每經(jīng)記者｜張斯    

11月7日，第五屆世界互聯(lián)網(wǎng)大會在浙江烏鎮(zhèn)拉開帷幕，作為國內(nèi)外創(chuàng)新創(chuàng)業(yè)成果集中亮相的平臺，每年大會上呈現(xiàn)的“黑科技”都成為社會各界關(guān)注的焦點。在開幕當(dāng)天，搜狗公司與新華社帶來了全球首個合成新聞主播——“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，成為大會開幕日的最大亮點之一。

“這是人工智能領(lǐng)域的又一次突破與創(chuàng)新?！爆F(xiàn)場，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”的一次重要實踐，該技術(shù)能夠利用搜狗的AI能力，從圖像表情、聲音語言習(xí)慣、邏輯思維等層面對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，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)動力量。搜狗一直以“讓表達(dá)和獲取信息更簡單”為使命，布局“自然交互+知識計算”的人工智能戰(zhàn)略，在語音、圖像、翻譯、對話和問答等技術(shù)方向不斷取得全球領(lǐng)先，先后推出機(jī)器同傳、唇語識別、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

通過對目標(biāo)人少量語音和面部視頻的學(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)場參會的嘉賓看到了搜狗在整個人工智能領(lǐng)域的布局和實際落地的場景。

在互聯(lián)網(wǎng)之光博覽會搜狗展臺內(nèi)，這項黑科技十足的“AI合成主播”技術(shù)成為了現(xiàn)實。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，而在播報的過程中唇形、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，王小川重點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)域的一個新的突破，由真人主播面對鏡頭錄制一段播報新聞視頻，“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話時的聲音、嘴唇動作和表情，并且將三者自然匹配。

同時，他指出，“這次的成功合作讓我們也受益良多，拓寬了我們在人工智能研究和技術(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)端帶來無限想象空間，是智能時代大幅提升新聞生產(chǎn)、傳播效率、新聞價值的有效手段。

“搜狗分身”技術(shù)的無限應(yīng)用想象

“搜狗分身”技術(shù)讓我們切實地看到，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+知識計算”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、新聞時效性和跨語種傳播能力等方面再上臺階，增強(qiáng)中國傳媒業(yè)的國際影響力和全球競爭力。

據(jù)了解，該技術(shù)包含語音合成和圖像生成兩大引擎，能通過人臉關(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(jìn)行聯(lián)合建模訓(xùn)練后，生成與真人無異的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，一是高逼真度，搜狗分身能夠自動生成語音、表情、唇動等信息完全一致的自然視頻，并已達(dá)到商用級別，在業(yè)內(nèi)尚屬首次；二是個性化定制成本低，搜狗分身僅需使用少量用戶真實音視頻數(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)場景，例如新聞播報、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，“搜狗分身”技術(shù)給予用戶更好的個性化音視頻效果，用AI科技來切實的提高人們的生活體驗。

在談到關(guān)于合成主播和分身技術(shù)的未來期待，王小川表示，搜狗將會繼續(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)用到中國與世界各國家跨語言交流場景中去，助中國走向世界，讓世界更了解中國，為“一帶一路”倡議下的國際合作提供幫助。