文|MetaPost
隨著ChatGPT爆火，生成式AI算法的突破，使得AIGC（人工智能生產(chǎn)內(nèi)容）進入應(yīng)用爆發(fā)期，將給元宇宙相關(guān)產(chǎn)業(yè)鏈帶來全新的想象空間。
近日，天娛數(shù)科等多家上市公司宣布，要將ChatGPT與公司虛擬數(shù)字人融合，研發(fā)出更加智能化、擬人化的虛擬數(shù)字人。
作為當(dāng)前數(shù)字技術(shù)與文藝創(chuàng)作深度融合的產(chǎn)物，虛擬數(shù)字人（或數(shù)字人）體現(xiàn)了數(shù)字文化新業(yè)態(tài)、新模式的發(fā)展趨勢，也打開了網(wǎng)絡(luò)文藝新媒介產(chǎn)品的審美想象和創(chuàng)新創(chuàng)意空間。
所謂數(shù)字人，是指通過計算機圖形渲染、動作捕捉、深度學(xué)習(xí)、語音合成等技術(shù)打造的虛擬或仿真人物。自2020年以來，隨著資本加速進入數(shù)字人市場，促進了技術(shù)的快速發(fā)展和應(yīng)用場景的加速探索，現(xiàn)在的數(shù)字人技術(shù)也在朝著多樣化、智能化、便捷化、精細(xì)化的方向發(fā)展。
據(jù)IDC《中國AI數(shù)字人市場現(xiàn)狀與機會分析，2022》報告顯示，中國AI數(shù)字人市場規(guī)模呈現(xiàn)高速增長趨勢，預(yù)計到2026年將達到102.4億元人民幣。
然而，透過豐富的“數(shù)字人景觀”可以發(fā)現(xiàn)，令人過目不忘的優(yōu)質(zhì)數(shù)字人卻不多，而一些頻繁出場的數(shù)字人形象總體上趨向單一化、標(biāo)簽化、扁平化，尚不能清晰傳遞數(shù)字人的功能、內(nèi)涵及審美。
如何賦予數(shù)字人豐富的文化內(nèi)涵，創(chuàng)造一批兼具中國文化品格和“流量密碼”的優(yōu)質(zhì)形象，滿足人們?nèi)找嬖鲩L的優(yōu)質(zhì)數(shù)字內(nèi)容需求，是數(shù)字人發(fā)展需要思考的問題。
01 對數(shù)字人同樣適用的“顏值即正義”
數(shù)字人的發(fā)展歷史由來已久。
早在20世紀(jì)80年代，人們就開始嘗試將虛擬人物引入到現(xiàn)實世界，比如1982年，世界上第一位虛擬歌姬林明美出現(xiàn)了，雖然當(dāng)時技術(shù)是以傳統(tǒng)的手繪為主，但呈示出了虛擬人概念的萌芽。
21世紀(jì)初，計算機技術(shù)飛速發(fā)展，CG(計算機動畫)技術(shù)和動作捕捉技術(shù)發(fā)展日益成熟，日本制作了第一個被廣泛認(rèn)可的虛擬偶像——初音未來，對虛擬數(shù)字人的探索越來越豐富。
近5年來，隨著深度學(xué)習(xí)的算法取得突破，數(shù)字人的制作過程也得到了有效簡化。
數(shù)字人的制作流程一般包括模型綁定、動作捕捉、動畫解算、實時渲染等步驟，其中要運用到大量的現(xiàn)實增強、深度學(xué)習(xí)等高科技前沿技術(shù)。比較簡單的動漫形象數(shù)字人，一般1個月就能完成；而制作一個超寫實的3D數(shù)字人，從角色設(shè)計到完成渲染需要3至6個月甚至更久。數(shù)字人越是精致、逼真，越花費時間、人力和金錢成本。
在數(shù)字人的形象表達方面，目前，在大多數(shù)VR、游戲、會議等場景中，供應(yīng)商往往會選擇“樂高式卡通”或其他二次元風(fēng)格的3D模型，如元宇宙第一股Roblox。
哪怕是微軟在Ignite大會上引以為傲的虛擬世界項目，也尚且沒有涉足到真實形象還原的階段?？植拦刃?yīng)的存在使得虛擬形象“真人化”的難度極高，除此之外，超高精度的真身復(fù)刻3D數(shù)字人制作成本高也是一個制約因素，高成本意味著技術(shù)供應(yīng)商很難在短時間內(nèi)將技術(shù)進行商業(yè)化落地，更別說使其成為數(shù)字資產(chǎn)，打造一個集中的交易平臺，去消費與收藏。
時拓智能創(chuàng)始人指出，真身復(fù)刻的孿生數(shù)字人，可以說是元宇宙的主角，金字塔的頂尖。在所有類型的復(fù)刻中，人的構(gòu)建無疑是最難的，對技術(shù)的要求不能與靜物相提并論，從皮膚質(zhì)感，到眼神和面部對于環(huán)境的判別，都非常復(fù)雜而精細(xì)。
時拓智能作為入選上?？苿?chuàng)企業(yè)上市培育庫的數(shù)字人企業(yè)，選擇采用陣列相機結(jié)合自主研發(fā)LFM技術(shù)的方案，通過200余臺相機進行光學(xué)立體三維建模，模型生成效率被大幅提高，從拍攝到建模完成最快只需要75秒，而目前即使是最先進的手持掃描儀激光點云建模方案，生成一個高清3D模型也需要數(shù)天的時間。
在人像真實度上，時拓智能已經(jīng)聚焦到了“毛孔級別”，一次拍攝可產(chǎn)生12億像素的數(shù)據(jù)量，經(jīng)過拓?fù)?、法線貼圖、粗糙度貼圖、金屬貼圖、光線貼圖、AO閉環(huán)等20余層還原處理，3D模型最高可實現(xiàn)700億像素，靜態(tài)模型的分辨率達到6μm（約為頭發(fā)直徑的1/8），遠(yuǎn)超人眼可分辨的極限。同時，時拓智能的技術(shù)支持以每秒60幀的速率捕獲3D模型，使得動態(tài)模型的分辨率能夠突破8K。
數(shù)字人的設(shè)計制作并非易事，既需要技術(shù)支撐，又需要“有趣的靈魂”賦予其文化與內(nèi)涵。
02 始于顏值，終于價值
2022年，數(shù)字人大量涌現(xiàn)，中國文物交流中心的“文夭夭”、新華網(wǎng)的“筱竹”、浙江衛(wèi)視的“谷小雨”、敦煌研究院的“伽瑤”、國家博物館的“艾雯雯”、中華書局的“蘇東坡數(shù)字人”……他們或化身為文博場所的導(dǎo)游，或成為文化短劇的主角，或擔(dān)任對外傳播的文化大使，以又潮又酷的方式講述著傳統(tǒng)文化的故事。
不難看出，數(shù)字人要在弘揚傳承中華優(yōu)秀傳統(tǒng)文化方面發(fā)揮作用。可以始于顏值，但最后還是要終于價值，因為人們開發(fā)數(shù)字人，不是為了觀賞，而是為了使用。2022年被業(yè)界稱為“數(shù)字人元年”，數(shù)字人的相關(guān)應(yīng)用剛剛起步。傳統(tǒng)文化領(lǐng)域是應(yīng)用數(shù)字人比較多的領(lǐng)域，且應(yīng)用場景越來越豐富。
2022年7月，身著漢服的“艾雯雯”在國家博物館上崗。她穿梭于國博各展廳，為慕名而來的全球游客介紹著國博140多萬件館藏文物。中國文物交流中心的“文夭夭”，除了在各大博物館提供講解、導(dǎo)覽服務(wù)，還擔(dān)任“文博虛擬新聞官”，經(jīng)常跟隨展覽出海，傳播中華文化。
圖 | 數(shù)字人艾雯雯
除了文化價值，數(shù)字人的商業(yè)價值也不可或缺。
今年2月，涉及數(shù)字人業(yè)務(wù)的企業(yè)世優(yōu)科技、風(fēng)語筑等均提到正在研發(fā)相關(guān)技術(shù)，試圖將數(shù)字人接入ChatGPT。
這其中，吸引了大半科技圈關(guān)注的是，百度在短短一周時間內(nèi)，連發(fā)四條官方推文，介紹其即將推出中國版“GPT大模型”文心一言。
而發(fā)布這條消息的責(zé)任編輯，正是百度的希加加、度曉曉等數(shù)字人“成員”。數(shù)字人和“ChatGPT”的聯(lián)動，讓不少網(wǎng)友期待不已。
據(jù)了解，目前已經(jīng)有包括互聯(lián)網(wǎng)、媒體、金融、保險、汽車、企業(yè)軟件等行業(yè)的近300家頭部企業(yè)宣布加入百度“文心一言”生態(tài)。
圖 | 不同類型的虛擬數(shù)字人
天娛數(shù)科證券部人士認(rèn)為，AI和數(shù)字人結(jié)合會成為一種趨勢?！奥斆髑胰诵曰膶υ掦w驗，不再只依托于文字，而是以生動形象的數(shù)字人形式輸出，或?qū)⒊删虯IGC數(shù)字人的另一個里程碑。”
不過，業(yè)界也有觀點認(rèn)為，當(dāng)前ChatGPT尚處于發(fā)展的早期探索階段，關(guān)鍵核心技術(shù)發(fā)展尚不成熟。從數(shù)據(jù)上來看，目前ChatGPT背后的GPT3.5大模型，參數(shù)大概1750億個，而人腦擁有近1000億個神經(jīng)元和100萬億個連接，模型的參數(shù)量級還遠(yuǎn)沒有達到人腦的數(shù)量級。同時，AIGC模型需要大量數(shù)據(jù)參與訓(xùn)練，因此對算力基礎(chǔ)設(shè)施有較高要求。
IDC中國助理研究總監(jiān)盧言霞指出，當(dāng)前AI數(shù)字人在部分領(lǐng)域已經(jīng)發(fā)揮出明顯的商業(yè)價值，未來在生活與工作中，將會有大規(guī)模的數(shù)字人隊伍與人類共存。不過，也要理性看待行業(yè)發(fā)展，盡管目前數(shù)字人市場火熱，前行仍需腳踏實地。