与朱广权在线battle，百度智能云AI手语主播正式上岗_风闻
智能相对论-智能和车，边评边测；未来和家，且品且鉴2022-02-07 11:02
近日，一则段子手朱广权与“手语主播”在线pk的视频火了，刚刚上线播放量就突破百万。视频中，朱广权用超快语速的顺口溜挑战“手语主播”的“手速”，而这位手语主播也凭过硬的专业能力轻松应战。事实上，这位手语主播不是真人，而是一位虚拟数字人。
据统计，全球约有4.3亿人患中度及以上听力障碍，根据全国第二次残疾人抽样调查数据，中国有听障人士2780万。他们虽然听不到赛场的声音，但同样希望感受赛事的精彩。AI手语数字人无疑成为了他们观赛的重要桥梁。
百度集团副总裁吴甜表示：“百度已发布集数字人生产、内容创作、业务配置服务为一体的智能数字人平台——百度智能云曦灵，百度希望通过领先的全栈AI能力，把虚拟人的生产周期缩短到小时级别，降低生产成本，并且用AI驱动生成内容。”
研发一款AI手语主播有多难？
手语数字人的本质是在解决翻译问题。
区别于传统翻译，手语翻译的难点在于：手语并非按照语言逐字翻译，而需要根据语句整体意思进行语言精炼和语序调整，同时还需实时配合表情和唇语，帮助听障者更好的理解。这就导致AI手语数字人在信息凝练度、低时延和精细化三方面面临极其复杂的技术难题。因此，AI手语主播不仅需要具备高精度的数字人形象，还需要具备能够语音识别、手语翻译和手语表达的AI大脑。
从外形看，对比以往AI主播形象，百度智能云打造的AI手语主播不仅高度还原真人发肤，且在立体感、灵活度、可塑性上都有大幅提升。据悉，百度智能云建立了规模庞大的手语动作库，基于《国家通用手语词典》规范，结合动作捕捉设备和真实手语老师的双向调优，精修近1万个手语动作，保证了手语表达的动作准确性。同时首创4D扫描技术，使得AI手语主播表情自然生动，口型生成准确度高达98.5%。
而她的“AI大脑“则依托于百度智能云。通过百度自主研发的机器翻译技术，百度智能云构建出⼀套精确的手语翻译引擎，可懂度达到85%以上，媲美主流的中英、中日等方向的机器翻译结果，达到业界领先水平，结合百度自研的语音识别技术，可将冰雪赛事的文字及音视频内容，快速精准的转化为手语；同时再通过专为手语优化的自然动作引擎，完成AI手语主播的动作驱动，实时演绎为数字人的动作、表情和唇语。这保证了AI手语主播具备高可懂度的手语表达能力和精准连贯的呈现效果。
据了解，如此复杂的数字人研发工作，百度只用了不到2个月。百度方面表示，虚拟数字人要为人类提供服务、与人自然地交流，需要背后强大的知识体系和对话能力支撑。百度知识图谱积累的5500亿知识，帮助数字人拥有“自己”的经验和认识去思考。基于百度去年发布的百亿参数对话模型PLATO，虚拟人可以跟用户进行有料、有趣、有情感的交流。
百度智能云曦灵数字人平台：半小时生成2D数字人、一两周制作完成3D数字人
目前，数字人尚未实现规模化产业落地，主要原因在于数字人制作技术门槛高、周期长、成本高。打造一个高精度、高保真的非特异型虚拟人，动辄就需要百万甚至上千万的资金投入。
2021年12月，百度发布了集数字人生产、内容创作、业务配置服务为一体的智能数字人平台——“百度智能云曦灵”，基于人像驱动、智能对话、语音交互、智能推荐四大技术引擎，实现数字人的“能听、能说、能理解、可互动”。同时，百度智能云曦灵提供便捷简单的操作平台，帮助企业低成本快速定制2D卡通、真人形象及3D卡通、超写实数字人像，实现对话服务、内容创作全流程业务配置，极大降低数字人开发难度。
不久前，百度集团副总裁吴甜做客央视《对话》节目时提到，“百度希望通过领先的全栈AI能力，把虚拟人的生产周期缩短到小时级别，降低生产成本，并且用AI驱动生成内容。”
例如，只要用户在百度智能云曦灵平台上传一张照片，就能快速生成一个可被AI驱动的2D数字人像，原来生产流程需要一个星期做出来的2D数字人，现在可以缩短成半个小时。以前需要两三个月时间做出来的3D数字人，现在可以压缩到一两周，同时数字人个性化功能开发也较之前更加完善，比如通过20句话的轻量化模型训练，可生成数字人的声音，即用户说20句话即可生成属于自己音色的数字人。
目前，百度智能云曦灵已为广电、互娱、金融、政务、运营商、零售等行业提供一站式的虚拟主持人、虚拟员工、虚拟偶像、品牌代言人的创建与运营服务。已落地的案例包括：浦发银行理财专员数字人“小浦”、中国联通数字人客服“小U”、百度APP代言人“龚俊数字人”、百度集团数字人“希加加”、火星车数字人“祝融号”等。
百度AI人机交互实验室负责人李士岩表示：“我们近一两年的奋斗目标是通过百度智能云曦灵平台的开放，让每个人、每一家企业实现数字人自由。”
