李昊 丁龍 宋佳

摘要：隨著類腦科學、深度學習、人工智能和計算機圖形學的快速發(fā)展，下一代互聯(lián)網(wǎng)的完整形態(tài)元宇宙整體架構(gòu)正趨于完善。作為元宇宙重要媒介的“虛擬數(shù)字人”的實際應(yīng)用價值和落地場景也在被逐步挖掘，越來越多的虛擬數(shù)字人被設(shè)計、制作和應(yīng)用在各種場景，小范圍驗證了元宇宙生態(tài)實現(xiàn)的可能。文章在分析現(xiàn)有研究報告和相關(guān)案例的基礎(chǔ)上，明確虛擬數(shù)字人的內(nèi)涵，厘清與其他概念的混淆點，從真人驅(qū)動和計算機驅(qū)動兩個方向論述虛擬數(shù)字人的構(gòu)建過程，簡要介紹當前虛擬數(shù)字人的產(chǎn)業(yè)鏈條，并以虛擬主播、虛擬主持人、虛擬偶像為典型案例闡述虛擬數(shù)字人在傳媒領(lǐng)域應(yīng)用的現(xiàn)狀，簡要分析現(xiàn)有不足和未來應(yīng)用前景，以期為虛擬數(shù)字人未來發(fā)展提供思路和參考。

關(guān)鍵詞：虛擬數(shù)字人；構(gòu)建過程；傳媒領(lǐng)域；應(yīng)用案例；發(fā)展前景

中圖分類號：TP18 文獻標志碼：A 文章編號：1674-8883（2022）16-0001-03

課題項目：本論文為黑龍江省省屬高等學校基本科研業(yè)務(wù)費科研項目“教育新基建時代數(shù)字化學習資源整合模式創(chuàng)新與實現(xiàn)路徑研究”成果，項目編號：145109222；教育部產(chǎn)學合作協(xié)同育人項目“人工智能視域下的創(chuàng)客工作坊建設(shè)”研究成果，項目編號：202002030027

2021年10月，國家廣播電視總局印發(fā)的《廣播電視和網(wǎng)絡(luò)視聽“十四五”科技發(fā)展規(guī)劃》提到，要積極推動虛擬主播、虛擬主持人在天氣預報、文藝科教、新聞報道等場景中的應(yīng)用，借助新技術(shù)創(chuàng)新節(jié)目形態(tài)，積極提升節(jié)目制作效率和智能化水平，提升觀眾和用戶的滿意度[1]。因此，虛擬數(shù)字人在政策和社會需求的雙重推動下正加速向傳媒領(lǐng)域滲透。

傳播學專家麥克盧漢曾經(jīng)指出，“媒介本身即是內(nèi)容，所以媒介所產(chǎn)生的影響遠遠大于用這個媒介具體做的事情”。當前虛擬數(shù)字人正廣泛應(yīng)用在元宇宙生態(tài)中，在其中承擔著制造、傳播信息的重任，是元宇宙中“人—物”和“人—人”之間信息傳遞的新型媒介和重要載體[2]。顯而易見，以虛擬數(shù)字人為代表的新型技術(shù)必將成為傳媒行業(yè)新一輪變革的起點和希望。因為這類技術(shù)具有更廣闊的應(yīng)用場景、更能降本提效，同時虛擬數(shù)字人的形象朝著智能寫實化的方向發(fā)展，交互性、功能性都大大增強，而內(nèi)容質(zhì)量和生產(chǎn)效率又有指數(shù)級的上升，可以說，傳媒行業(yè)即將迎來顛覆性的技術(shù)浪潮。

一、虛擬數(shù)字人概念內(nèi)涵

對于虛擬數(shù)字人目前官方尚無統(tǒng)一的概念，市面上也將其稱為數(shù)字人、虛擬人、虛擬形象，但筆者并不認可這樣的描述。如果按現(xiàn)有案例對這幾種概念進行解釋說明，則數(shù)字人偏向存在于數(shù)字世界，能夠完成基礎(chǔ)的對話交互[3]，如外賣平臺上的機器人客服；虛擬人則強調(diào)人物身份的虛擬，現(xiàn)實世界并不存在，如社交平臺上的虛擬網(wǎng)紅；虛擬形象一般指游戲中的人物，可以由現(xiàn)實中的人設(shè)計其造型、性格，如RPG（角色扮演類）游戲中的角色形象。而虛擬數(shù)字人具有前述幾者的特征，具體指的是存在于非現(xiàn)實世界中，由深度學習、類腦科學等技術(shù)疊加生產(chǎn)的一類智能體，目前主要以“擬人化+互動性+智能化”三重標準來衡量虛擬數(shù)字人的智能程度，完整形態(tài)的虛擬數(shù)字人不僅能夠解決人類日常生活、學習、工作上的問題，還能給予人類完美的“情感陪伴”體驗。

二、虛擬數(shù)字人構(gòu)建過程

目前虛擬數(shù)字人還處于基礎(chǔ)建設(shè)階段，主要有兩種構(gòu)建方式，分別是真人驅(qū)動和計算驅(qū)動[4]。

（一）真人驅(qū)動的虛擬數(shù)字人

真人驅(qū)動的構(gòu)建方式起步較早，最早應(yīng)用在影視特效制作中，指的是通過攝像機來捕捉現(xiàn)實人類的一舉一動，再映射到虛擬形象上，這種方式實際上是“動作捕捉+計算機3D建?！钡慕Y(jié)合應(yīng)用，由于圖形識別和人工智能技術(shù)的進一步發(fā)展，現(xiàn)階段已經(jīng)不再需要通過復雜的傳感器來捕捉人物動作和神情，只需要普通相機就可以獲取到精度非常高的信息，再通過計算機強大的算力構(gòu)建虛擬人物。真人驅(qū)動的虛擬數(shù)字人構(gòu)建主要有以下幾個步驟。

第一，依據(jù)需求和使用場景設(shè)計虛擬數(shù)字人的理想形象，對動作關(guān)鍵點進行3D建模。

第二，對真人和虛擬數(shù)字人形象進行關(guān)鍵點的一一綁定，關(guān)鍵點數(shù)量越多，虛擬數(shù)字人形象越逼真，最終效果也越真實。

第三，真人在特定環(huán)境下根據(jù)要求做出不同的肢體動作、神態(tài)表情等，通過“圖像識別+攝像頭”進行實時捕捉，完成形象數(shù)據(jù)采集。

第四，對虛擬數(shù)字人語音進行數(shù)據(jù)訓練，通過語音合成形成想要的語音。

第五，合成虛擬數(shù)字人的動作、表情與語音，與現(xiàn)實人類互動。

（二）計算驅(qū)動的虛擬數(shù)字人

計算驅(qū)動的虛擬數(shù)字人構(gòu)建過程相比于真人驅(qū)動更為復雜，其原理是通過深度學習算法對真人的動作、表情、聲音進行建模，主要有以下幾個步驟。

第一，形象設(shè)計，這一步主要是通過多角度的攝像頭對真人形態(tài)、表演進行打點掃描，可以按需求選擇全局掃描和局部掃描，重點是針對眼神、嘴唇、肢體動作進行數(shù)據(jù)采集。

第二，虛擬數(shù)字人的形象建模，可選擇基于真人的高還原度建?；蛘呤翘囟ㄌ摂M形象建模，基于真人的高還原度建?？梢詫⒄嫒说牟煌嵌日掌w移到虛擬模型上，生成最終的虛擬形象；還可以設(shè)計動漫類、游戲類虛擬形象，將真人視頻數(shù)據(jù)和虛擬形象匹配，完成虛擬形象的建模。

第三，通過深度學習算法訓練各類驅(qū)動模型，讓虛擬形象不斷吸收真實人物的唇形、語音、動作、表情等數(shù)據(jù)，能夠高度復原人類骨骼、肌肉的細微變化，形成虛擬形象自身的驅(qū)動模型，進而能夠順暢自然地展現(xiàn)動作和神情。

第四，以語音合成為底層技術(shù)，將事先準備好的文本通過語音模型生成為對話語音，通過面部和唇部的驅(qū)動模型與生成好的語音進行匹配輸出，將語音和虛擬數(shù)字人的表現(xiàn)完美結(jié)合。

第五，通過計算機進行在線或離線渲染，如果使用場景涉及系統(tǒng)專業(yè)知識且需要對話互動，還要配合知識圖譜和語義理解進行深度訓練。

可以看出，兩種方式主要區(qū)別在于驅(qū)動邏輯上，真人驅(qū)動較為靈活，操作和流程稍微簡單一些，但普適性和傳播性不強。而計算驅(qū)動的虛擬數(shù)字人，涉及的環(huán)節(jié)和技術(shù)較多，前期準備更復雜，但是一旦訓練的模型達到要求，那么渲染合成后將快速高效適用于不同場景。

三、虛擬數(shù)字人產(chǎn)業(yè)鏈全鏈條

（一）產(chǎn)業(yè)鏈上游

虛擬數(shù)字人產(chǎn)業(yè)鏈上游主要是具有核心技術(shù)的研發(fā)公司，它們是虛擬數(shù)字人整個產(chǎn)業(yè)鏈條的基礎(chǔ)，核心技術(shù)包括動畫渲染技術(shù)、建模技術(shù)、采樣技術(shù)及與人工智能技術(shù)相關(guān)的算力升級、算法開發(fā)等。可以這么說，核心技術(shù)能否取得突破性進展，不僅影響產(chǎn)業(yè)下游的具體應(yīng)用場景能否落地，還對整體的研發(fā)成本和虛擬數(shù)字人的實際效果起到?jīng)Q定性作用，哪個領(lǐng)域找到了“虛擬數(shù)字人+傳統(tǒng)產(chǎn)業(yè)”有機結(jié)合的鑰匙，哪個領(lǐng)域就能率先完成場景創(chuàng)新。

（二）產(chǎn)業(yè)鏈中游

虛擬數(shù)字人的產(chǎn)業(yè)鏈中游主要是提供行業(yè)方案的平臺方，他們既是虛擬數(shù)字人在不同場景應(yīng)用落地的探索者和設(shè)計者，又是連接上游虛擬數(shù)字人技術(shù)研發(fā)企業(yè)和下游內(nèi)容生態(tài)構(gòu)建者的關(guān)鍵主體，主要負責人物形象的設(shè)計、基本運營、品牌形象的維護等。各平臺將根據(jù)行業(yè)特色和業(yè)務(wù)方需要，完成虛擬數(shù)字人與具體場景或產(chǎn)業(yè)的融合方案，支持定制化的虛擬數(shù)字人形象和功能設(shè)計，目前在傳媒領(lǐng)域落地的虛擬主播、虛擬KOL取得的效果都非常不錯。

（三）產(chǎn)業(yè)鏈下游

虛擬數(shù)字人的產(chǎn)業(yè)鏈下游主要是虛擬人實際的運營方，是不同類別虛擬數(shù)字人內(nèi)容生態(tài)的創(chuàng)作者和構(gòu)建者。虛擬環(huán)境的內(nèi)容生態(tài)質(zhì)量、數(shù)字虛擬形象的IP運營、現(xiàn)實環(huán)境的多重支持都將影響產(chǎn)業(yè)鏈下游的健康發(fā)展，因為這一環(huán)節(jié)不僅是呈現(xiàn)最終效果的一環(huán)，還是傳統(tǒng)行業(yè)與元宇宙技術(shù)緊密結(jié)合創(chuàng)新應(yīng)用的一環(huán)，能直觀感受到虛擬數(shù)字人與行業(yè)融合后的效果。

四、虛擬數(shù)字人在傳媒領(lǐng)域中的應(yīng)用案例

（一）虛擬主播

由聯(lián)通沃音樂文化有限公司推出的虛擬數(shù)字人主播“COCO”能夠根據(jù)不同場景完成不同的任務(wù)。在新聞報道方面，“COCO”能靈活切換中英粵三種語言報道新聞；在擔任視頻客服時，不僅能24小時在線，還能依據(jù)語義理解和知識問答庫實現(xiàn)實時有溫度的語音交互；在2022年全國兩會和北京冬奧會期間，“COCO”還及時播報和解讀了重要新聞和賽事[5]。類似“COCO”這類的虛擬主播還有央視網(wǎng)小C、人民日報果果、湖南衛(wèi)視小漾等。

需要特別提到的是，央視推出了全球首個能夠完成手語互動的虛擬主播“小聰”，它是虛擬數(shù)字人在傳媒領(lǐng)域的一項重要突破，尤其是在視聽媒體中擁有廣泛的應(yīng)用價值。它的主要底層技術(shù)是深度學習和機器翻譯，小聰能夠基于《國家通用手語詞典》完成健全人與聽障者手語語言的翻譯，能夠比較準確流暢地實現(xiàn)手控信息和非手控信息的表達，通過機器翻譯和內(nèi)部模型生成手語表征信息，包括面部表情、唇形變化、手部動作等多個維度。

（二）虛擬主持人

虛擬主持人的代表之一是浙江衛(wèi)視推出的宋韻文化推廣人——“谷小雨”。作為浙江衛(wèi)視近期重點支持建設(shè)的虛擬主持人，谷小雨身上最明顯的特征就是完美結(jié)合了傳統(tǒng)文化和現(xiàn)代科技的優(yōu)勢，是兩個領(lǐng)域探索合作的優(yōu)秀案例[5]。在技術(shù)方面，谷小雨開創(chuàng)了國內(nèi)首個使用虛擬引擎在電視媒體AR舞臺應(yīng)用的先河，依托實時渲染技術(shù)和AI智能驅(qū)動系統(tǒng)，谷小雨在具備交互、表達、感知能力的同時，還是一個擁有超過200萬面數(shù)的高精度寫實虛擬人。文化方面，谷小雨的形象不僅具有古典美，還融合當下流行的潮流元素進行了創(chuàng)新設(shè)計，如水墨長裙的印花服飾靈感源于南宋西湖圖，最終的舞臺效果一方面呈現(xiàn)了傳統(tǒng)文化底蘊，另一方面向觀眾呈現(xiàn)了科技在傳媒領(lǐng)域的應(yīng)用潛力。

浙江衛(wèi)視還計劃推出不同類型的數(shù)字藏品，招募人才組建數(shù)字虛擬技術(shù)實驗室，探索虛擬數(shù)字人在傳媒領(lǐng)域更多可以落地的應(yīng)用場景。目前，浙江衛(wèi)視已經(jīng)正式宣布成立數(shù)字虛擬工作室。

（三）虛擬偶像

由AI未來影像創(chuàng)作中心和中國聯(lián)通5G共同推出的虛擬數(shù)字人安未希是虛擬偶像的代表之一。安未希是通過自研的影像數(shù)字人系統(tǒng)，融合“實時動捕技術(shù)+AI數(shù)字人生成技術(shù)”打造的，它的名字寓意為“未來充滿希望”，整體形象積極向上。安未希的人設(shè)定位為能歌善舞、多才多藝、熱愛自由的達人。安未希的核心能力是能夠進行一定程度的音樂創(chuàng)作，以柔美空靈的嗓音征服了數(shù)以萬計的網(wǎng)民，在“深度學習+語義理解”技術(shù)的加持下，能夠完成作詞、作曲、演唱、跳舞等一系列活動。事實證明，安未希這樣的虛擬偶像具有極高的商業(yè)價值，未來希望以更多元的方式觸達客戶[6]。

總體來看，在傳媒領(lǐng)域應(yīng)用的虛擬數(shù)字人可以歸為服務(wù)型虛擬人，相比之前的聊天機器人、數(shù)字助理，可以提供更好的擬人化服務(wù)，其優(yōu)勢在于通過人工智能和計算機建模等技術(shù)能夠更大范圍地承接垂直領(lǐng)域的社會工作，其服務(wù)型角色廣受線下客戶和網(wǎng)絡(luò)用戶的喜愛。

五、虛擬數(shù)字人在傳媒領(lǐng)域的發(fā)展前景

傳媒領(lǐng)域是重信息傳遞和感官體驗的行業(yè)，虛擬數(shù)字人的出現(xiàn)正好強化了這兩個方面。傳統(tǒng)的新聞播報都是通過文字、語音、視頻形式來完成，缺乏沉浸式的交互體驗，而虛擬數(shù)字人基于AI情感算法、多模態(tài)人機交互、類腦科學等技術(shù)，大大增強了信息傳遞和互動過程的沉浸感。憑借智能化的虛擬數(shù)字人來傳遞信息，甚至是與人交流，將極具創(chuàng)新性和藝術(shù)性。同時，虛擬數(shù)字人的應(yīng)用將改變以往傳媒行業(yè)的采編發(fā)流程，其智能化、規(guī)?；纳a(chǎn)方式將促進新的產(chǎn)業(yè)生態(tài)形成[7]。未來虛擬數(shù)字人的交互方式還會有多種衍變，使虛擬數(shù)字人可以擁有一次喚醒、多次交互的能力，其功能也逐漸完善，由簡單對話朝智能糾錯、智能響應(yīng)、多輪對話的方向發(fā)展。隨著計算機視覺、人工智能和渲染技術(shù)的不斷發(fā)展，完全智能化的虛擬數(shù)字人將擁有全面的聽、說、讀、寫能力，將會在傳媒領(lǐng)域有更廣泛、更高效的應(yīng)用。

六、結(jié)語

未來，虛擬數(shù)字人將會在更多行業(yè)應(yīng)用，通過“虛擬數(shù)字人+應(yīng)用場景”的深度融合，使虛擬數(shù)字人也能走進尋常百姓家，每個人都會有專屬的智能助手，信息的生產(chǎn)、傳遞方式將徹底改變，由之前的UGC（用戶生產(chǎn)內(nèi)容）向AIGC（人工智能生產(chǎn)內(nèi)容）轉(zhuǎn)變。所以，即便現(xiàn)在虛擬數(shù)字人的落地應(yīng)用還有法律、技術(shù)和模式方面的不足與缺陷，但仍要堅信虛擬數(shù)字人發(fā)展前景一片光明。

參考文獻：

[1] 廣播電視和網(wǎng)絡(luò)視聽“十四五”科技發(fā)展規(guī)劃[EB/OL].國家廣播電視總局，http：//www.nrta.gov.cn/art/2021/10/8/art_113_58120. html，2022-07-16.

[2] 謝新水.虛擬數(shù)字人的進化歷程及成長困境：以“雙重宇宙”為場域的分析[J].南京社會科學，2022（6）：77-87，95.

[3] 陸正蘭，趙勇.數(shù)字時代的身體意義：科幻電影中的三種虛擬人身體范式探析[J].福建師范大學學報（哲學社會科學版），2020（5）：116-124，171.

[4] 陳龍強，張麗錦.虛擬數(shù)字人3.0：人“人”共生的元宇宙大時代[M].北京：中譯出版社，2022：136-142.

[5] 2022年中國虛擬人產(chǎn)業(yè)商業(yè)化研究報告[R].艾媒咨詢，2022-04-01.

[6] 黃慎澤，王俊賢.人機交互技術(shù)在虛擬偶像中的應(yīng)用研究[J].傳媒，2021（16）：51-53.

[7] 王建華，蘇日古嘎.智媒時代深度合成技術(shù)的實踐與思考[J].中國記者，2020（10）：87-92.

作者簡介 李昊，碩士，助教，齊齊哈爾大學教師，研究方向：智慧教育、數(shù)字化資源開發(fā)。丁龍，本科，教授，齊齊哈爾大學教師，研究方向：智慧教育、STEAM教育。宋佳，博士，講師，齊齊哈爾大學教師，研究方向：智慧教育。