随着AI的出现，虚拟数字人逐渐成熟，而让虚拟人富有生命力和有影响力，是当前未来的行进方向。作者总结了虚拟数字人的应用和观察，一起来看看吧。
生成式AI的技术让虚拟数字人不仅仅只有系统设置好的能力，更可以具备“灵魂”。
如何让虚拟人有生命力和有影响力，是未来行进的方向。
21年我关注这方面的时候，大部分还是处于电影特效环节，一个真人需要穿一些专业的动捕设备，然后需要设计同学进行大量的人工建模和绑定；
23年年底到现在我再次对这个行业的现状进行了一些摸索，发现确实有了惊人的迭代。
刚开始还是处于应用本身的更新，22年我有次在广州一个展会上看到了做数字人直播的SaaS公司，印象非常清楚，当时还询价，大概是8000/人/月；而且其他的展位都是有商品的，只有这家放了ppt，而且连海报都还没有，只是一个黑白A4纸，打印的产品说明。
当时这家公司的人还是一些“假人”建模出来的，并且音和形的拟合度也非常低。
整体观看，非常假。
但是时日至今，现在确实能够够看到一些还不错的数字人。
产出一些音乐、小短剧、照片等，主体基本由公司进行运营，在各大社交平台进行圈粉。
商业化变现路径：粉丝经济
代表作：洛天依（二次元音乐）
柳夜熙（剧情）
播音主持专业赛道，对新闻、综艺等进行专业的主持；也有在抖音小红书代替真人出镜，呈现内容；
商业化的变现路径：节省人力 + 资本价值
代表人物：央视的主播小C
服务于企业，多有IP属性、品牌代言和跨界属性，带来一些“噱头”，视觉效果加持，提供一些客服能力。
商业化路径：品牌价值、资本价值
代表人物：百信银行的员工AIya
服务于各地的文旅局，作为旅游IP的特性进行呈现；现在这这两年的商业化路径看起来还不错。
古人现代化呈现（虚拟李白）
商业化路径：代言人、AI概念加持
代表人物：刘三姐
概念：大多数是对现实生活中的人提供一个第二数字分身进行呈现，比如现在的老黄，主要是作为公司的代表作进行呈现，比如最近的刘强东直播、黄仁勋数字分身。
实现路径：造个虚拟人出来–>能表达（说话不假）—>能够产生交互（能回复问题）
最原始的状态：动捕设备+手工渲染
现在的方案：
真人驱动：通过动作捕捉设备进行关联，记录动作坐标；
代码驱动：对生成的数字人模型进行骨骼、表情的绑定以实现后续驱动；
智能驱动：通过动作的描述、口型、表情，等等，自动进行有动作流的绑定与生成。
这里就像是我给一个视频配音，如何提高精准度，这里大家应该都感受过，需要一直不断地拉大视频的帧，这样才能对的更整齐
但是这里还有一个问题，我们还需要让这个人的口型和语音对上，这个其实就是一个技术难点了（比如前几年电视剧的后期配音大家是非常能明显的感觉到区别）
过去的做法，是我需要人工把人物模型说话的模型建模渲染出来，然后让语音对齐这个口型；
口型动画生成技术：现在的技术已经攻克了口型和语音的自动拟合，能够实现我通过语音驱动这个人物模型的口型；
但是坦白讲，随着语言而变动表情和语气，这个点，确实现在还没有看到，或许也是成本太高了，一时半会不太能呈现出来。
对话这件事情，现在已经有了生成式大模型、知识库，对于信息的输入和赋予灵魂的输出，这件事情，倒不是技术困境了，阻力核心还是集中在，如何结合多模态让人类感知到这个“数字人”真实性。
现在能看到的一些数字人直播间还是非常初级的阶段，大多还是基础的实现口播，在情绪和问答数据交互上存在一些瓶颈，但是这些是可以通过现有的模型技术进行解决的，相信很快会有大的厂商在这里解决这里的技术问题
现在各地的文旅局，都在推进AI的应用，不管是博物馆的ar眼镜还是一些全息投影叠加AI人物的生成
导览数字人、代言人，这些都可以快速提升游客的感官体验。并且在这个场合中，“假”并不会被过度放大。
eg：上次在山东省博物馆和河南省博物院，都有看到类似的应用，通过ai的方式展现了京杭大运河当前的开凿和状况；还有李白杜甫这些诗人的经历，都有通过虚拟人+生成式视频+现场交互的方式，给游客带来较好的体感
日常大家会使用siri和小爱同学等等的语音对话助手，但是这里的siri是一个同样的siri，而且只是语音
如果现在你可以真实的构建一个数字人助手，可以yy一下，我可以线上设定他参数，比如我希望他是boy or girl ，语气是怎么样的，学历背景和工作履历是如何的，从一维二维的对话，走向三维的视频，同时再结合一些VR眼镜等等硬件，可以在特定的环境实现真实对话。。纯yy暂无一些资料表明。
会员制，卖时长和做好的视频–For内容制作者（云平台）如影
数字员工解决方案（小冰）
虽然解决了口型的问题，但是对于情绪和表情上，还是没有办法进行通用的商业化，这里在未来的一段时间必然是攻克的瓶颈。
本文由 @闻一 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。