虚拟人发展步入快车道，腾讯数智人欲实现 “打工自由”
央广网北京5月16日消息(记者马可佳) 虚拟数字人正越来越频繁地出现在公共视野。
近日，腾讯智能平台产品副总裁李学朝接受央广网记者采访时表示，随着云计算、5G、人工智能和计算机视觉等技术的不断突破，虚拟人的制作和应用过程得到有效简化，虚拟数字人开始加速落地。正朝着智能化、便捷化、精细化、多样化发展，步入成长期，并且行业发展正处于快车道。
据量子位发布的《2021年虚拟数字人深度产业报告》显示，预计在2030年，我国虚拟数字人整体市场规模将达到2700亿。得益于虚拟IP的巨大潜力，身份型虚拟数字人约1750亿，将占据主导地位。服务型虚拟数字人则相对稳定发展，多模态AI助手仍有待进一步发展，多种对话式服务升级至虚拟数字人形态，总规模超过950亿。
解读专业赛事，手语主播的数字化逆袭
随着AI技术不断应用在虚拟数字人当中，使其具备了“交互智能”的能力，腾讯对于人机交互体验的研究也更为深入。
2022年冰雪赛事转播中，腾讯3D手语数智人“聆语”作为央视频AI手语翻译官，为部分比赛提供了手语解说赛事的服务，这也是行业首次AI手语解说赛事直播。让广大听障人士也可以感受冰雪赛事的精彩纷呈。
据统计，中国的14亿人口里有超过2700万残疾性听力障碍人士，专业手语翻译却少之又少。在这一领域投入技术研发，除了新闻行业的硬性需求，也体现了对社会少数群体的关爱之情。
用手语解说新闻及现场赛事，并不是人们想象中那样简单。原因是手语表达的顺序与自然语言输出的顺序并不一致。在语句文字输出量大、语音播报速度比手语播报快30%-50%的情况下，手语翻译的速度很难跟上人的语速。
此外，想让AI手语主播更像“人”，除了手语流畅，其他配合也十分重要。比如表情神态、动作的流畅度，以及理解输出的“业务能力”等等方面。这一点不仅适用于AI手语主播，其他数字人产品也是如此。
为了解决手语主播的“业务能力”问题，由中国聋人协会、国家手语和盲文研究中心和中国残疾人联合会共同编辑出版的《国家通用手语词汇》共收录了8000多个常用词汇，可聆语的词汇量能达到23000个，掌握的词汇和语句可以达到160万。针对2022年冬奥赛事，还涉及很多专业词汇，为了让手语主播“聆语”更好地服务赛事解说，腾讯数智人团队跟专业的老师不断摸索，去约定和定义专业词汇，使其能达到听障人士的可懂度，李学朝告诉记者，“这样的专业词汇，我们摸索了15000多个。”
腾讯3D手语数智人“聆语”， 最终用“新一代多模态人机交互系统”解决了这一问题，包括后台腾讯云小微的解决方案引入语义驱动技术，即根据数智人说话的语义，去匹配对应的动作和字词。它结合对话AI可以更好满足客户的服务场景，对沟通的内容有更细致的把握，也能在场景中通过肢体语言和表情、声音更好地传递丰富的情感表达，带来全新的人机交互体验。
腾讯3D手语数智人“聆语”，在2022年首次完成了数智人在大型赛事中落地应用。前几日，新智元公布的一份榜单中，“聆语”凭借出色表现，成功入围数字虚拟人Top榜单，也展示了腾讯“云小微”强大的交互智能技术能力及产品优势。
产业落地，数字人如何实现进一步“打工自由”
在腾讯看来，已通过实际的应用验证了虚拟人这一行业的可行性。但虚拟人产业无论是技术、产品还是产业应用，都还处在起步阶段，还需要在各方面进行深入的探索与突破。
目前，腾讯数智人已经在金融、传媒、政务、文旅、公共服务等场景落地应用，承担坐席客服、审核面签、理财顾问、资讯播报、会展主持、导游导览等多种角色。
比如在金融领域，腾讯数智人可以成为“金融证券虚拟客服”，支持基于标准化开户流程智能引导客户开户，为客户提供高效有温度的远程一站式服务。
同时，各个平台都在进一步降低数字人的应用门槛，力争让更多人能够实现“数字人自由”。
快速发展的行业，往往伴随着风险。近年来AI被广泛应用到医疗、金融、工业生产等多个重要领域之中，在帮助各行业提升生产力的同时，也带来了诸如隐私泄露、决策歧视、模型决策误判等风险。
日前，在腾讯AI lab、腾讯研究院承办“人工智能安全与隐私”论坛上，相关方分享了在可信AI方面的思考。比如找到合适的方法来定量分析、量化人工智能算法、模型、系统的稳定性、可解释性、隐私保护能力及公平性。
李学朝表示，如果人工智能在上述“可信”度量上都达到很高的共识水平，就有更好的机会做到明确责任、透明可信，并且推动人工智能在产业上的进一步落地。
此外，数智人由于是多种AI的综合应用，需要解决挺复杂的技术挑战以突破行业发展的瓶颈：第一，虚拟人不仅要听得到、听得清人类的语言，还需要能听得懂、说得出，随着人机交互的体验和场景的不断深入，复杂应用场景给技术提出了更高的要求；第二，数字员工类应用需要技术深入结合行业，这类懂行业的复合型人才也是紧缺的。
李学朝进一步认为，未来随着AI驱动技术的进步，基于新一代多模态人际交互技术的业务型、功能型虚拟人，可以通过整合语音交互、知识图谱、视觉识别和情绪识别等技术，有效连接信息和服务、B端和C端，在垂直产业链条中提供智能化服务，以适应更多的行业化、业务化、场景化需求，这将大大拓展数字虚拟人未来的市场空间，并助推这一新兴领域的价值跃迁。
免责声明：本文不代表米塔之家立场，且不构成投资建议，请谨慎对待。
