白秀梅，徐世民

（1.黑龍江省氣象服務(wù)中心，黑龍江 哈爾濱150036;2.牡丹江市氣象局，黑龍江 牡丹江 157000）

1 虛擬主播

AI虛擬主播可定義為，在互聯(lián)網(wǎng)時代，結(jié)合人工智能與三維虛擬形象技術(shù)，并可自主承擔(dān)策劃、編輯、制作、導(dǎo)播、主持等一系列工作的主播。是一個由計算機(jī)虛擬合成的、高度逼真的3D虛擬形象。

2018年搜狗和新華社聯(lián)合推出了全球首個AI合成主播。2018年5月，虛擬主持人“康曉輝”有著與真人相似的外形，不僅與央視記者江凱一同主持了《直播長江》安徽篇，還在現(xiàn)場進(jìn)行了實時互動?！翱禃暂x”的一大亮點就在于其背后的3D虛擬形象自動生成技術(shù)（PTA），該技術(shù)讓人們擺脫了3D虛擬形象定制所需的高昂成本，只需普通攝像頭和一張自拍，就可實時生成與自己相似且更美觀的3D虛擬形象。

2019年春晚AI虛擬主持人團(tuán)隊誕生，在這套AI虛擬主播的方案中，只需輸入一段既有的新聞文本，主播就可實時進(jìn)行播報，且發(fā)音與唇形、面部表情等也完全吻合。

2 AI虛擬主播的實現(xiàn)方式

AI虛擬主播的實現(xiàn)方式大致可分為三種：

(1)“真人操作”模式，這一模式靈感來源于影視業(yè)，需要配套真人演繹，前期需要進(jìn)行大量的數(shù)據(jù)采集，中期需要動捕設(shè)備來配合播報，后期需要對視頻制作進(jìn)行再加工。從前期準(zhǔn)備到后期制作，成本耗費(fèi)不高，該模式目前僅限于一些大媒體。

(2)“AR+AI”模式，靈感來源于全息投影，實現(xiàn)方式依賴于增強(qiáng)現(xiàn)實技術(shù)。這一模式，需要提前設(shè)置好AI虛擬主播的回答、動作、表情等，并通過其與真人主播的互動，來制造真實感。且因為AI虛擬主播是后期做上去的，所以現(xiàn)場真人主持與其互動時，就要靠“演”。但這種實現(xiàn)方式，對真人主持的要求極高，對后期制作的要求也很高，從應(yīng)用層面來看，要大范圍推廣非常難。

(3)全AI化模式，靈感來源于早期主持人，實現(xiàn)方式和效果卻比早期主持人好很多。這一模式分成定制AI虛擬主播和使用視頻制作后臺兩步，其將上述兩種方式中“人”的成分大大剔除，專注于用AI來替代人力，將虛擬主播的語音、情緒、動作，乃至后期視頻制作需要的圖片、視頻等都集成到后臺編輯系統(tǒng)中。目前來看，它是更接近全自動化，也更節(jié)省制作成本、提升制作效率的方式。

2.1 AI虛擬主播的形象設(shè)計

全動態(tài)3D虛擬形象生成——PTA技術(shù)，即photo－to－avatar技術(shù)，只需要在智能手機(jī)中導(dǎo)入1張人臉照片，即可自動生成一個全動態(tài)3D虛擬形象。P2A技術(shù)通過深度學(xué)習(xí)算法，利用了人臉的先驗知識，即使只是看到一個人的照片，也可以想象出這個人的長相及三維特征，全自動構(gòu)建出與照片中人臉高度匹配的全動態(tài)3D虛擬形象。虛擬形象五官與照片人物高度匹配，用戶還可自定義衣服、飾品、背景、光線等效果，創(chuàng)建過程簡單快速，生成的3D虛擬形象能被實時人臉表情跟蹤SDK所驅(qū)動。更重要的是，這種解決方案并不需要依賴于深度傳感攝像頭，普通的智能手機(jī)攝像鏡頭就能完成。

AI虛擬主播的技術(shù)核心是語音動畫合成技術(shù)（STA），只要輸入文字或語音，就可以生成具備精確發(fā)音口型的虛擬主播播報視頻。在這一基礎(chǔ)上，為了讓虛擬主播們有更加豐富的表現(xiàn)力，從人物造型、聲音風(fēng)格、表情情緒、肢體動作等細(xì)節(jié)，都給到更多表達(dá)的可能性，豐富人物的表現(xiàn)力。

90＋常用肢體動作、17種人物音色、8種表情情緒、多元化人物造型，編輯們在后臺輸入文字內(nèi)容時，只需再點擊選擇所需的音色、情緒、動作，就可以智能輸出視頻。

科技的發(fā)展使得語音識別和自然語言處理的準(zhǔn)確率都達(dá)到了97%以上，從而使虛擬主播達(dá)到了與真人主持一樣的口才。

2.2 實時驅(qū)動虛擬形象生成視頻

讓虛擬人物播報呈現(xiàn)出自然狀態(tài)，就必須解決口型匹配、表情匹配，乃至肢體動作匹配等問題。

虛擬主持人“康曉輝”在播報內(nèi)容的過程中，能做出和真人一樣的口型、表情等變化，頭部也能做出點頭、搖頭等一系列動作，這些并不是提前做好的動畫，而是可以實時操控的。這個實時驅(qū)動就是通過虛擬形象驅(qū)動技術(shù)實現(xiàn)的。

實時人臉表情跟蹤SDK能夠精確捕捉近50個面部肌肉運(yùn)動節(jié)點，將面部表情同步至虛擬形象的面部上，從而實現(xiàn)人臉實時驅(qū)動虛擬形象。

在視頻生成效率上，在目前最新研發(fā)的GPU方案下，最快可實現(xiàn)1：1的視頻生成效率，即生成3 min的播報新聞，只需要3 min的渲染時間就能完成。所以在突發(fā)氣象災(zāi)害的場合，AI虛擬主播也能快速應(yīng)對，快速生成視頻、穩(wěn)定輸出內(nèi)容、準(zhǔn)確播報不出錯。

隨后將陰睛雨雪等氣象符號和各種預(yù)警信號加在畫面中，并且讓AI虛擬氣象主播與刮風(fēng)下雨、鵝毛大雪、秋風(fēng)掃落葉、春暖花開等自然景觀融為一體。通過AI虛擬氣象主播的豐富的表情、多樣的動作和精彩的配音讓市民在觀看時對天氣現(xiàn)象會有一個更加形象和深刻的認(rèn)識，同時也更有利于氣象科普知識的宣傳。

3 AI虛擬氣象主播的特點和未來發(fā)展

一個優(yōu)秀的虛擬氣象主播具有以下特點：

（1）時效性強(qiáng)，可以根據(jù)各類氣象信息快速制作視頻，在5－10 min內(nèi)制作完成氣象影視節(jié)目，做到了快、穩(wěn)、準(zhǔn)。

（2）可24 h播報，保證節(jié)目穩(wěn)定性及應(yīng)急需求。

（3）具有豐富的面部表情和肢體語言，使天氣預(yù)報生動、有趣。

（4）能把天氣預(yù)報中重要的內(nèi)容夸張地表現(xiàn)出來，給觀眾留下深刻的印象。非常有利于預(yù)警信號的發(fā)布和氣象科普知識的宣傳。

（5）生成的氣象影視節(jié)目數(shù)據(jù)量小，大大節(jié)省了存儲空間，對網(wǎng)絡(luò)帶寬要求很低，通過網(wǎng)絡(luò)傳輸?shù)诫娨暸_的速度很快。每年節(jié)省大量網(wǎng)費(fèi)。

（6）與標(biāo)準(zhǔn)的虛擬主持人相比，節(jié)省了大量成本，制作效率大幅提升。