電子發(fā)燒友網(wǎng)報(bào)道（文/李彎彎）虛擬數(shù)字人（DigitalHuman/MetaHuman），是運(yùn)用數(shù)字技術(shù)創(chuàng)造出來的、與人類形象接近的數(shù)字化人物形象。虛擬數(shù)字人系統(tǒng)一般情況下由人物形象、語音生成、動(dòng)畫生成、音視頻合成顯示、交互等5個(gè)模塊構(gòu)成。

虛擬數(shù)字人核心技術(shù)

人物形象根據(jù)人物圖形資源的維度，可分為2D和3D兩大類，從外形上又可分為卡通、擬人、寫實(shí)、超寫實(shí)等風(fēng)格。

語音生成模塊和動(dòng)畫生成模塊可分別基于文本生成對(duì)應(yīng)的人物語音以及與之相匹配的人物動(dòng)畫，語音生成基于表達(dá)內(nèi)容文本生成語音，應(yīng)用智能語音TTS技術(shù)，動(dòng)畫生成，基于表達(dá)內(nèi)容文本生成動(dòng)畫，核心技術(shù)為驅(qū)動(dòng)與渲染。

音視頻合成顯示模塊將語音和動(dòng)畫合成視頻，基于終端顯示技術(shù)，將數(shù)字人產(chǎn)品呈現(xiàn)于手機(jī)等智慧終端屏幕，顯示給用戶。

交互模塊使數(shù)字人具備交互功能，即通過語音語義識(shí)別等智能技術(shù)識(shí)別用戶的意圖，并根據(jù)用戶當(dāng)前意圖決定數(shù)字人后續(xù)的語音和動(dòng)作，驅(qū)動(dòng)人物開啟下一輪交互。

其中計(jì)算驅(qū)動(dòng)型交互對(duì)廠商的對(duì)話式AI能力要求高，往往由對(duì)話式AI廠商進(jìn)行能力提供。對(duì)話式AI能力，包括基于語義理解、知識(shí)庫、知識(shí)圖譜給到信息回饋，基于語音識(shí)別、計(jì)算機(jī)視覺完成用戶信息輸入。

在虛擬數(shù)字人的制作流程，最為核心、最具挑戰(zhàn)的是建模、驅(qū)動(dòng)、渲染三大流程。建模環(huán)節(jié)以真人為模型或設(shè)計(jì)人物，為虛擬數(shù)字人建立基本的3D模型，3D建模為構(gòu)建虛擬人形象的基礎(chǔ)，重點(diǎn)在于實(shí)現(xiàn)細(xì)節(jié)的精細(xì)還原。

驅(qū)動(dòng)環(huán)節(jié)，通過訓(xùn)練驅(qū)動(dòng)模型等形式確定虛擬數(shù)字人的基本動(dòng)作；渲染環(huán)節(jié)，根據(jù)在設(shè)計(jì)環(huán)節(jié)中確定的虛擬人最終呈現(xiàn)效果和應(yīng)用場景等外界要素，將模型與其運(yùn)動(dòng)進(jìn)行渲染以呈現(xiàn)最佳效果。渲染技術(shù)用于提升虛擬人的逼真程度，實(shí)時(shí)互動(dòng)亦需要實(shí)現(xiàn)實(shí)時(shí)渲染。

虛擬數(shù)字人產(chǎn)業(yè)鏈

當(dāng)前虛擬數(shù)字人理論和技術(shù)日益成熟，應(yīng)用范圍不斷擴(kuò)大，產(chǎn)業(yè)正在逐步形成、不斷豐富，相應(yīng)的商業(yè)模式也在持續(xù)演進(jìn)和多元化。

從產(chǎn)業(yè)鏈來看，虛擬數(shù)字人從上到下可以分為基礎(chǔ)層、平臺(tái)層和應(yīng)用層。基礎(chǔ)層為虛擬數(shù)字人提供基礎(chǔ)軟硬件支撐，硬件包括顯示設(shè)備、光學(xué)器件、傳感器、芯片等，基礎(chǔ)軟件包括建模軟件、渲染引擎。

顯示設(shè)備是數(shù)字人的載體，既包括手機(jī)、電視、投影、LED顯示等2D顯示設(shè)備，也包括裸眼立體、AR、VR等3D顯示設(shè)備。

光學(xué)器件用于視覺傳感器、用戶顯示器的制作；傳感器用于數(shù)字人原始數(shù)據(jù)及用戶數(shù)據(jù)的采集；芯片用于傳感器數(shù)據(jù)預(yù)處理和數(shù)字人模型渲染、AI計(jì)算。

建模軟件能夠?qū)μ摂M數(shù)字人的人體、衣物進(jìn)行三維建模。渲染引擎能夠?qū)艄狻⒚l(fā)、衣物等進(jìn)行渲染，主流引擎包括UnityTechnologies公司的Unity3D、EpicGames公司的UnrealEngine等。

平臺(tái)層包括軟硬件系統(tǒng)、生產(chǎn)技術(shù)服務(wù)平臺(tái)、AI能力平臺(tái)，為虛擬數(shù)字人的制作及開發(fā)提供技術(shù)能力。建模系統(tǒng)和動(dòng)作捕捉系統(tǒng)通過產(chǎn)業(yè)鏈上游的傳感器、光學(xué)器件等硬件獲取真人/實(shí)物的各類信息，利用軟件算法實(shí)現(xiàn)對(duì)人物的建模、動(dòng)作的重現(xiàn)。

渲染平臺(tái)用于模型的云端渲染。解決方案平臺(tái)基于自身技術(shù)能力為廣大客戶提供數(shù)字人解決方案。AI能力平臺(tái)提供計(jì)算機(jī)視覺、智能語音、自然語言處理技術(shù)能力。

平臺(tái)層匯聚的企業(yè)較多，包括AI相關(guān)的企業(yè)科大訊飛、追一科技、竹間智能、商湯科技等，以及互聯(lián)網(wǎng)廠商百度、阿里、華為、火山引擎、騰訊、京東、網(wǎng)易伏羲等。

小結(jié)

從目前的情況來看，近幾年虛擬數(shù)字人的熱度居高不下，互聯(lián)網(wǎng)廠商、人工智能廠商、CG廠商等各類玩家紛紛入局。然而當(dāng)前虛擬數(shù)字人產(chǎn)業(yè)鏈存在割裂現(xiàn)象，生產(chǎn)環(huán)節(jié)分散在各個(gè)主體之間，難以達(dá)到高效協(xié)同。

而具備全棧集成能力的大型互聯(lián)網(wǎng)廠商正嘗試通過生態(tài)開放、平臺(tái)建設(shè)集成各環(huán)節(jié)資源，為客戶提供覆蓋全流程、低成本、短周期的虛擬數(shù)字人平臺(tái)，降低虛擬數(shù)字人產(chǎn)業(yè)的應(yīng)用門檻，在這場虛擬數(shù)字人商業(yè)落地推進(jìn)中占據(jù)優(yōu)勢。