數字人

出自 MBA智库百科(https://wiki.mbalib.com/)

數字人（Digital human,Meta human）

　　數字人指存在於非物理世界中，由電腦手段創造及使用，並具有多重人類特征（外貌特征、人類表演能力、交互能力等）的綜合產物。虛擬數字人可按人格象徵和圖形維度劃分，亦可根據人物圖形維度劃分。人物形象、語音生成模塊、動畫生成模塊、音視頻合成顯示模塊、交互模塊構成虛擬數字人通用系統框架。

　　數字人是基於CG（Computer Graphics，電腦圖形）技術與人工智慧技術打造出的數字化虛擬人物。就交互能力而言，數字人包括交互型與非交互型兩類，其中交互型數字人在真人驅動或智能系統驅動下，具備類人動作及感知能力，可實現與真實世界的交互。就應用場景區分，數字人又可被劃分為身份型與服務型兩類，前者囊括虛擬化身及虛擬IP/偶像，是真實世界人物向虛擬世界“進階”的產物，“人設”屬性較為明顯，而後者主要為企業端或個人端用戶提供辦公、陪伴等擬人化服務，實現部分人力資源的替代。

　　1982 年世界第一位虛擬歌姬林明美誕生，虛擬數字人行業經歷了萌芽、探索、初級和成長四個階段。隨技術逐年突破，製作過程亦得到有效簡化，從最早的手工繪製到現在的 CG、人工智慧合成。在虛擬數字人產業鏈中，基礎層提供軟硬體的支撐；平臺層為製作及開發提供技術；應用層為應用領域提供解決方案，賦能各領域發展。虛擬數字人產業進入門檻高，差異化顯著，受眾群體不斷拓展，因而虛擬數字人價值凸顯，應用領域不斷拓展。

　　數字虛擬人是指具有數字化外形的虛擬人物，通常是為特定內容的對話而訓練的人工智慧角色，具有一定的形象能力、感知能力、表達能力和娛樂互動能力。與具備實體的機器人不同虛擬數字人依賴顯示設備存在，並且擁有人的相貌、人的行為以及人的思想。在包括人物形象生成、語音生成、動畫生成、音視頻合成以及交互技術等五大模塊的通用系統框架內，目前虛擬數字人主要分為非交互性虛擬數字人與交互性虛擬數字人，其中交互性虛擬數字人又分為真人驅動型與智能驅動型。

　　虛擬數字人極有可能成為用戶與虛擬世界連接交的第一入口，通過與虛擬數字人的交互進行虛擬生產和勞動，最終形成虛擬世界的社會關係和結構。從技術上來看，目前虛擬數字人主要包括真人驅動型和計算驅動型。真人驅動型虛擬數字人是基於IP設計或真人偶像繪製原畫，在進行面部及身體3D建模後，動作捕捉設備或攝像頭將基於真人的動作/表情等驅動虛擬數字人，在靈活度、互動效果方面有顯著優勢。計算驅動型虛擬數字人的語言表達、面部表情、肢体動作等主要是通過深度學習模型進行實時或離線驅動，在染後實現最終效果。

　　“虛擬數字人”一詞最早源於 1989 年美國國立醫學圖書館發起的“可視人計劃”(Visible Human Project, YHP)。2001年, 國內以“中國數字化虛擬人體的科技問題”為主題的香山科學會議第 174 次學術討論會提出了“數字化虛擬人體”的概念。

　　這些“虛擬數字人”主要是指人體結構的可視化，以三維形式顯示人體解剖結構的大小、形狀、位置及器官間的相互空間關係，即利用人體信息，實現人體解剖結構的數字化。主要應用於醫療領域的人體解剖教學、臨床診療等。

　　與上述醫療領域的數字化人體不同，本篇中所分析的虛擬數字人（以下簡稱“數字人”）是指具有數字化外形的虛擬人物。與具備實體的機器人不同，虛擬數字人依賴顯示設備存在。虛擬數字人宜具備以下三方面特征：

　　一是擁有人的外觀，具有特定的相貌、性別和性格等人物特征；

　　二是擁有人的行為，具有用語言、面部表情和肢体動作表達的能力；

　　三是擁有人的思想，具有識別外界環境、並能與人交流互動的能力。

　　20世紀80年代，人們開始嘗試將虛擬人物引入到現實世界中，虛擬數字人步入萌芽階段。該時期虛擬數字人的製作技術以手工繪製為主，應用極為有限。1982年，日本動畫《超時空要塞》播出後，製作方將女主角林明美包裝成演唱動畫插曲的歌手，並製作了音樂專輯，該專輯成功打入當時日本知名的音樂排行榜 Oricon，林明美也成為了世界上第一位虛擬歌姬。

　　1984年，英國人 George Stone 創作出一個名為Max Headroom 的虛擬人物，MAX 擁有人類的樣貌和表情動作，身穿西裝，佩戴墨鏡，曾參演了一部電影，拍攝了數支廣告，一度成為英國家喻戶曉的虛擬演員。由於技術的限制，其虛擬形象是由真人演員通過特效化妝和手繪實現。

　　21世紀初，傳統手繪逐漸被 CG、動作捕捉等技術取代，虛擬數字人步入探索階段。該階段的虛擬數字人開始達到實用水平，但造價不菲，主要出現在影視娛樂行業，如數字替身、虛擬偶像等。電影製作中的數字替身一般利用動作捕捉技術，真人演員穿著動作捕捉服裝，臉上點上表情捕捉點，通過攝像機、動作捕捉設備將真人演員的動作、表情採集處理，經電腦處理後賦予給虛擬角色。

　　2001年，《指環王》中的角色咕嚕就是由 CG 技術和動作捕捉技術產生，這些技術後續還在《加勒比海盜》、《猩球崛起》等電影製作中使用。2007年，日本製作了第一個被廣泛認可的虛擬數字人“初音未來”，初音未來是二次元風格的少女偶像，早期的人物形象 主 要 利 用 CG 技 術合成 ， 人物聲音採用雅馬哈的VOCALOID系列語音合成，呈現形式還相對粗糙。

　　近五年，得益於深度學習演算法的突破，數字人的製作過程得到有效簡化，虛擬數字人開始步入正軌，進入初級階段。該時期人工智慧成為虛擬數字人不可分割的工具，智能驅動的數字人開始嶄露頭角。

　　2018年，新華社與搜狗聯合發佈的“AI合成主播”，可在用戶輸入新聞文本後，在屏幕展現虛擬數字人形象併進行新聞播報，且唇形動作能與播報聲音實時同步。

　　2019年，浦發銀行和百度共同發佈的數字員工“小浦”，也是利用自然語言處理、語音識別、電腦視覺等人工智慧技術製作的虛擬數字人，可通過移動設備為用戶提供“面對面”的銀行業務服務。

　　當前，虛擬數字人正朝著智能化、便捷化、精細化、多樣化發展，步入成長期。2019年，美國影視特效公司數字王國軟體研發部負責人 Doug Roble 在 TED 演講時展示了自己的虛擬數字人“DigiDoug”，可在照片寫實級逼真程度的前提下，進行實時的表情動作捕捉及展現。今年，三星旗下的STAR Labs在CES國際消費電子展上展出了其虛擬數字人項目 NEON，NEON 是一種由人工智慧所驅動的虛擬人物，擁有近似真人的形象及逼真的表情動作，具備表達情感和溝通交流的能力。

　　虛擬數字人系統一般情況下由人物形象、語音生成、動畫生成、音視頻合成顯示、交互等5個模塊構成。

　　交互模塊為擴展項，根據其有無，可將數字人分為交互型數字人和非交互型數字人。

　　首先看一下非交互型數字人：系統依據目標文本生成對應的人物語音及動畫，併合成音視頻呈現給用戶。

　　交互型數字人根據驅動方式的不同可分為智能驅動型和真人驅動型。

　　智能驅動型數字人：通過智能系統自動讀取並解析識別外界輸入信息，根據解析結果決策數字人後續的輸出文本，驅動人物模型生成相應的語音與動作來使數字人跟用戶互動。

　　這種人物模型是預先通過AI技術訓練得到，可通過文本驅動生成語音和對應動畫，業內將此模型稱為TTSA(Text To Speech & Animation)人物模型。

　　真人驅動型數字人：真人根據視頻監控系統傳來的用戶視頻，與用戶實時語音，同時通過動作捕捉採集系統將真人的表情、動作呈現在虛擬數字人形象上，從而與用戶進行交互。

　　數字人產業圖譜由基礎層、平臺層及應用層構成。

　　1）基礎層：基礎層為數字人的製作提供必要的基礎軟硬體支撐，硬體包括晶元、感測器、光學器件及顯示設備等，軟體包括建模軟體及渲染引擎。其中，顯示設備是數字世界與真實世界的橋梁，也是數字人在真實世界的呈現載體，既包括電視、手機、投影等2D屏幕，又涵蓋裸眼立體VR/AR等3D硬體設備。

　　2）平臺層：平臺層包含建模、動作捕捉及渲染等硬體系統、解決方案平臺及AI能力平臺三大類，主要為數字人的開發製作提供相應的技術能力。建模系統和動作捕捉系統通過基礎層的感測器、光學器件等硬體獲取真實世界及人物的數據信息，基於軟體演算法實現對數字人的建模及動作捕捉，最終經由渲染系統進行數字人雲端渲染；解決方案平臺主要提供整體的數字人解決方案；AI能力平臺基於自身人工智慧技術，賦予數字人進行智能感知與交互的能力。

　　3）應用層：應用層是數字人與各場景結合形成的行業應用解決方案。在政策與技術雙輪驅動下，數字人應用場景持續得到拓展與深化。目前，文娛及服務為數字人應用滲透率較高的兩大領域，虛擬偶像、電商主播、數字員工等多元類型數字人在各領域釋放其應用價值。