合体。数字人小灿具备开心、惊讶、愤怒等丰富的情感演绎能力，语音交互时表情自然流畅，这些离不开火山语音的3D超写实数字人整套形象设计、资产制作、高成本影视级cg管线视频内容制作能力，以及自研高逼真AI口型及动作驱动技术。例如在AI驱动动作层面，团队基于创新的Motion Blening技术，在动作切换时可生成过度帧，使得数字人在切换各类动作时不仅可以做到毫秒级切换，同时平滑效果自然无感知。

同时数字人小灿还是个“语言天才”，会说英语、日语、粤语、东北话等十多种外语及方言，高保真还原真人音色、说话风格和声学环境特点，在市场中遥遥领先，这同样离不开火山语音在语音领域的技术底蕴。例如“一条音频秒级别音色复刻”技术（zero shot TTS），仅需要输入5秒钟到1分钟的音频，可秒级别极速复刻高保真还原真人音色、说话风格以及声学环境等特点；此外在核心技术架构全自研的基础上，各种指标（音质、相似度等）均居于学术界前沿，韵律模块基于自回归GPT类大模型研发，支持code-switch，即无论prompt为中文/英文，支持输出中文、英文及混合内容。

事实上，除了深厚的技术底蕴外，火山语音此次还非常注重以数字人为抓手，推动AI技术在B端的实践与落地。

深入行业场景，AI让工作生活更轻松

不可否认，当前AI数字人市场的火爆，也造成了一定的乱象，市场中也存在着大量良莠不齐的产品与方案。

业界普遍认为，AI数字人是推动AI技术在工作生活中落地的一个好抓手，能够真正带来B端行业交互效率和体验的提升，让人们的生活与工作更加轻松自如。但AI数字人在B端的普惠落地，还需要深入行业场景，找到产品与场景中的结合点，从而让数字人产品的价值得以呈现；并且需要具备规模化复制能力，降低AI数字人迈向B端行业用户的门槛。

通过数字人小灿，火山语音在AI数字人市场目标很明确，就是通过持续多版数字人产品的迭代，实现AI数字人质量、效率和成本并重，并让AI数字人深入行业场景，进而推动AI数字人在B端走向普惠。