搜狗與新華社新媒體中心聯(lián)合發(fā)布全球首個(gè)站立式AI合成主播，你怎么看？
在過(guò)去的2018年，人工智能成為了最火熱的技術(shù)之一，AI技術(shù)不斷發(fā)展，讓越來(lái)越多的人開(kāi)始擔心，未來(lái)自己的工作會(huì )不會(huì )被機器人所代替，這種擔憂(yōu)看似很遙遠，但是對于一些職業(yè)，變革已經(jīng)悄然來(lái)臨……
新華社聯(lián)合搜狗公司開(kāi)發(fā)的AI主播再次升級，新聞主播已經(jīng)開(kāi)始和人工智能競爭了。
就在昨天，新華社同搜狗公司召開(kāi)了戰略合作簽署儀式，雙方共同推動(dòng)媒體行業(yè)的創(chuàng )新發(fā)展，在儀式上，雙方共同發(fā)布了全新的站立式AI主播——“新小浩”和全球首個(gè)AI女主播——“新小萌”。
升級后的AI主播仍以新華社主播邱浩為原型，之前發(fā)布的AI主播只能保持坐姿，表情相對僵硬，神態(tài)與播報內容結合不夠貼切。而本次升級之后，“新小浩”不僅可以坐著(zhù)播報，更能站起來(lái)，加入更多的肢體動(dòng)作，帶著(zhù)各種手勢及姿態(tài)，聲情并茂的播報新聞，看起來(lái)更加真實(shí)，更加智能。
本次升級也實(shí)現了技術(shù)上的重大突破，在聲音模型、圖像模型方面，成果顯著(zhù)，并且對“搜狗分身”技術(shù)有了巨大的提升與完善。
針對文字與聲音的轉換，以及對聲音的模擬，都是基于聲音模型完成的，本次升級采用了領(lǐng)先的波形建模技術(shù)生成音頻，通過(guò)直接為音頻信號的原始波形建模，一次為一種音頻樣本建模，來(lái)改變這種范式。
與聽(tīng)起來(lái)更為自然的語(yǔ)音相同，使用原始波形意味著(zhù)其能夠為任意類(lèi)型的音頻建模。經(jīng)過(guò)這一技術(shù)合成的聲音，更富有情感，表現力得到極大提升。
圖像方面，本次升級在肢體動(dòng)作方面下足了功夫，使用了海量手勢數據，為其肢體動(dòng)作模型進(jìn)行學(xué)習，實(shí)現了“新小浩”豐富的肢體動(dòng)作，并且根據主播原型邱浩的播報行為習慣進(jìn)行數據分析，歸納手部動(dòng)作的習慣，讓動(dòng)作和播報內容相結合，不再“尬舞”。
關(guān)鍵點(diǎn)標記順序
除了肢體動(dòng)作，在唇部動(dòng)作方面，也對唇形合成模型進(jìn)行優(yōu)化，對于唇部動(dòng)作的關(guān)鍵點(diǎn)標記有了新的方案，唇部共計標注20個(gè)關(guān)鍵點(diǎn)，外唇12個(gè)，內唇8個(gè)，提高了動(dòng)作捕獲的準確性。經(jīng)過(guò)一系列優(yōu)化，AI主播的聲音和口型配合將更加自然，更加流暢。
除了站立式AI主播，本次的另一個(gè)亮點(diǎn)是首個(gè)AI女主播，基于A(yíng)I男主播的開(kāi)發(fā)經(jīng)驗，AI合成女主播“新小萌”的定制周期大幅度縮短，播報效果和穩定性極大提升，AI女主播將于今年的全國兩會(huì )報道上正式亮相，加入新聞報道隊伍。此外合成AI女主播標志著(zhù)“搜狗分身”技術(shù)的更加成熟，為更廣泛的“復制”奠定了基礎。
截止目前，AI主播已發(fā)稿3400余條，累計時(shí)長(cháng)達10000多分鐘，參與了如第五屆世界互聯(lián)網(wǎng)大會(huì )、首屆進(jìn)博會(huì )、2019春運、農歷豬年春節等重要報道，不久的將來(lái)可實(shí)現量產(chǎn)。
將視野放寬，其實(shí)虛擬人物生成技術(shù)可應用領(lǐng)域較為廣泛，AI主播只是其中最初級的嘗試。在技術(shù)成熟，并且可以實(shí)現低成本復制之后，將應用于娛樂(lè )、醫療、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。
人工智能的發(fā)展，正在讓我們的生活變得更加美好，但是與此同時(shí)，又會(huì )讓多少人失去工作？和人工智能比起來(lái)，我們該如何凸顯核心競爭力，這一問(wèn)題值得深思。