每經(jīng)記者 張斯    

11月7日，第五屆世界互聯(lián)網(wǎng)大會(huì)在浙江烏鎮(zhèn)拉開(kāi)帷幕，作為國(guó)內(nèi)外創(chuàng)新創(chuàng)業(yè)成果集中亮相的平臺(tái)，每年大會(huì)上呈現(xiàn)的“黑科技”都成為社會(huì)各界關(guān)注的焦點(diǎn)。在開(kāi)幕當(dāng)天，搜狗公司與新華社帶來(lái)了全球首個(gè)合成新聞主播——“AI合成主播”，創(chuàng)造性地“克隆”出與真人主播擁有同樣播報(bào)能力的“分身”。而隨著“AI合成主播”的發(fā)布，搜狗人工智能的核心技術(shù)“搜狗分身”也終于浮出水面，成為大會(huì)開(kāi)幕日的最大亮點(diǎn)之一。

“這是人工智能領(lǐng)域的又一次突破與創(chuàng)新?！爆F(xiàn)場(chǎng)，搜狗CEO王小川表示，“AI合成主播”是搜狗人工智能核心技術(shù)“搜狗分身”的一次重要實(shí)踐，該技術(shù)能夠利用搜狗的AI能力，從圖像表情、聲音語(yǔ)言習(xí)慣、邏輯思維等層面對(duì)AI進(jìn)行擬人化訓(xùn)練，然后克隆制造人類的AI分身，進(jìn)而幫助人類提高信息表達(dá)和傳遞的效率。

同時(shí)，他也指出，人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量。搜狗一直以“讓表達(dá)和獲取信息更簡(jiǎn)單”為使命，布局“自然交互+知識(shí)計(jì)算”的人工智能戰(zhàn)略，在語(yǔ)音、圖像、翻譯、對(duì)話和問(wèn)答等技術(shù)方向不斷取得全球領(lǐng)先，先后推出機(jī)器同傳、唇語(yǔ)識(shí)別、智能分診、翻譯硬件等融合AI領(lǐng)先技術(shù)的產(chǎn)品和服務(wù)，率先實(shí)現(xiàn)了人工智能技術(shù)的大規(guī)模商用。

音容面貌都可“復(fù)制”的虛擬主播

通過(guò)對(duì)目標(biāo)人少量語(yǔ)音和面部視頻的學(xué)習(xí)，復(fù)制出與目標(biāo)人幾乎完全一樣的聲音或者面部視頻?！胺稚砑夹g(shù)”等新技術(shù)的出現(xiàn)，讓現(xiàn)場(chǎng)參會(huì)的嘉賓看到了搜狗在整個(gè)人工智能領(lǐng)域的布局和實(shí)際落地的場(chǎng)景。

在互聯(lián)網(wǎng)之光博覽會(huì)搜狗展臺(tái)內(nèi)，這項(xiàng)黑科技十足的“AI合成主播”技術(shù)成為了現(xiàn)實(shí)。據(jù)介紹，用戶只需要輸入新聞文本，AI合成主播就能用和真人一樣的聲音進(jìn)行播報(bào)，而在播報(bào)的過(guò)程中唇形、面部表情等也能與真人主播完全吻合，效果惟妙惟肖。

新華社副社長(zhǎng)劉思揚(yáng)表示，當(dāng)前，隨著網(wǎng)絡(luò)信息技術(shù)的快速發(fā)展，媒體格局、輿論生態(tài)、傳播方式正在發(fā)生深刻變革，技術(shù)在媒體融合發(fā)展中的引領(lǐng)作用日益凸顯。AI合成主播大幅提升新聞視頻生產(chǎn)效率的重要舉措。

現(xiàn)場(chǎng)，王小川重點(diǎn)解讀了搜狗人工智能核心技術(shù)“搜狗分身”。他表示，“搜狗分身”是人工智能技術(shù)在模仿人類領(lǐng)域的一個(gè)新的突破，由真人主播面對(duì)鏡頭錄制一段播報(bào)新聞視頻，“搜狗分身”技術(shù)憑借這段視頻，能夠讓機(jī)器可以首次做到逼真的模擬人類說(shuō)話時(shí)的聲音、嘴唇動(dòng)作和表情，并且將三者自然匹配。

同時(shí)，他指出，“這次的成功合作讓我們也受益良多，拓寬了我們?cè)谌斯ぶ悄苎芯亢图夹g(shù)落地創(chuàng)新上的視野和選擇。AI合成主播的誕生，將為媒體生產(chǎn)端帶來(lái)無(wú)限想象空間，是智能時(shí)代大幅提升新聞生產(chǎn)、傳播效率、新聞價(jià)值的有效手段。

“搜狗分身”技術(shù)的無(wú)限應(yīng)用想象

“搜狗分身”技術(shù)讓我們切實(shí)地看到，機(jī)器以更逼真自然的形象呈現(xiàn)在用戶面前，而不是冷冰冰的“機(jī)器人”。

搜狗語(yǔ)音交互技術(shù)中心總經(jīng)理王硯峰表示，“搜狗分身”技術(shù)是搜狗人工智能的核心技術(shù)之一，誕生于搜狗“自然交互+知識(shí)計(jì)算”這一人工智能理念之下。依托“搜狗分身”技術(shù)創(chuàng)新的信息傳播形式，能夠幫助媒體在融媒體轉(zhuǎn)型、新聞時(shí)效性和跨語(yǔ)種傳播能力等方面再上臺(tái)階，增強(qiáng)中國(guó)傳媒業(yè)的國(guó)際影響力和全球競(jìng)爭(zhēng)力。

據(jù)了解，該技術(shù)包含語(yǔ)音合成和圖像生成兩大引擎，能通過(guò)人臉關(guān)鍵點(diǎn)檢測(cè)、人臉特征提取、人臉重構(gòu)、唇語(yǔ)識(shí)別、情感遷移等多項(xiàng)前沿技術(shù)，并結(jié)合語(yǔ)音、圖像等多模態(tài)信息進(jìn)行聯(lián)合建模訓(xùn)練后，生成與真人無(wú)異的AI分身模型，讓機(jī)器以更逼真自然的形象呈現(xiàn)在用戶面前。

王硯峰介紹，搜狗分身技術(shù)具備兩大難點(diǎn)，一是高逼真度，搜狗分身能夠自動(dòng)生成語(yǔ)音、表情、唇動(dòng)等信息完全一致的自然視頻，并已達(dá)到商用級(jí)別，在業(yè)內(nèi)尚屬首次；二是個(gè)性化定制成本低，搜狗分身僅需使用少量用戶真實(shí)音視頻數(shù)據(jù)，即可快速定制出高逼真度的分身模型，該項(xiàng)技術(shù)也領(lǐng)先行業(yè)。

而值得關(guān)注的是，搜狗分身技術(shù)的應(yīng)用場(chǎng)景非常廣泛，可以涵蓋需要人類參與的眾多內(nèi)容表達(dá)場(chǎng)景，例如新聞播報(bào)、虛擬教師、虛擬醫(yī)生、虛擬客服等。在解放行業(yè)生產(chǎn)力的同時(shí)，“搜狗分身”技術(shù)給予用戶更好的個(gè)性化音視頻效果，用AI科技來(lái)切實(shí)的提高人們的生活體驗(yàn)。

在談到關(guān)于合成主播和分身技術(shù)的未來(lái)期待，王小川表示，搜狗將會(huì)繼續(xù)秉承搜狗的使命，進(jìn)一步探索“搜狗分身”的邊界，將“搜狗分身”技術(shù)逐步應(yīng)用到中國(guó)與世界各國(guó)家跨語(yǔ)言交流場(chǎng)景中去，助中國(guó)走向世界，讓世界更了解中國(guó)，為“一帶一路”倡議下的國(guó)際合作提供幫助。