盼望著，盼望著，春天的腳步近了，雪容融也終于正式上崗，迎來了自己的主場——2022北京冬殘奧會。

本屆冬奧會不僅是運動員們的競技舞臺，更是科技公司“秀肌肉”的絕佳舞臺。諸多科技亮點之中，大家可能都注意到了，冰墩墩和雪容融有一位共同的“同事”——手語數(shù)字人。

2月4日晚開幕的冬奧會上，央視新聞AI手語主播正式上崗，陪伴聽障人士見證了一場場精彩絕倫的比賽。即將開幕的冬殘奧會，這位手語數(shù)字人也義不容辭，將披掛上陣，讓聽障人士實時感受冰雪運動的魅力。

創(chuàng)造豐厚的冬奧遺產，為國家、主辦城市、人民群眾帶來長期的、積極的收益，也是成功辦奧的重要標志之一。在日常生活中，手語數(shù)字人能不能繼續(xù)發(fā)光發(fā)熱，為聽障人士提供服務呢？

我們關注到，3月3日，央視新聞AI手語主播的制作者——百度智能云曦，又推出“AI手語平臺”，通過分鐘級生成手語合成視頻、手語主播實時直播等能力，為手語服務的普及難題，提出了科技平臺化的新解法。

同時，百度智能云曦靈還發(fā)布了“AI手語平臺一體機”，讓一些需要硬件交互的場景，比如醫(yī)院、銀行、車站等公共場合，插電即可提供手語服務，快速部署無障礙窗口。

平臺化和軟硬協(xié)作的革新，正在讓手語數(shù)字人走上一條與社會價值長期對接、一同成長的進化之路。

科技巨頭們都在積極打造手語數(shù)字人，反映出哪些潮水的方向？數(shù)字生命與智能技術的溫情加速照進現(xiàn)實，這究竟意味著什么？

數(shù)字生命覺醒時：手語數(shù)字人的能力體系

百度智能云曦靈平臺賦予手語數(shù)字人哪些特殊能力？我們不妨以人類手語老師的標準來審視一下。

有一種“難”，叫朱廣權的手語老師，想要實時且準確地翻譯出朱廣權的妙語連珠，千挑萬選的央視手語老師有時也難免手忙腳亂。而在此前與朱廣權的在線pk中，這位由“百度智能云曦靈”打造的首個AI手語主播，面對朱廣權不斷拋出的超高速順口溜，立馬就能做出反應，表現(xiàn)出流暢、精準的業(yè)務能力。

綜合來看，手語主播的華麗炫技，以及冬奧會上的扎實服務，來自百度智能云曦靈平臺提供的三個方面的基礎能力：

1.理解能力。

真實世界中，很容易受到噪音干擾，人類手語老師必須聽清、聽懂新聞內容，不然翻譯出來也可能是錯誤的，一通比劃猛如虎，但無法真正投入使用。

想要聽清，需要領先的語音識別能力。百度智能云曦靈平臺融合了百度自然語言處理技術，成熟領先的全雙工ASR（Automatic Speech Recognition）語音識別模型，近場中文普通話的識別準確率，能夠達到98%以上。

輕松搞定各種語音內容，即使段子手朱廣權的神級語速也不在話下，這為后續(xù)數(shù)字人的手語翻譯打下了堅實的基礎，使得AI手語平臺一體機更好地應用于不同場景中。

2.翻譯能力。

感知之外，手語老師要分析、歸納重要信息，根據(jù)語句整體意思進行精煉和語序調整，將其轉換成手語語言。

一些廠商研發(fā)的手語數(shù)字人直接采用“手勢漢語語料”，好處是無需重新標注，節(jié)省時間，問題是生硬地按照說話順序將手語手勢連接起來，并不能算是“人類高質量手語”。

舉個例子，“我想回家”并不是將這四個漢字依次比劃出來，而是按照“家”、“回”、“我想”的順序來表達。

因此，想要翻得準，手語數(shù)字人必須學會自然手語語序。百度智能云曦靈平臺就基于“國家手語語法規(guī)則”，聯(lián)合手語語言學專家，特殊教育專家、天津理工大學等，邀請上百位聽障學生做數(shù)據(jù)標注，形成了近千萬的高質量訓練數(shù)據(jù)。

有了數(shù)據(jù)，接下來就是模型設定與訓練?；诎俣榷嗄攴e累的神經網絡翻譯技術，設計了從中文文本到手語符號的翻譯方法，打造出了業(yè)內首個基于神經網絡的精煉度可控手語翻譯模型，讓手語數(shù)字人的翻譯可懂度達到85%以上，媲美主流的中英，中日等方向的機器翻譯結果。

3.表達能力。

手語中，手勢必不可少，還需要表情、口型、動作等肢體語言的配合，幫助聽障人士更好地理解。比如疑問句“吃飯了嗎“，不僅要做出吃飯的手勢，還要配上疑惑的表情，眉頭皺起、眼睛睜大。

要讓手語數(shù)字人聲情并茂、手舞足蹈地表達，尤其是3D人像，有著不小的技術難度。一些手語數(shù)字人動作過快，有時又存在卡頓不連貫的情況。為了訓練手語數(shù)字人的“聲臺形表“，百度智能云曦靈平臺也是煞費苦心：

表情上，百度智能云用4D掃描數(shù)據(jù)，積累了超1萬個臉部面4D數(shù)據(jù)，借助高精數(shù)字人“文字到形狀的跨模態(tài)面部表情生成技術”，能夠準確生成微笑、開心笑、wink、吹泡泡、白眼、思考等表情?？谛秃铣蓽蚀_性達98.5%，a和e這樣發(fā)音時表情接近的字母，都可以細致的區(qū)分。

驅動時，通過個性化TTS，根據(jù)輸入的文本/語音信息來進行自適應，結合多種預置動作，驅動數(shù)字人的唇形、肢體、表情、手勢等自動生成。多模態(tài)的手語表達，能夠傳遞出更豐富、準確、易于理解的信息。

同時，百度智能云曦靈平臺搭載的開放域對話平臺PLATO-XL，是百度基于百億級訓練參數(shù)、多年搜索及知識圖譜積累而訓練出來的，被認為是當前最大規(guī)模的中英文對話模型。通過它可以快速驅動數(shù)字人實現(xiàn)直播、動畫等內容，達到多場景下的實時溝通。

縱觀手語數(shù)字人的能力體系，不難發(fā)現(xiàn)，頭部科技公司相繼推出了自己的手語機器人，除了體現(xiàn)科技的人文關懷之外，還隱藏著技術發(fā)展的必然。

必須在算力、數(shù)據(jù)、算法三方面都有強大的能力，在語音、視覺、NLP、知識圖譜等領域都有領先優(yōu)勢，才能讓手語數(shù)字人真正覺醒在屏幕前、生活中。

百度作為國內AI 技術布局更完整的公司，能最快地實現(xiàn)手語數(shù)字人的大規(guī)模應用，原因正在于此。

數(shù)字生命的平臺化復制：手語數(shù)字人插上產業(yè)之翼

在冬奧會和即將到來的冬殘奧會上的大規(guī)模應用，幾乎代表了現(xiàn)階段數(shù)字虛擬人的最高水平，是典型的數(shù)字生命：具備完成復雜目標的能力（通過手語翻譯傳遞賽事信息），以及實時學習進化的能力（收集信息、實時互動、做出回應，而非提前錄制）。

正如未來生命研究所的創(chuàng)始人：邁克斯·泰格馬克所說，數(shù)字生命是一種能夠自我復制的信息處理系統(tǒng)，物理結構是其硬件，行為和“算法”是其軟件。這決定了，手語數(shù)字人必須向軟硬協(xié)作、規(guī)模復制的方向發(fā)展。

3月3日，百度智能云曦靈發(fā)布AI手語平臺和“AI手語平臺一體機”，或許正在為手語數(shù)字人插上產業(yè)騰飛的翅膀。

為什么這么說？手語數(shù)字人雖好，卻不能低估技術產業(yè)化的難度，至少有幾座大山橫亙在前面：

第一座大山，是效率之謎。

對于新興的手語數(shù)字人領域，制作難度大、周期長、技術門檻高，服務的群體相對較小，很多行業(yè)和企業(yè)在引入之前都會顧慮，會不會需要大量的人力財力成本，會不會效果不好沒人用，思前想后就是等等再說。要讓全社會聽障人士都享受到技術紅利，還是要尊重產業(yè)規(guī)律，降低新技術的應用門檻，真正讓手語數(shù)字人的制作“降本增效”。

百度智能云曦靈的手語數(shù)字人平臺，出現(xiàn)得恰逢其時?！癆I手語平臺”具備“視頻手語合成”“直播手語合成”“文本轉手語”“語音轉手語”四大功能，可實現(xiàn)普通視頻合成為手語視頻、實時直播中增加手語畫面、文字翻譯為手語、語音實時翻譯為手語等多種效果。AI手語平臺可搭載在各類APP、網站、小程序中，讓聽障人士也能輕松實現(xiàn)線上社交、娛樂休閑、課程學習等各類需求。

同時，百度智能云曦靈還設置了三大平臺，讓手語數(shù)字人可以被快速、標準化、高效地生產和交付。比如在人設管理平臺上，根據(jù)不同的場景搭配設置不同的人設，比如銀行中引入的手語數(shù)字人可以專業(yè)、嚴謹，景區(qū)中使用的手語數(shù)字人則親和、活潑等，適應千行百業(yè)的需求。

平臺化、標準化、體系化的能力，使得AI驅動的2D數(shù)字人，生產周期只需要幾個小時，3D虛擬偶像一兩個星期就能開發(fā)出來，輕松飛越效率這座大山。

第二座大山，是體驗之困。

大家可能注意到了，在百度智能云曦靈發(fā)布 “AI手語平臺一體機”之前，幾乎所有的手語數(shù)字人都是以軟件形式存在的。專門打造一款手語數(shù)字人硬件，真的有必要嗎？

從根本上來說，我們所知的所有生命形式都有著生物“硬件”的載體，有技術人員認為，“生命3.0”階段的數(shù)字生命，不僅要具備設計自身軟件的進化能力，還能設計自身硬件。

很多銀行、醫(yī)院等都在引入人形智能機器人，來增加用戶的體驗感。具體到手語數(shù)字人，作為未來在社交、電商、直播、客服、導游等領域的服務載體，企業(yè)與聽障用戶交互的關鍵入口，如果只能通過軟件來互動，顯然是不夠方便。

但是，開發(fā)一個人形手語機器人又涉及到一個相當漫長且復雜的產業(yè)鏈，很容易讓企業(yè)望而卻步。

百度智能云曦靈此次發(fā)布的全離線一體機V3以及端云結合一體機P3，搭載了“AI手語平臺”的核心功能， AI手語數(shù)字人可以像手機、電腦一樣被快速、批量生產，到線下生活的各個角落中服務聽障人群。

其中本地全離線一體機，在一些網絡情況不佳的區(qū)域，比如偏遠的山村、景區(qū)等地，依然能夠進行手語翻譯、人像渲染等操作，提供文本轉手語、語音轉手語等服務。

端云結合一體機，則通過云端計算＋本地渲染的形式，也能靈活地實現(xiàn)手語服務。

第三座大山，則是進化之難。

衡量一個數(shù)字生命的標準之一，就是具備自主學習、自主適應、自我進化的能力，這需要全面的AI能力支撐。目前，整個手語機器人的產業(yè)鏈還沒有被完全打通，盡管一些企業(yè)打出了“手語數(shù)字人“的概念，但只能在部分場合、部分視頻中露臉。

推動手語數(shù)字人在真實的產業(yè)場景之中不斷升級，是AI產業(yè)化中必不可少的一種能力。在中國的AI科技企業(yè)當中，像百度這樣具備從底層算力、開發(fā)框架到產業(yè)解決方案的全棧AI能力的公司，并不多見。

目前看來，百度的全棧AI能力融入到百度智能云曦靈當中，給數(shù)字人升級能力帶來了無限潛力，也將加速手語數(shù)字人這一“新物種“的全場景覆蓋。

通過與產業(yè)的深度融合，手語數(shù)字人也將變得越來越復雜和聰明，進化成為真正的數(shù)字生命。

目前，我國有近2780萬聽障人士，而手語翻譯老師只有1萬人左右，許多場景中無法快速跟上手語服務，在飛速發(fā)展變化的社會中，很容易造成新的不公平。

而百度智能云曦靈的AI手語平臺，讓手語數(shù)字人的規(guī)?；瘡椭谱兊酶涌尚?；“AI手語平臺一體機”，讓數(shù)字人技術帶來的體驗更加豐富和多元。

數(shù)字生命的平臺化復制，是社會責任不會變成空談的前提，意味著商業(yè)價值與技術普惠的一次和解，也預示著手語數(shù)字人市場的快速打開。

AI產業(yè)的無形之變：手語數(shù)字人帶來的連鎖反應

平臺化和軟硬一體，規(guī)模復制的產業(yè)落地效率與直觀的體驗價值，讓百度智能云曦靈在手語數(shù)字人的競爭中，已經獲得了先發(fā)優(yōu)勢。

技術無障礙除了讓殘障群體受益，還將給企業(yè)自身和整個產業(yè)帶來意想不到的收獲。手語數(shù)字人的普及，換來的是AI受眾的擴大和手語服務的延展，會讓許多我們習以為常的場景出現(xiàn)明顯的擴容與創(chuàng)新，并引發(fā)一系列連鎖反應。

首先，AI手語解決方案不斷復制到各行各業(yè)，讓聽障人士樂于去用，企業(yè)和機構樂于引入手語服務，讓手語數(shù)字人的落地場景會愈加豐富，在公益屬性、社交、傳播營銷等領域的價值將一一顯現(xiàn)。

其次，數(shù)字人作為公認的虛擬世界入口，帶來巨大的商業(yè)空間，已經成為互聯(lián)網科技企業(yè)的下一幕競爭焦點。搶占數(shù)字人規(guī)模化生產的機遇，培養(yǎng)B端市場的信任感與忠誠度，有助于在接下來的市場競爭中占據(jù)優(yōu)勢。

更進一步，百度智能云曦靈在技術的領先性和全面性，決定了其有資格參與甚至主導數(shù)字人行業(yè)標準的建立，將吸引大量開發(fā)者和產業(yè)鏈上下游加速匯聚到生態(tài)體系內，推動技術不斷迭代和應用持續(xù)創(chuàng)新，預先探索數(shù)字人的商業(yè)模式，帶動云計算、AIoT等領域的增長，對于中國數(shù)字經濟的發(fā)展有著重要作用。

以前提到智能科技，大家可能更多地關注獨角獸、投融資、數(shù)字經濟等宏大概念，而現(xiàn)在，手語數(shù)字人這樣的智能新物種，正在給殘障群體日常生活中的“小事”帶來便利。

從冬奧主播到AI手語平臺，百度智能云曦靈向世界證明，只需要打開一個通道、接通一座橋梁，技術紅利就可以源源不斷地匯聚到那些需要它的人群當中。

許人類一個更美好的未來，這或許是AI故事里，最溫暖人心的章節(jié)。

審核編輯：符乾江