對于虛擬人，很多人并不陌生。早前科大訊飛的多語種虛擬主播小晴、央視A.I.虛擬記者通通，給了大眾對技術(shù)應用的更多想象空間。
近日，科大訊飛虛擬人技術(shù)再突破，發(fā)布更加活潑生動的A.I.虛擬人愛加，并最新上線了愛加幫你送新春祝福的H5《你用A.I.拜年了嗎？》，用戶可通過愛加，把最暖心的新春祝福送到家人朋友眼前。（在微信公眾號“科大訊飛”后臺回復“愛加”即刻體驗，還有機會獲得千元驚喜A.I.禮物）
和以往小晴等虛擬人不一樣的是，愛加在聲音、肢體動作乃至于微表情的表達上更豐富，還熟悉更多種語言和方言，用戶通過愛加拜年，能讓天南海北的朋友倍感親切。
技術(shù)難點逐一擊破，這次愛加更“人性化”
人工智能不斷進步，A.I.早已不再是冷冰冰的科技，而是演變成為能幫助人類享受智慧生活、守護情感世界的好幫手。虛擬人的應用前景可期，但由于技術(shù)限制，其肢體動作、語言、情感表達效果還不能滿足人們期待。
那么科大訊飛是如何攻克合成難點，讓其A.I.虛擬人有更高的觸達率？
首先，拓展A.I.虛擬人的“本事”，讓其“能說會道”“能歌善舞”。在科大訊飛A.I.虛擬人已有的多語種、多方言合成能力之外，科大訊飛提出了基于歌唱音準的無監(jiān)督歌唱標注方法，將發(fā)音和音準分離，利用神經(jīng)網(wǎng)絡(luò)分層級預測，結(jié)合高精度神經(jīng)網(wǎng)絡(luò)聲碼器合成高品質(zhì)歌曲，同時提出姿態(tài)自適應的表情合成技術(shù)，解決了舞動狀態(tài)面部姿態(tài)大角度以及多角度快速切換場景下的唇形合成難題，在使得虛擬人在精通各種語言的同時，還能傾情演唱。
其次，增強虛擬人的“人性化”。為了給虛擬人注入情感，使其在互動表達中更有人情味，科大訊飛結(jié)合認知心理學理論對虛擬人進行交互情感設(shè)計，利用無監(jiān)督表征學習方法，分離并獲取語音中的情感表征。同時，利用海量文本無監(jiān)督語義模型對各類文本進行情感分類預測，實現(xiàn)人性化的端到端情感合成系統(tǒng)，讓虛擬人“活潑”起來。
最后，提升虛擬人的“表現(xiàn)力”。為使拜年視頻更具個性化，科大訊飛提出結(jié)合場景的背景音樂、音效疊加方案。通過對常用場景分類分析，構(gòu)建豐富多元的背景音樂、音效資源庫，結(jié)合具體應用場景，進行背景音樂、音效的預測、疊加，從而實現(xiàn)高表現(xiàn)力的虛擬形象合成，用戶能定制理想狀態(tài)中的拜年場景，讓A.I.拜年場景更加生動多元。
值得一提的是，基于科大訊飛提出的海量說話人的音視頻數(shù)據(jù)預訓練技術(shù)，虛擬人愛加能夠做到基于少量數(shù)據(jù)就完成快速的建模，滿足多種場景多種風格形象的快速定制，同時，當前虛擬人實時合成的速度以及并發(fā)一直是業(yè)界的痛點，科大訊飛本次的虛擬人拜年活動支持了高并發(fā)在線高質(zhì)量視頻生成，從而大幅提升虛擬人視頻制作的效率。用戶只需要等待幾秒鐘就可以完成一個A.I.虛擬人合成視頻，有效突破了A.I.虛擬人因為并發(fā)路數(shù)有限而不能大規(guī)模推廣的難題，同時也展現(xiàn)出A.I.虛擬人從toB向toC推廣應用的可能。
可以預見，虛擬人愛加只是一個科大訊飛在虛擬人技術(shù)突破的一個新起點，它的出現(xiàn)為下一步A.I.虛擬人的大范圍、規(guī)模化應用奠定了堅實基礎(chǔ)。
目前，科大訊飛基于A.I.交互能力的虛擬形象解決方案，已經(jīng)應用于多個場景，如虛擬站務(wù)員、虛擬金融理財顧問、虛擬面試官，科大訊飛虛擬人的多模態(tài)得到了廣泛應用。虛擬人愛加的技術(shù)突破，正是科大訊飛多年技術(shù)的厚積薄發(fā)，用A.I.理念改變生活的發(fā)展理念的具體呈現(xiàn)。未來，科大訊飛還會為虛擬人帶來怎樣的科技高峰再現(xiàn)，值得期待。
