“AI合成主播”亮相烏鎮(zhèn)互聯網大會 搜狗分身技術成AI領域又一次突破與創(chuàng)新

每經記者 張斯    

11月7日，第五屆世界互聯網大會在浙江烏鎮(zhèn)拉開帷幕，作為國內外創(chuàng)新創(chuàng)業(yè)成果集中亮相的平臺，每年大會上呈現的“黑科技”都成為社會各界關注的焦點。在開幕當天，搜狗公司與新華社帶來了全球首個合成新聞主播——“AI合成主播”，創(chuàng)造性地“克隆”出與真人主播擁有同樣播報能力的“分身”。而隨著“AI合成主播”的發(fā)布，搜狗人工智能的核心技術“搜狗分身”也終于浮出水面，成為大會開幕日的最大亮點之一。

“這是人工智能領域的又一次突破與創(chuàng)新。”現場，搜狗CEO王小川表示，“AI合成主播”是搜狗人工智能核心技術“搜狗分身”的一次重要實踐，該技術能夠利用搜狗的AI能力，從圖像表情、聲音語言習慣、邏輯思維等層面對AI進行擬人化訓練，然后克隆制造人類的AI分身，進而幫助人類提高信息表達和傳遞的效率。

同時，他也指出，人工智能是新一輪科技革命和產業(yè)變革的重要驅動力量。搜狗一直以“讓表達和獲取信息更簡單”為使命，布局“自然交互+知識計算”的人工智能戰(zhàn)略，在語音、圖像、翻譯、對話和問答等技術方向不斷取得全球領先，先后推出機器同傳、唇語識別、智能分診、翻譯硬件等融合AI領先技術的產品和服務，率先實現了人工智能技術的大規(guī)模商用。

音容面貌都可“復制”的虛擬主播

通過對目標人少量語音和面部視頻的學習，復制出與目標人幾乎完全一樣的聲音或者面部視頻。“分身技術”等新技術的出現，讓現場參會的嘉賓看到了搜狗在整個人工智能領域的布局和實際落地的場景。

在互聯網之光博覽會搜狗展臺內，這項黑科技十足的“AI合成主播”技術成為了現實。據介紹，用戶只需要輸入新聞文本，AI合成主播就能用和真人一樣的聲音進行播報，而在播報的過程中唇形、面部表情等也能與真人主播完全吻合，效果惟妙惟肖。

新華社副社長劉思揚表示，當前，隨著網絡信息技術的快速發(fā)展，媒體格局、輿論生態(tài)、傳播方式正在發(fā)生深刻變革，技術在媒體融合發(fā)展中的引領作用日益凸顯。AI合成主播大幅提升新聞視頻生產效率的重要舉措。

現場，王小川重點解讀了搜狗人工智能核心技術“搜狗分身”。他表示，“搜狗分身”是人工智能技術在模仿人類領域的一個新的突破，由真人主播面對鏡頭錄制一段播報新聞視頻，“搜狗分身”技術憑借這段視頻，能夠讓機器可以首次做到逼真的模擬人類說話時的聲音、嘴唇動作和表情，并且將三者自然匹配。

同時，他指出，“這次的成功合作讓我們也受益良多，拓寬了我們在人工智能研究和技術落地創(chuàng)新上的視野和選擇。AI合成主播的誕生，將為媒體生產端帶來無限想象空間，是智能時代大幅提升新聞生產、傳播效率、新聞價值的有效手段。

“搜狗分身”技術的無限應用想象

“搜狗分身”技術讓我們切實地看到，機器以更逼真自然的形象呈現在用戶面前，而不是冷冰冰的“機器人”。

搜狗語音交互技術中心總經理王硯峰表示，“搜狗分身”技術是搜狗人工智能的核心技術之一，誕生于搜狗“自然交互+知識計算”這一人工智能理念之下。依托“搜狗分身”技術創(chuàng)新的信息傳播形式，能夠幫助媒體在融媒體轉型、新聞時效性和跨語種傳播能力等方面再上臺階，增強中國傳媒業(yè)的國際影響力和全球競爭力。

據了解，該技術包含語音合成和圖像生成兩大引擎，能通過人臉關鍵點檢測、人臉特征提取、人臉重構、唇語識別、情感遷移等多項前沿技術，并結合語音、圖像等多模態(tài)信息進行聯合建模訓練后，生成與真人無異的AI分身模型，讓機器以更逼真自然的形象呈現在用戶面前。

王硯峰介紹，搜狗分身技術具備兩大難點，一是高逼真度，搜狗分身能夠自動生成語音、表情、唇動等信息完全一致的自然視頻，并已達到商用級別，在業(yè)內尚屬首次；二是個性化定制成本低，搜狗分身僅需使用少量用戶真實音視頻數據，即可快速定制出高逼真度的分身模型，該項技術也領先行業(yè)。

而值得關注的是，搜狗分身技術的應用場景非常廣泛，可以涵蓋需要人類參與的眾多內容表達場景，例如新聞播報、虛擬教師、虛擬醫(yī)生、虛擬客服等。在解放行業(yè)生產力的同時，“搜狗分身”技術給予用戶更好的個性化音視頻效果，用AI科技來切實的提高人們的生活體驗。

在談到關于合成主播和分身技術的未來期待，王小川表示，搜狗將會繼續(xù)秉承搜狗的使命，進一步探索“搜狗分身”的邊界，將“搜狗分身”技術逐步應用到中國與世界各國家跨語言交流場景中去，助中國走向世界，讓世界更了解中國，為“一帶一路”倡議下的國際合作提供幫助。