AIGC大爆發(fā)，科技革新不斷，數(shù)字人在各種場景中嶄露頭角，如數(shù)字人主播、數(shù)字人解說員、數(shù)字人導購等。根據(jù)真人形象AI生成數(shù)字人分身，這項技術已經(jīng)從未來走進現(xiàn)實。

數(shù)字人（Digital Human）是指利用計算機技術和人工智能技術，根據(jù)真實人類的外貌、動作、聲音等特征，生成的具有高逼真度以及高交互性的虛擬人物，可以為人類提供多樣化的服務。

近期，【東風生萬物】思必馳DFM-2大模型及創(chuàng)新技術應用成果發(fā)布會上，思必馳聯(lián)合創(chuàng)始人、首席科學家俞凱的數(shù)字分身重磅亮相發(fā)布會現(xiàn)場。

思必馳數(shù)字人生成技術

思必馳聯(lián)合創(chuàng)始人、首席科學家俞凱

思必馳基于DFM-2大模型推出的自然場景數(shù)字人生成技術，采用擴散生成模型，通過小數(shù)據(jù)模型訓練，實現(xiàn)高品質數(shù)字人生成，個性化對話生成與語音合成模型無縫結合，構建可自由交互的個性化數(shù)字形象。思必馳打造的數(shù)字人不僅能說會道，還精通粵語、四川話、上海話等各地方言及英語、法語、俄語等多國語言，可應用于智能家居、智能車載、智能軌交、市場營銷等場景，為人類生活帶來更多可能。

思必馳聯(lián)合創(chuàng)始人、首席科學家俞凱

真人出鏡

就像視頻中的數(shù)字人俞凱教授，無論是聲音、表情、動作還是形象，都與真人高度接近，甚至還可以根據(jù)不同場景，切換語言與人類進行交互。

數(shù)字人的打造需要運用計算機圖形學、計算機視覺、自然語言處理、智能語音等領域的知識和技術，從而生成一個從形態(tài)到聲音上都媲美真人的數(shù)字人。

思必馳基于自研的對話式語言大模型DFM-2與全鏈路綜合對話技術的聯(lián)動能力，可快速生成高品質的數(shù)字人。在外貌上，思必馳采用擴散生成模型，通過小數(shù)據(jù)模型訓練，基于真人形象，構建出可自由交互的數(shù)字形象。在語音上，思必馳通過聲音復刻、單人千音、細粒度情感及風格合成、音頻場景合成等系列技術，為數(shù)字人賦予語言能力，讓數(shù)字人變的更加鮮活。

●聲音復刻為數(shù)字人賦予真人同款聲音。思必馳聲音復刻技術服務，支持男聲、女聲、童聲及中、英文和方言復刻，可輔助用戶打造不同年齡、不同性別的數(shù)字人形象。

●情感合成讓數(shù)字人也能表達喜怒哀樂。思必馳可合成高音質、多情感的音色，呈現(xiàn)“高興、抱歉、撒嬌、中性”等多種情感聲音，為數(shù)字人的情感表達賦予了更多活力，提升了人機交互體驗。

●單人千音讓數(shù)字人也能說方言外語。思必馳單人千音技術可以在短時間內快速將單個發(fā)音人的音色，遷移成為粵語、四川話、上海話、蘇州話、閩南語等方言以及俄語、德語、日語、法語、泰語、西班牙語等外語，讓數(shù)字人“青出于藍而勝于藍”。

中商產(chǎn)業(yè)研究院發(fā)布的《2023年數(shù)字人產(chǎn)業(yè)發(fā)展白皮書》顯示，2022年我國數(shù)字人產(chǎn)業(yè)市場規(guī)模達1464億元（同比增長57%），預計2025年全國數(shù)字人相關企業(yè)數(shù)量將突破40萬家、數(shù)字人產(chǎn)業(yè)市場規(guī)模將達到2600億元。數(shù)字人將進入大規(guī)模應用期，轉化為現(xiàn)實生產(chǎn)力為社會創(chuàng)造價值。

在市場營銷領域，數(shù)字人可用于線上直播進行產(chǎn)品營銷推廣，降低公司的人力成本；在智能車載領域，數(shù)字人可融入車載系統(tǒng)，提供導航、新聞播報等服務，為用戶帶來更智慧的出行體驗；在家居領域，數(shù)字人可入駐家電大屏中，為用戶提供菜譜推薦、家務規(guī)劃、情感陪伴等服務，成為用戶貼心的數(shù)字人管家；在軌交領域，數(shù)字人可在車站提供路線導航、購票咨詢、信息咨詢等服務，降低軌交領域人力成本。

相較于真人，數(shù)字人可以不受時間或空間的限制，隨著大模型技術的應用，數(shù)字人也將持續(xù)釋放價值。未來，思必馳將基于DFM-2大模型，綜合全鏈路語音交互技術，為用戶帶來更具特色的數(shù)字人形象，加速推進AI技術的應用落地。

審核編輯：彭菁