AI合成主播閃亮登場(chǎng)

前段時(shí)間，全球首個(gè)AI合成女主播“新小萌”正式上崗新華社，而她的第一個(gè)工作任務(wù)便是參與今年全國(guó)兩會(huì)報(bào)道。對(duì)此，許多海外媒體進(jìn)行了大幅報(bào)道，并表示“近年來(lái)，中國(guó)已成為全球領(lǐng)先的人工智能發(fā)展中心之一”。

對(duì)AI合成主播，人們?cè)隗@嘆和稱贊之余，對(duì)于其背后的人工智能技術(shù)都無(wú)比好奇：AI合成主播是如何誕生的？它未來(lái)又將有哪些應(yīng)用價(jià)值？

AI合成主播交出亮眼成績(jī)單

在2018年11月舉行的第五屆世界互聯(lián)網(wǎng)大會(huì)上，新華社聯(lián)合搜狗發(fā)布全球首個(gè)合成新聞主播——“AI合成主播”，運(yùn)用最新人工智能技術(shù)，“克隆”出與真人主播擁有同樣播報(bào)能力的“分身”，在全球AI合成領(lǐng)域和新聞?lì)I(lǐng)域均開(kāi)創(chuàng)了先河，引起了世界范圍內(nèi)的關(guān)注。

路透社報(bào)道稱，這個(gè)AI主播是以中國(guó)新聞主播邱浩為原型的，它身穿黑西裝打著領(lǐng)帶。這是中國(guó)旨在提升其在人工智能技術(shù)方面能力努力的一部分。

英國(guó)《獨(dú)立報(bào)》網(wǎng)站則稱，新華社的AI主播是一位栩栩如生的數(shù)字化播報(bào)員，可以通過(guò)模仿真人主播的形象和聲音朗讀文本內(nèi)容。

近期，該AI合成主播經(jīng)過(guò)技術(shù)攻關(guān)，在多項(xiàng)重要技術(shù)上取得突破。這款被命名為“新小浩”的站立式AI合成主播，仍然以新華社主播邱浩為原型，在聲音和圖像兩大引擎上有了較大的優(yōu)化和突破。“新小浩”不僅能坐著播報(bào)新聞，還能站起來(lái)，帶著手勢(shì)、姿態(tài)等多種肢體動(dòng)作聲情并茂地播報(bào)新聞，更加智能，更接近于真人。

作為新華社的新員工，AI合成主播上線后立即投入新聞報(bào)道并實(shí)現(xiàn)量產(chǎn)，目前已發(fā)稿3400余條，累計(jì)時(shí)長(zhǎng)超過(guò)10 000分鐘，參與了包括第五屆世界互聯(lián)網(wǎng)大會(huì)、首屆中國(guó)國(guó)際進(jìn)口博覽會(huì)、2019年春運(yùn)、農(nóng)歷豬年春節(jié)等重要內(nèi)容的報(bào)道。這些報(bào)道充分結(jié)合圖片、視頻、文字、動(dòng)漫等元素，生產(chǎn)出一系列內(nèi)容豐富、形式多樣、可讀性強(qiáng)的融媒體新聞產(chǎn)品。這些產(chǎn)品不僅在新華社中英文客戶端、新華社微信公眾號(hào)、中國(guó)新華新聞電視網(wǎng)等平臺(tái)發(fā)布，還以豎屏形態(tài)在各移動(dòng)短視頻平臺(tái)大量播發(fā)，引起熱烈反響，海內(nèi)外媒體紛紛跟進(jìn)報(bào)道。

AI合成主播為何如此逼真

AI合成主播閃亮登場(chǎng)，引起了全球傳媒業(yè)和人工智能領(lǐng)域的極大關(guān)注，成為中國(guó)人工智能與傳媒業(yè)大膽融合并付諸規(guī)模化應(yīng)用的典型案例。

AI合成主播無(wú)論是聲音還是表情，都做到了以假亂真的地步。其不僅能全年365天、每天24小時(shí)不停歇地提供服務(wù)，還能用無(wú)數(shù)個(gè)分身，同時(shí)在不同的現(xiàn)場(chǎng)播報(bào)各種資訊。

AI合成主播有極強(qiáng)的“克隆”能力。真人主播面對(duì)鏡頭錄制一段播報(bào)新聞的視頻后，AI合成主播憑借這段視頻，就能將真人主播的聲音、唇形、表情動(dòng)作等特征提取出來(lái)，隨后“克隆”出真人主播的分身。用戶只需輸入新聞文本，這個(gè)分身就能用和真人一樣的聲音進(jìn)行播報(bào)，而且唇形和面部表情等也能與真人主播完全吻合，真假難辨，效果相當(dāng)震撼。那么，為什么AI合成主播如此逼真？

初代AI合成主播由“搜狗分身”技術(shù)打造，這項(xiàng)技術(shù)讓機(jī)器首次做到逼真地模擬人類說(shuō)話時(shí)的聲音、嘴唇動(dòng)作和表情，并且將三者自然匹配，創(chuàng)造出人類的AI分身，進(jìn)而幫助人類提高信息表達(dá)和傳遞的效率。

而首個(gè)入職新華社的站立式AI合成主播，在聲音、嘴唇動(dòng)作和表情之外，利用“搜狗分身”技術(shù)繼續(xù)賦予其肢體語(yǔ)言的能力，讓其更加智能逼真。

3月初加入全國(guó)兩會(huì)報(bào)道的AI合成主播進(jìn)一步采用了“搜狗分身”最新的wavernn波形建模技術(shù)，可以實(shí)現(xiàn)逼真的語(yǔ)音合成效果，讓AI合成主播的聲音更具有真實(shí)情感和表現(xiàn)力。而在圖像生成方面，新版的AI合成主播實(shí)現(xiàn)了更加逼真的表情生成、自然的肢體動(dòng)作以及嘴唇動(dòng)作預(yù)測(cè)等能力，完成了站立并可以做出肢體動(dòng)作的主播形象，進(jìn)一步提升了合成主播的表現(xiàn)力。

為不同職業(yè)賦能

全國(guó)兩會(huì)期間，AI合成女主播的首次登場(chǎng)亮相，所帶來(lái)的沖擊感是非同凡響的。和真人主播相比，通過(guò)“搜狗分身”技術(shù)打造的AI合成主播能夠不知疲倦地連續(xù)工作24小時(shí)，同時(shí)還掌握多國(guó)語(yǔ)言，大大提升了效率、降低了成本。

據(jù)搜狗公司透露，隨著“搜狗分身”技術(shù)能力的不斷提高，AI合成主播的定制周期也大為降低，合成效果和穩(wěn)定性也有著顯著提升。僅靠少量用戶真實(shí)音視頻數(shù)據(jù)，即可快速定制出高逼真度的分身模型，幫助媒體在融媒體轉(zhuǎn)型、新聞時(shí)效性、跨語(yǔ)種傳播能力等領(lǐng)域升級(jí)。全球首個(gè)AI合成女主播，正是“搜狗分身”技術(shù)持續(xù)復(fù)制不同類型、不同特點(diǎn)AI合成主播能力的體現(xiàn)。

根據(jù)搜狗和新華社達(dá)成的戰(zhàn)略合作協(xié)議，未來(lái)雙方還將在AI合成主播領(lǐng)域展開(kāi)長(zhǎng)期合作，更多的AI合成主播將不斷涌現(xiàn)，而這些主播播報(bào)的新聞也將會(huì)通過(guò)新華社客戶端、新華社微信公眾號(hào)等平臺(tái)與觀眾見(jiàn)面。可以預(yù)見(jiàn)，AI合成主播注定會(huì)成為AI時(shí)代信息資訊傳播鏈條相當(dāng)重要的一環(huán)。

然而，AI合成主播僅僅只是一個(gè)開(kāi)始。伴隨著人工智能技術(shù)的不斷升級(jí)，個(gè)性化內(nèi)容生產(chǎn)的門檻大大降低，應(yīng)用范圍愈發(fā)廣泛。未來(lái)，“搜狗分身”技術(shù)還將應(yīng)用于娛樂(lè)、醫(yī)療、健康、教育、法律、金融等多個(gè)領(lǐng)域，通過(guò)提供個(gè)性化的行業(yè)解決方案，為不同職業(yè)賦能，從而提升整個(gè)社會(huì)的信息生產(chǎn)力。根據(jù)不同場(chǎng)景創(chuàng)造出虛擬教師、虛擬客服、虛擬管家、虛擬醫(yī)生等，深度滲透到人類的內(nèi)容表達(dá)和信息傳遞場(chǎng)景中，提供服務(wù)并發(fā)揮更多價(jià)值。屆時(shí)，各行各業(yè)都將迎來(lái)AI技術(shù)下的新一輪變革。（本刊綜合）