以假亂真，AI新聞主播來了

一

2018年11月7日，在第五屆世界互聯(lián)網(wǎng)大會上，搜狗與新華社聯(lián)合展示了全球首個全仿真智能AI主持人。“他”是以中國新聞主播邱浩為原型的，一經(jīng)亮相便引起了巨大轟動。這名AI主持人之所以成為了最耀眼的明星，主要是因為“他”除了口型稍微有點對不上之外，不論是表情還是聲音都達到了以假亂真的地步。

那么，到底什么是全仿真智能AI主持人呢？

要搞清楚這個問題，我們就要先來具體了解一下什么是“AI”。所謂“AI”，其實就是“人工智能”的英文縮寫。AI是計算機科學(xué)的一個分支，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。它主要包括機器人、語言識別、圖像識別、自然語言處理以及專家系統(tǒng)等等。

簡單地說，全仿真智能AI主持人就是利用人工智能技術(shù)，通過模仿真人主播的形象和聲音來朗讀文本內(nèi)容的數(shù)字化播報員。業(yè)界內(nèi)稱其為“AI合成主播”。

二

當(dāng)然，如果僅僅只是一個簡單的數(shù)字化播報員也不會引起各界如此強烈的關(guān)注。“AI合成主播”能夠結(jié)合新華社客戶端“現(xiàn)場新聞”，將“AI合成主播”與短視頻一體化生產(chǎn)制作，呈現(xiàn)了令人耳目一新的新聞短視頻。“他”不僅在全球AI合成領(lǐng)域?qū)崿F(xiàn)了技術(shù)創(chuàng)新和突破，更是在新聞領(lǐng)域開創(chuàng)了實時音視頻與AI真人形象合成的先河。

根據(jù)官方透露的信息，新華社的這個“AI合成主播”主要是在搜狗“分身”技術(shù)的支持下，通過人臉關(guān)鍵點檢測、人臉特征提取、人臉重構(gòu)、唇語識別、情感遷移等多項前沿技術(shù)，并結(jié)合語音、圖像等多模態(tài)信息進行聯(lián)合建模訓(xùn)練后，生成的與真人無異的AI分身模型。

那么，搜狗的“分身”技術(shù)又具體指的是什么呢？

搜狗“分身”技術(shù)誕生于搜狗“自然交互+知識計算”這一人工智能理念之下。它主要包括了語音合成技術(shù)、唇形合成技術(shù)、表情合成技術(shù)以及自然語言處理技術(shù)等多種AI技術(shù)。這項技術(shù)讓機器首次做到了逼真模擬人類說話的聲音、嘴唇動作和表情，并且將三者自然匹配，做到惟妙惟肖。這是人工智能技術(shù)在模仿人類領(lǐng)域的一個新突破。

簡而言之，生成“AI合成主播”大致可分為三步完成：首先，被模仿者在鏡頭前錄制一段音頻、視頻數(shù)據(jù)；然后，“分身”技術(shù)提取被模仿者的聲音、表情、唇形等個性特征；最后，利用語音合成、表情合成、唇形合成技術(shù)，再加上深度學(xué)習(xí)技術(shù)即可合成一個活靈活現(xiàn)的“AI主播”。

三

目前，“AI合成主播”已經(jīng)在新華社正式上崗，并且被運用到了世博會、世界互聯(lián)網(wǎng)大會等重要新聞事件的報道當(dāng)中。“他”基本上能夠同其他真人主播一起，為觀眾們帶來權(quán)威、及時、準(zhǔn)確的中英文新聞資訊。

“AI合成主播”相比真人主播最大的優(yōu)點就是能夠24小時不停歇地工作。不但能夠提升滾動媒體的新聞制作效率，還可以有效降低新聞的制作成本。

那么，在了解了“AI合成主播”的情況之后，大家難免要為現(xiàn)在的真人主播們擔(dān)憂了，這不是活生生搶飯碗來了嗎？

其實，就目前來看大家的擔(dān)心還為時過早。因為，作為一名還處于研發(fā)過程中的AI新聞主播，“他”本身還有許多需要進一步改進和完善的地方。

不過，未來基于人工智能技術(shù)合成的風(fēng)格各異的人類形象，在醫(yī)療、教育、媒體、法律咨詢等方面的應(yīng)用前景無疑是十分廣闊的。