文|自象限 程心
編輯|羅輯
過去的20年，都沒有2023年如此動蕩。
大模型猶如一顆原子彈投入科技圈，卷起萬里塵沙，傳統(tǒng)模式瞬間被夷為平地，在耀眼的白光和巨大的轟鳴聲之下，大公司、創(chuàng)業(yè)者、投資人甚至是每一位觀眾都在細(xì)微之處，試圖一窺煙塵消散過后的那片新天地。
這是一個值得記錄的時代。所有人都知道，當(dāng)我們從更長的時間線上回望此刻，2023年一定是濃墨重筆的一頁。
因此，年初我們從「ChatGPT啟示錄」一路到「電商啟示錄」，在年尾之際，仍以「2023啟示錄」系列為抓手，將思考在過程中拾起，把經(jīng)驗在結(jié)尾時沉淀，本系列包括『自動駕駛』、『云計算』、『大模型』、『虛擬人』、『電商』、『商業(yè)航天』、『ESG』等多篇深度分析文章。
本篇為「2023啟示錄」系列的第五篇：《虛擬人這一年》，從年初到年尾，虛擬人無論從技術(shù)還是商業(yè)化都在經(jīng)歷過山車一般的跌宕起伏，也是AIGC風(fēng)口下率先落地的產(chǎn)業(yè)之一，站在年終節(jié)點，虛擬人行業(yè)早已翻天覆地。
2023年，大模型“救活”了很多行業(yè)，其中最為反轉(zhuǎn)的，就是把虛擬數(shù)字人（以下簡稱虛擬人）從活死人墓里拉了出來。
還沒開年，在2022年火爆一時的元宇宙就已經(jīng)快速遇冷，虛擬人作為元宇宙的遺孀也難逃霜凍的命運，不少虛擬人初創(chuàng)公司開始進(jìn)入融資難、產(chǎn)品無法落地的艱難階段；甚至大廠們，也開始裁撤曾重金打造的等專門為虛擬人制作而生的平臺。
正當(dāng)所有人都以為，虛擬人將經(jīng)歷一段漫長的寒冬時，大模型來了。
大模型來了，首先意味著元宇宙之外，又有了新的概念和故事；但更重要的是，大模型的能力也確實對虛擬人技術(shù)產(chǎn)生了深刻的影響，在元宇宙時代未能解決的成本高昂、制作周期緩慢、門檻過高等問題，也都開始被大模型逐個擊破；同時，大模型讓虛擬人能夠真正開始規(guī)?；涞兀诤线M(jìn)產(chǎn)業(yè)，這邁出了產(chǎn)業(yè)鏈成熟的關(guān)鍵一步。
但這一年仍然是混亂的。
年初，起死回生的虛擬人開始瘋狂找落地場景；年中，聞到商機的代理商們，帶著成千上萬虛擬人涌進(jìn)直播間，開始披著技術(shù)的外衣瘋狂割韭菜，這也導(dǎo)致企業(yè)客戶一時間對虛擬人望而卻步。
年底，當(dāng)泡沫逐漸消失、技術(shù)逐漸成熟后，整個市場開始回歸冷靜，產(chǎn)業(yè)鏈開始分化，上中下游的分工慢慢清晰，各行各業(yè)也不再追求形式而開始真正思考，虛擬人究竟能帶來什么？
毫無疑問，虛擬人最重要的場景并不是當(dāng)下所經(jīng)歷的這一切，它是現(xiàn)實世界和虛擬世界的超級入口，是人生游戲中真實的NPC，但想要達(dá)到這個目標(biāo)，無論是技術(shù)還是生態(tài)，都還尚早。
在年尾之際，我們將從技術(shù)、產(chǎn)品、商業(yè)化三個層面，與多位廠商共同復(fù)盤2023虛擬人這一年。
大模型讓虛擬人“活”了
在大模型到來之前，虛擬人一直避不開成本高昂的問題。
2022年的時候，虛擬人通常都是一對一定制，價格也從上萬元到幾十萬不等，但即便如此，虛擬人的效果也不盡如人意。
某知名酒業(yè)公司品牌負(fù)責(zé)人告訴「自象限」，該公司曾嘗試將虛擬人應(yīng)用在機場大屏的廣告中，但即便找了國內(nèi)知名大廠，并花費近60萬元之后，落地的效果還是“一眼假”。
成本高昂和落地效果不佳的直接原因，自然是技術(shù)不成熟。
在大模型之前，虛擬人的制作大多由真人驅(qū)動，即需要專門的演員戴上設(shè)備，通過動作捕捉技術(shù)進(jìn)行長時間的數(shù)據(jù)采集才能完成3D建模。這種形式一是具有高昂的人力成本，其次則是制作周期漫長。
一位虛擬人從業(yè)者向「自象限」表示，一個虛擬人的數(shù)據(jù)采集需要專門的制作團隊制作數(shù)月才，在這之后，還需要專業(yè)的技術(shù)人員專門進(jìn)行調(diào)優(yōu)。
這自然直接增加了虛擬人的制作成本，某虛擬人廠商告訴我們：“找演員拍攝，幾乎是賣一個賠一個?！?/p>
在真人驅(qū)動之外，也有虛擬人依靠算法驅(qū)動。但這類虛擬人前期需要大量的數(shù)據(jù)訓(xùn)練各類驅(qū)動模型，而且最終效果還要受語音合成、NLP技術(shù)、語音識別、CG渲染等技術(shù)的影響。
這類虛擬人盡管在大模型之前已經(jīng)在某些特定方向有了相對穩(wěn)定的技術(shù)，但仍然缺少一個強有力的“大腦”，將各種模塊統(tǒng)一起來，讓虛擬人達(dá)到理想的效果。
除此之外，在大模型之前，靠傳統(tǒng)算法驅(qū)動的虛擬人通常依靠預(yù)設(shè)的參數(shù)和有限的模型進(jìn)行訓(xùn)練，但在大模型之后，大模型的生成能力則幾乎讓虛擬人擁有了無限的訓(xùn)練參數(shù)。
▲圖源：中航證券研究所
如今，大模型已經(jīng)作為一種生產(chǎn)能力滲入到整個虛擬人制作的產(chǎn)業(yè)鏈中，這直接推動了虛擬人制作成本的大幅下降，從之前的十萬級下降到千元左右。制作周期也從之前的動輒幾個月，縮短到小時級別。
國內(nèi)最早一批布局AI數(shù)字人的「硅基智能」告訴「自象限」：“從上線起，硅基的數(shù)字人形象克隆產(chǎn)品統(tǒng)一定價為8000元，通過標(biāo)準(zhǔn)化的價格和服務(wù)來擴大市場份額，目前市場上的售價參差不齊，從幾百到幾千不等，新的一年，我們在思考把8000元的門檻砍掉，進(jìn)一步降低成本，走全新的商業(yè)模式?！?/p>
降本增效，是大模型帶來的第一層改變。大模型技術(shù)不僅直接降低了虛擬人的制作難度，更讓虛擬人看上去更像人。
比如，大模型改變了過去虛擬人3D建模依靠CG技術(shù)的傳統(tǒng)方法，轉(zhuǎn)而使用視頻大模型的制作工具，通過算法高效生成3D模型，這讓虛擬人的面部細(xì)節(jié)更加逼真，面部表情和唇形的同步效果也有所提高，讓虛擬人在說話時看起來更自然。
除此之外，大模型還在交互方面提高虛擬人的能力，讓虛擬人可以從單項輸出到與人進(jìn)行事實互動。
根據(jù) IDC 咨詢，根據(jù)虛擬人的自動化水平，可分為 L1-L5 階段。如下圖所示，目前我們正處于L3-L4的中間階段，在直播間或者虛擬人互動的設(shè)備中，用戶通過文字就能與虛擬人進(jìn)行實時交流和對話，以用來介紹產(chǎn)品、替用戶解決問題等等。
▲圖源：IDC報告截圖
一位2D虛擬人廠商同「自象限」提到：“目前相對智能化的虛擬人已能實現(xiàn)直播互動。這背后的技術(shù)原理在于企業(yè)事先建立的一個模板庫或知識庫，一旦在直播中觸發(fā)了相應(yīng)的關(guān)鍵詞，虛擬人就能實時調(diào)取里面的內(nèi)容進(jìn)行回答?！?/p>
但從效果來看，這項技術(shù)還不夠成熟，有用戶反饋到：“在直播間問的問題，過十分鐘虛擬人才會回復(fù)，早就沒耐心等在直播間了?！?/p>
最后，AIGC的生產(chǎn)能力，也讓虛擬人開始有了“靈魂”。
商湯智能研究院梳理了AI 數(shù)字虛擬人的三大特征，包括多模態(tài)交互、深度學(xué)習(xí)能力和AIGC 生產(chǎn)力。
相較早期虛擬人制作對人工依賴較高，AIGC 大幅提升了 AI 虛擬人的制作效率，并降低了制作門檻；大模型讓虛擬人能夠深度學(xué)習(xí)更多知識和技能，并識別包括圖片、視頻、音頻在內(nèi)的多模態(tài)內(nèi)容，為虛擬人與真人自然交互的實現(xiàn)提供了基礎(chǔ)。
▲圖為自象限原創(chuàng)，轉(zhuǎn)載請注明出處
很大程度上，大模型解決了虛擬人在解決了虛擬人在自然語言理解和內(nèi)容輸出上的能力，比如在直播場景下，虛擬人可以依靠大模型的生成能力很好地完成在口播內(nèi)容、腳本甚至劇本等方面的劇本撰寫工作，這很大程度降低了產(chǎn)業(yè)鏈的門檻，讓虛擬人不只是一個形象，更成為一個生產(chǎn)工具。
目前，部分虛擬人廠商已經(jīng)開始向整個生成鏈條延伸，比如“一鍵生成視頻文案”、“一鍵生成講解視頻素材”、“多語言快速翻譯”等等，從虛擬人的技術(shù)提供商轉(zhuǎn)變?yōu)楦姓w性的解決方案提供商。
微軟小冰CEO李笛更是提出，虛擬人未來是混合模型。
「自象限」認(rèn)為，下一階段虛擬人將進(jìn)入“虛擬人＋”的階段，虛擬人＋RPA在企業(yè)內(nèi)部打造數(shù)字員工；虛擬人＋AI Agent，在C端打造陪伴型機器人；虛擬人＋AR/VR，在3D空間打造可見的游戲NPC；虛擬人＋具身智能，讓人型機器人有了靈魂。
若將多種技術(shù)進(jìn)行全面融合，虛擬人才真的能夠成為“入口級應(yīng)用”。屆時，比拼的賽點將是虛擬人的開放程度、生態(tài)建設(shè)、場景拓展等一系列綜合能力。
虛擬人，走向2D還是3D？
隨著大模型帶動的虛擬人爆發(fā)，市面上虛擬人類型也逐漸豐富。從2D到3D，從真人到算法，已經(jīng)亂花漸欲迷人眼。這背后的本質(zhì)，其實是市場對虛擬人的分類標(biāo)準(zhǔn)不同。
但「自象限」整理了一些常用的標(biāo)準(zhǔn)和分類后發(fā)現(xiàn)，虛擬人在產(chǎn)品落地方面其實更多是依靠視覺的不同來進(jìn)行分類，即2D虛擬人和3D虛擬人。而從技術(shù)、產(chǎn)業(yè)鏈和應(yīng)用場景來看，2D虛擬人和3D虛擬人已經(jīng)走出了兩條涇渭分明的道路。
▲圖為自象限原創(chuàng)，轉(zhuǎn)載請注明出處
本質(zhì)上，虛擬人的最終目標(biāo)無限地接近于真人的形象，因為只有這樣，虛擬人才能帶給用戶和人一樣的感受和互動體驗。拿這個標(biāo)準(zhǔn)來看，3D虛擬人更契合這個目標(biāo)，也是未來應(yīng)用方向。
但作為對比，2D虛擬人的制作成本更低，應(yīng)用落地更簡單，能夠在短時間內(nèi)帶來大規(guī)模商用。
從技術(shù)角度來看，兩種虛擬人背后搭建的技術(shù)架構(gòu)也完全不同。
2D虛擬人更關(guān)注面部表情、口型說話的語氣；3D虛擬人則更關(guān)注整體的協(xié)調(diào)性，說話時肢體的動作，以及虛擬人與空間的幾何關(guān)系等等。
具體而言，2D虛擬人可使用圖片處理器快速生成，3D虛擬人則需要建模、動畫、渲染等環(huán)節(jié)；2D虛擬人需要的數(shù)據(jù)量較小，對算力要求不高，3D虛擬人則剛好相反；2D虛擬人對精細(xì)度要求不高，但3D虛擬人卻要達(dá)到高仿真的擬人效果。
技術(shù)上的差異導(dǎo)致3D虛擬人的制作成本要遠(yuǎn)超2D虛擬人。
彼時大熱的3D虛擬人柳夜熙的制作投入高達(dá)百萬元。所以在上一波元宇宙潮中，3D虛擬人作為主角博得了熱度，但離飛入尋常百姓家還差了一大截，因此2D虛擬人抓住機會，恰好填補上這一需求的空白。
根據(jù)市場調(diào)研，目前，百度、商湯、魔琺科技等公司涉足3D虛擬人領(lǐng)域；騰訊、京東、快手、即構(gòu)科技、萬興科技、一覽科技在2D虛擬人方向更新產(chǎn)品和服務(wù)，還有以方糖星球、真視通、易觀國際、天璣科技為代表的企業(yè)以虛擬空間為切入，完善虛擬人配套設(shè)施。
深耕3D虛擬人的廠商魔琺科技告訴「自象限」，魔琺科技全棧技術(shù)主要包含四大維度，分別是AIGC 3D寫實形象，AIGC 3D動畫、AIGC 聲音和AIGC 文本，在有言產(chǎn)品中，還涉及AIGC 3D運鏡和AIGC燈光等技術(shù)，是一個極為復(fù)雜的綜合考量。
而針對3D虛擬人的難點，魔琺坦言當(dāng)下生成技術(shù)在逐步攻克中，但高質(zhì)量的3D數(shù)據(jù)，是行業(yè)非常稀缺的資源，這也是3D虛擬人的壁壘之一。
AIGC文生視頻需要依托高質(zhì)量的3D訓(xùn)練數(shù)據(jù)，才能生成穩(wěn)定有幾何關(guān)系和空間關(guān)系的視頻，2D虛擬人廠商需要從0到1構(gòu)建3D數(shù)據(jù)幾乎不太可能。
魔琺科技認(rèn)為：“3D虛擬人是一種人物形態(tài)載體，能夠使用起來，就需要以產(chǎn)品化形態(tài)落地，去解決企業(yè)實際問題?！?/p>
這意味著，虛擬人廠商不僅需要提供3D虛擬人產(chǎn)品，更需要與企業(yè)的業(yè)務(wù)場景相結(jié)合，給企業(yè)一定的自由度，打造3D虛擬人的制作平臺。
目前魔琺科技打造了端到端的超寫實3D虛擬人工業(yè)化產(chǎn)線及“3D虛擬人的AIGC平臺—星云平臺”，為企業(yè)提供系列生成工具，企業(yè)根據(jù)自身需求，能夠更加靈活的調(diào)整虛擬人的細(xì)節(jié)、結(jié)構(gòu)和適配的使用場景。
商湯也基于日日新大模型，打造了如影虛擬人制作平臺，基于在視覺、語音領(lǐng)域積累的3萬個算法模型，虛擬人能快速識別、反應(yīng)，與用戶建立起對話關(guān)系。并且，事后，虛擬人也不會“失憶”，繼續(xù)學(xué)習(xí)迭代。
相比之下，2D虛擬人的制作流程就簡單的多。某2D虛擬人廠商對我們介紹到：“目前2D虛擬人制作有兩種方式，一種是請真人錄制，然后幫其定制形象。一種是從用戶提供的視頻中提取形象，再用到各種場景中。市面上2D虛擬人定制工具的邏輯基本一致：輸入文案素材，就能生成一個簡單的虛擬人形象?！?/p>
大模型對2D虛擬人提效效果顯著，AI可將傳統(tǒng)視頻制作流程中人工處理時間大幅減少90%，模型訓(xùn)練時間減少60%，只需48小時以內(nèi)即能完成各類定制數(shù)字人的訓(xùn)練工作。目前文生AI數(shù)字人視頻的時間在數(shù)分鐘左右。伴隨技術(shù)的進(jìn)步，未來文生視頻的效率還將持續(xù)提升。
大模型把虛擬人制作的成本打下來了，也把虛擬人的價格打下來了。
因為便宜，2D虛擬人開始鋪天蓋地的走進(jìn)直播間、短視頻，不少大V開始有了數(shù)字分身，劉潤、周鴻祎相繼亮相了自己虛擬人分身，它們在直播間里7×24小時、全年無休地介紹著產(chǎn)品，無論大企業(yè)還是中小商家，對虛擬人的熱情空前高漲，而這也吸引了大量魚龍混雜的代理商和套殼廠商，沒有實質(zhì)技術(shù)，只是打著科技的幌子招搖撞騙。
今年7月-8月，小紅書、閑魚、淘寶、抖音等平臺都開始陸續(xù)出現(xiàn)了“99元”、“299元”、“499元”的虛擬人，據(jù)「自象限」調(diào)查，這些賣家往往通過各類成功案例吸引用戶下單，但下單后不管使用不包售后，通過一個有一個“圈套”，只為“賣”，不為“用”，虛擬人的熱度就這樣被炒得虛高。圖省事的買家以為自己趕上了風(fēng)口，結(jié)果吃了大虧；想撈快錢的賣家趁機而入，順利收割了第一批韭菜。
一位品牌商家對「自象限」講到：“虛擬人最火的時候，采買了虛擬人主播，前幾次直播效果都不錯，前三個月可以盈虧可以勉強打平，今年七八月份光電費就一萬多，加上給虛擬人主播投流，虧了10萬左右?！?/p>
行業(yè)魚龍混雜，讓很多原本想嘗試的企業(yè)望而卻步。不過，這樣的情況到了年底，通過監(jiān)管政策的密集下發(fā)和平臺收緊了虛擬人直播的條件，混亂的現(xiàn)象暫時得到了控制，行業(yè)又重回冷靜期，開始真正思考，虛擬人，究竟能做什么？
爆火虛擬人，花式商業(yè)化
事實上，直到今年，數(shù)字人才真正步入了商業(yè)化的正軌。
硅基智能創(chuàng)始人兼CEO司馬華鵬曾在采訪中提到“2019年推數(shù)字人，免費都沒人用。”而到今年，我們也感受了一些新的變化，“去年我們克隆了十幾萬數(shù)字人，有些客戶不愿意公開講自己在用AI協(xié)助工作，但今年大家都愿意說了?！?/p>
“ChatGPT出現(xiàn)之后，整個行業(yè)的心態(tài)發(fā)生了非常大的變化?！?/p>
2023年，虛擬人的商業(yè)模式分化出了3種較為成熟的模式：
第一種是元宇宙時期為主的IP型，產(chǎn)品定位多位偶像、娛樂、科研教育等方面。以此衍生出了虛擬偶像、數(shù)字航天員、品牌代言人等一系列角色，將偶像身份具象化，通過IP打造和運營，如柳葉熙、洛天依等；
第二種則是功能型虛擬人，也叫服務(wù)型虛擬人，以數(shù)字員工為代表，虛擬主播、數(shù)字客服等在金融、文旅、零售、直播等領(lǐng)域，與人的工作相輔助，降低企業(yè)成本，提供自動化、標(biāo)準(zhǔn)化和智能化的服務(wù)；
第三種則是正在探索的虛擬分身（Avatar），也稱虛擬空間身份代理，為玩家打造特定的游戲身份、虛擬演唱會觀眾、永生形象等，多應(yīng)用在游戲、VR、元宇宙中，是虛擬空間和現(xiàn)實空間的交互入口，玩家不僅能擁有虛擬形象，更能推動虛擬內(nèi)容的生產(chǎn)，也是虛擬人最終要達(dá)成的狀態(tài)。
根據(jù)沙利文、頭豹研究院等數(shù)據(jù)顯示，2023年多個品牌都在探索如何用虛擬人產(chǎn)生更大的價值，其中諸如虛擬歌手、明星克隆、消費品牌的虛擬代言人，迅速風(fēng)靡網(wǎng)絡(luò)。
郭德綱說英語、Taylor swift講四川話，AI“復(fù)活”了張國榮和梅艷芳，也替一眾歌星開啟了線上演唱會。短視頻的玩梗和傳播，加速了虛擬人進(jìn)入到大眾的視野中，而C端的熱情同時也映照著B端的需求。
年初，抖音大V劉潤打起了數(shù)字人短視頻的第一槍；年尾，坐擁1200萬粉絲的科普博主嚴(yán)伯鈞開始在多個社交媒體平臺發(fā)布由硅基智能制作的數(shù)字人短視頻。
嚴(yán)伯鈞在接受采訪時也講到：“當(dāng)我第一次發(fā)布AI制作的內(nèi)容時，就有觀眾敏銳地指出：‘你為什么不眨眼？’事實上，從動作、表情、語言到思想，AI正在不斷地學(xué)習(xí)和模仿我的每一個特征，這是一個持續(xù)進(jìn)化的過程?！?/p>
▲圖源：受訪企業(yè)提供
據(jù)了解，2023年8月，公司聯(lián)合明星MCN公司謙尋成立了合資公司謙語智能，發(fā)布了AI數(shù)字人直播解決方案，為謙尋旗下主播打造數(shù)字分身，在主播直播的8小時外，替主播繼續(xù)直播，延長直播時長。
而魔琺科技則更注重虛擬人本身的能力，某醫(yī)療機構(gòu)營銷中心，每月需要數(shù)千條話題、熱點、科普類視頻用于運營各段視頻平臺及營銷投放，現(xiàn)有幾十人的團隊每月產(chǎn)能幾百條。
通過使用魔琺有言一站式AIGC視頻創(chuàng)作平臺，可以將圖文內(nèi)容一鍵生成3D視頻，免去了視頻拍攝，制作等諸多環(huán)節(jié)，使用有言后，該營銷中心解決了產(chǎn)能不足的問題，實現(xiàn)獨立完成全平臺視頻矩陣運營。還能創(chuàng)作大量優(yōu)質(zhì)的科普內(nèi)容用于投放獲客，實現(xiàn)了優(yōu)質(zhì)醫(yī)療科普視頻的快速、規(guī)?；牧慨a(chǎn)。不僅團隊產(chǎn)能大幅提升，獲客ROI也隨之提升。
更重要的是，2023年，虛擬人開始走向千行百業(yè)，從影視、娛樂等領(lǐng)域走向金融、文旅、教育、政企等數(shù)字化深水區(qū)。
▲圖源：騰訊《數(shù)字人產(chǎn)業(yè)發(fā)展趨勢報告》
舉幾個例子，在虛擬人＋教育領(lǐng)域，網(wǎng)易有道發(fā)布AI口語老師，該老師為學(xué)生提供開放式的聊天場景，更符合真實的口語聯(lián)系環(huán)境，并在對話結(jié)束后快速生成結(jié)果報告；科大訊飛發(fā)布訊飛星火認(rèn)知大模型，涵蓋了批改語文和英語作業(yè)，模擬口語老師實景對話等。
在虛擬人＋政務(wù)方面，目前廈門、深圳、江西等地方紛紛引入數(shù)字員工，工作內(nèi)容包括多語種的政策解讀、為群眾提供“邊聊邊辦”的數(shù)字政務(wù)服務(wù)，通過虛擬人智能推送服務(wù)入口，完成業(yè)務(wù)咨詢、資訊推送、服務(wù)引導(dǎo)等等政務(wù)服務(wù)。
2024年，有部分廠商也在逐步試水?dāng)?shù)字人＋跨境電商。硅基智能告訴我們：“由于海外的多語種對短視頻和直播有很大的門檻，我們開發(fā)了硅語翻譯小程序和專業(yè)版的Anylang，可以通過實時翻譯結(jié)合數(shù)字人解決這個問題，幫助跨境電商企業(yè)一站式出海。”
總的來說，在經(jīng)歷了2023年的動蕩期之后，虛擬人無論是的技術(shù)、產(chǎn)品還是行業(yè)格局，都走向了一個新的節(jié)點，2024年，隨著多模態(tài)大模型的成熟，虛擬人可能會再邁進(jìn)一個臺階，同時在千行百業(yè)中的逐步深入，也將打開更多數(shù)字化的大門。
* 文中配圖來源于網(wǎng)絡(luò)