By 超神经
在 1 月 28 日的 2019 网络春晚上,AI 虚拟主持人登台主持节目,撒贝宁作为与 AI 替身同台的主持人之一,当场宣布准备准备「隐退」, AI 取代主持人的时刻真的来临了吗?
在今年的网络春晚上,首次亮相了四位虚拟形象主持,分别是分别基于撒贝宁、朱迅、高博、龙洋打造。四位主持人都与自己的虚拟主持人同台主持,确实在晚会上增添了不少乐趣。
从视频中可以看到,虚拟的 AI 主持人和实体之间有很大的相似度,除了在接话和抖机灵上不输人类,也有相应的肢体语言,而且每一个虚拟主持人也具有不同的表达特点。
虚拟主持人是什么
据报道,这次登上网络春晚的虚拟主持,是 ObEN 公司打造的派( PAI, Personal AI),能根据人的形象虚拟出镜像的模型。
而这个产品的核心技术主要在三个方面:
首先,是视觉形象的建立。利用主持人本体的照片,采用三维扫描仪、3DS MAX、MAYA等三维建模工具,让AI建立一个算法模型,通过理解照片的颜色分布与结构深度的关系,最后构建出人脸和身型。
其次,是声音的合成。他们使用的AI语音技术,不需要大量收集语音库,只需十几句语音录制,通过特征参数提取,迁移学习等方法就能实现声音模型的建立。
最后,要让虚拟主持人尽可能逼真。这不仅需要视觉能与其声音匹配,还需要赋予它们个性化。通过传感器和运动跟踪设备,再结合了AI和动作捕捉训练,虚拟主持人能够按照相应本体,去模拟口语表达、脸部表情、手势、形体运动及场景互动等。
虽说这是 AI 的首次主持跨界,但 AI 虚拟主播界的亮相还真不在少数。
第一位 AI 新闻主播
在前2018 年 11 月举行的第五届互联网大会上,新华社展示了他们一位新记者,这是第一位 AI 虚拟合成的新闻主播,而 AI的原型本体邱浩这么说到:“图像是我的图像,声音也适合我的声音,但播报的这些话我可从来没说过......”
在这段视频中,我们可以看到视频中的主播,用它的腔调介绍着自己,配合着声音,它的面部,嘴唇有相应的动作。不得不说,惊喜是有,但还是有些失望。比起真人主播,能让人一眼就分辨出是机械化的产物。它的工作方式还需要人类写出新闻稿。但
这种合技术支持,来自搜狗的「分身技术」。而这个技术背后的关键,是语音合成和图像生成两大部分。
语音合成技术,可以通过少量的音频数据,让机器模型学习输入对象的说话特点,把握住音色、韵律、情感等方面,最终实现对输入文本的音频信息。
而图像生成,用到了人脸识别、三维人脸重建、表情建模等方面的学习和构造,最终达到输出音频个输出视觉信息的对应。
抛开那些槽点不说,这项技术最大的宣传点就是可以实现银幕上的分身功能,大概就是你能用电视、平板和手机看到一个人同时在播报三个不同的内容。
更早的 AI 主播
而日本在更早的时候有过报道,他们的也做出过 AI 主播。
在去年4月份,日本NHK电视台一档叫“NEWS CHECK 11”的节目中,担任主播的就是一个可爱的卡通 AI 主播——“新闻主播 Yomiko ”。
这个主播是利用了 CG 技术制作,它从大量的录音中学习了拆分成音素,然后学习文本的识别和朗读,最后用于朗读新闻。
此外,机器人做新闻主播也有过实现。
大阪大学和京都大学研制的美女机器人 “Elika”,也在 18 年 4 月份担任日本 NNN 电视台的新闻主播。
“Elika” 的人设是 23 岁的美少女,它被赋予了一张标准女性的面容,说话的声音以配音演员的录音为基础合成而来,可以称得上非常自然。
此外,它还具有先进的对话系统,在和人交谈时,它通过麦克风和传感器收集信息,感知对方的声音和动作,从而转向对方,并进行流畅的对话。
它的眼睛、嘴巴、脖子等 19 处可通过气压活动,呈现出多种表情,也能做一些简单的动作,惟妙惟肖。
主持人何时会被取代
说回网络春晚,四个调皮的虚拟主持人的亮相收到了很大的关注,而且从观众的态度上可以看出对它们颇为喜爱。
那么它们会是主持人下岗的一个契机吗?可能小撒和小小撒都不会答应。
至于 AI 新闻直播那种腔调以及违和的面部表情,也还是有待改进的地方。日本当初热闹一时的新闻播报机器人,也没有大面积取代当地的新闻业,最多也就还是处在辅助和新奇的层面。
所以这么看,技术上的进步的确带给我们新奇和美好的体验,但也许在这样一个时代,噱头比实际走的更快。
也许被取代的那一天终究会来,但很肯定的它不是今天。我们应该相信,真到了那一天,人类也许早已解决了和 AI 的相处之道。那时候的春节,我们会看到不仅 AI 主持春晚, 还会有 AI表演节目。我们啊,张着嘴等着 AI 喂我们吃饭就好了。
也许被取代的那一天终究会来,但很肯定的它不是今天。我们应该相信,真到了那一天,人类也许早已解决了和 AI 的相处之道。那时候的春节,我们会看到不仅 AI 主持春晚, 还会有 AI表演节目。
我们啊,张着嘴等着 AI 喂我们吃饭就好了。