電子發(fā)燒友網(wǎng)報道（文/李彎彎）日前，在華為云數(shù)字文娛AI創(chuàng)新峰會2023上，華為云全球Marketing與銷售服務(wù)總裁石冀琳表示，在人工智能的加持下，每個人有望實現(xiàn)“數(shù)字人”自由。華為云后續(xù)將推出盤古數(shù)字人大模型，可幫助用戶12小時完成數(shù)字人生成。

數(shù)字人是指以數(shù)字形式存在于數(shù)字空間中，具有擬人或真人的外貌、行為和特點的虛擬人物。數(shù)字人的核心技術(shù)主要包括計算機圖形學(xué)、動作捕捉、圖像渲染等。在互聯(lián)網(wǎng)、金融、電商、汽車出行等領(lǐng)域，相關(guān)企業(yè)紛紛推出數(shù)字人，用于品牌營銷、智能客服等方向。

用戶可以結(jié)合個人數(shù)據(jù)對數(shù)字人進行訓(xùn)練

盤古數(shù)字人大模型由華為云 MetaStudio 數(shù)字內(nèi)容生產(chǎn)線構(gòu)建而成。數(shù)字人基于華為云盤古基礎(chǔ)大模型能力、渲染引擎和實時音視頻能力，并使用 PB 級的音視頻數(shù)據(jù)進行訓(xùn)練構(gòu)建。

盤古數(shù)字人大模型包含數(shù)字人形象、動作、表情、口型、聲音等要素，每個用戶可以結(jié)合個人數(shù)據(jù)對數(shù)字人進行訓(xùn)練，構(gòu)建自己的數(shù)字人個性化大模型。

用戶可通過多種方式生成數(shù)字人模型。1、輸入文本生成數(shù)字人：輸入文本，描述希望生成的數(shù)字人樣子，10秒生成模型，比如通過Prompt文本輸入，目前支持可選50多項參數(shù)來生成數(shù)字人形象，生成時間僅需10秒，而行業(yè)的一些大模型需要30秒或者更長的時間。

2、通過上傳圖片生成數(shù)字人：只需要上傳一張照片，根據(jù)照片中的個人特征，生成不同類型的數(shù)字人，比如風(fēng)格化和美型數(shù)字人，這個時間僅需30秒。

3、用戶只需要拍攝一段5分鐘的視頻，也能生成個性化數(shù)字人模型，包含用戶自己的表情、口型、動作特征，整個模型訓(xùn)練過程只需要1個小時。而業(yè)界一般需要訓(xùn)練12個小時以上。基于個性化模型生成的數(shù)字人，將保留用戶的個性化形象、表情、動作、聲音和口型信息。生成數(shù)字人后，可以通過對話完成對數(shù)字人的二次編輯和背景融合，比如發(fā)型、配飾、服裝等，真正做到每個人的數(shù)字人都獨一無二。

數(shù)字人生成后，預(yù)訓(xùn)練模型對輸入的驅(qū)動方式進行分析，從多模態(tài)信息中通過深度編碼器提取特征向量信息，驅(qū)動生成數(shù)字人的表情、口型、肢體動作參數(shù)，并最終生成高清視頻。

通過盤古大模型，華為云數(shù)字人生產(chǎn)平臺全新升級

華為云早前就已經(jīng)推出數(shù)字人“云笙”，該數(shù)字人在2021年華為全聯(lián)接大會上就以華為數(shù)字員工的身份首次亮相。今年3月，在深圳?星河雙子塔發(fā)布會，數(shù)字人“云笙”擔(dān)任主持，與真人主持人互動，帶來了非常好的營銷效果。

作為被世界高層建筑與都市人居學(xué)會（CTBUH）授予“中國最高的等高雙子塔”認證的地標(biāo)性建筑，星河產(chǎn)業(yè)集團希望能夠在雙子塔發(fā)布時來一場與眾不同的呈現(xiàn)形式，因此就有了數(shù)字人“云笙”搭檔真人主持的方式，成了這場發(fā)布會的最大亮點。

據(jù)悉，數(shù)字人“云笙”搭檔真人主持的方式，使得深圳?星河雙子塔發(fā)布會線上直播點擊量達到40萬，為雙子塔發(fā)布會現(xiàn)場帶來了富有創(chuàng)新性的交互效果，活躍了會場的氛圍，提升了發(fā)布會曝光度，較星河先前項目發(fā)布會曝光增加不少。

不僅僅是星河產(chǎn)業(yè)集團有這樣的訴求，很多企業(yè)都希望在品牌活動上，通過數(shù)字人的創(chuàng)新，來增強科技元素，吸引更多關(guān)注。當(dāng)前，數(shù)字人在諸如這種營銷領(lǐng)域已經(jīng)有很多成功案例。

在今年7月的華為開發(fā)者大會2023上，華為云媒體服務(wù)部部長呂陽明發(fā)表“MetaStudio重塑數(shù)字內(nèi)容生產(chǎn)，讓人人擁有個性化數(shù)字人”演講，并發(fā)布MetaStudio數(shù)字人生產(chǎn)平臺全新升級。華為云通過盤古基礎(chǔ)大模型，賦能MetaStudio數(shù)字內(nèi)容生產(chǎn)線全新升級，提供模型生成和模型驅(qū)動兩大服務(wù)。

基于以上模型生成和模型驅(qū)動兩大服務(wù)，開發(fā)者可以快速生成和驅(qū)動數(shù)字人模型，從“0101的比特傳輸”走向“有溫度的模型交互”。可以看到在盤古基礎(chǔ)大模型的助力下，將能夠提供更強大更智慧的數(shù)字人服務(wù)。

近年來，數(shù)字人的應(yīng)用范圍越來越普遍，從娛樂、直播、虛擬偶像、綜藝、形象代言等市場，逐漸輻射至體育、金融、醫(yī)療、教育等更加廣闊的服務(wù)領(lǐng)域。

據(jù)介紹，中影年年依托華為云MetaStudio數(shù)字內(nèi)容生產(chǎn)平臺，結(jié)合其自身在數(shù)字內(nèi)容領(lǐng)域強大的技術(shù)能力及創(chuàng)作經(jīng)驗，并依托自身儲備的上千萬套同標(biāo)準且高品質(zhì)的數(shù)字資產(chǎn)為豐富的AIGC數(shù)據(jù)訓(xùn)練集賦能，從而推出了云上數(shù)字人生產(chǎn)平臺AI-BOX。

通過1張照片在1分鐘內(nèi)快速生成數(shù)字人的現(xiàn)場演示，展示3D數(shù)字人從自動化建模、自動綁定、智能驅(qū)動、高精度渲染到最終視頻合成的一站式生產(chǎn)服務(wù)能力。

小結(jié)

近幾年來，數(shù)字人已經(jīng)在越來越多領(lǐng)域展現(xiàn)出應(yīng)用優(yōu)勢。如今，在大模型的支持下，數(shù)字人也表現(xiàn)出更高的生產(chǎn)效率，更智慧的互動效果，比如，盤古大數(shù)字人大模型，通過對音視頻數(shù)據(jù)進行訓(xùn)練，數(shù)字人的生產(chǎn)效率極大提升。在如此背景下，數(shù)字人的發(fā)展將更值得期待。