凌晨4點(diǎn)，如果你在淘寶上觀看直播，你會發(fā)現(xiàn)那里是個(gè)繁忙的不眠夜。雖然大多數(shù)人都睡得很熟，但仍有許多勤奮的“主播”在凌晨對著攝像機(jī)展示產(chǎn)品并賣力地宣傳折扣。

但如果你仔細(xì)觀察，你可能會注意到這些主播似乎是機(jī)器人。他們嘴唇的動作在很大程度上與他們所說的一致，但總有一些時(shí)候看起來不自然。

它們確實(shí)不是真人，而是人工智能生成的真實(shí)主播的復(fù)制體。隨著創(chuàng)造逼真化身、聲音和動作的技術(shù)變得越來越復(fù)雜和廉價(jià)，這些“深度偽造主播”在中國電子商務(wù)直播平臺上愈發(fā)受歡迎。

如今，直播已成為中國傳統(tǒng)品牌和數(shù)字品牌的主要營銷渠道。淘寶、抖音和快手等直播平臺上的網(wǎng)紅可以在幾個(gè)小時(shí)內(nèi)完成夸張的交易額。頂級網(wǎng)紅可以在一個(gè)晚上賣出價(jià)值超過10億美元的商品，并獲得巨額傭金。

但與此同時(shí)，培訓(xùn)主播并留住他們，以及了解直播的技術(shù)細(xì)節(jié)，對較小的品牌來說是不可忽視的巨大成本。將這些工作自動化要便宜得多。

自2022年以來，一批中國初創(chuàng)公司和大型科技公司一直在為電子商務(wù)直播提供創(chuàng)建虛擬主播的服務(wù)。只需幾分鐘的視頻片段和8000元左右的成本，品牌就可以以一個(gè)真人為藍(lán)本制作一個(gè)能24小時(shí)直播的克隆體。

從深度偽造到電子商務(wù)

自2010年代末以來，合成媒體一直是頭條新聞，尤其是當(dāng)一位名為“deepfake”的Reddit用戶將色情作品中的人臉置換成別人時(shí)。從那時(shí)起，這項(xiàng)技術(shù)開始不斷發(fā)展，但核心想法是一樣的：通過一些技術(shù)工具，可以生成或篡改人臉，使其看起來像某個(gè)真人，并做出真人從未做過的事情。

這項(xiàng)技術(shù)主要以其在報(bào)復(fù)性色情活動、身份欺詐和政治誤導(dǎo)信息中使用而臭名昭著。雖然有人試圖以更無害的方式將其商業(yè)化，但它一直是一種新奇事物。現(xiàn)在，一些人工智能公司發(fā)現(xiàn)了一個(gè)新的用例，似乎進(jìn)展順利。

總部位于南京的初創(chuàng)公司硅基智能成立于2017年，專門從事自然語言處理，尤其是機(jī)器人撥號工具等文本到語音技術(shù)。但其創(chuàng)始人兼首席執(zhí)行官司馬華鵬表示，他的公司在2020年開始看到了人工智能作為直播工具的潛力。

當(dāng)時(shí)，硅基智能公司需要30分鐘的訓(xùn)練視頻來生成一個(gè)可以像人類一樣說話和行動的數(shù)字克隆。次年是10分鐘的視頻，然后是3分鐘，現(xiàn)在只需要一分鐘的視頻。

隨著技術(shù)的進(jìn)步，這項(xiàng)服務(wù)也變得越來越便宜?，F(xiàn)在，生成一個(gè)普通版人工智能克隆的成本約為8000元人民幣。如果客戶想創(chuàng)建一個(gè)更復(fù)雜、功能更強(qiáng)大的克隆，價(jià)格可能高達(dá)數(shù)萬元。除了生成虛擬主播，這筆費(fèi)用還包括一年的維護(hù)費(fèi)。

一旦虛擬化身生成，它的嘴和身體就會隨著腳本音頻一起活動。這些腳本曾經(jīng)是由人類預(yù)先編寫好的，但公司現(xiàn)在也在使用大型語言模型來生成它們。

現(xiàn)在，人類所要做的就是輸入基本信息，如銷售產(chǎn)品的名稱和價(jià)格，校對生成的腳本，并觀看數(shù)字主播的直播。

更高級的虛擬主播（軟件）可以瀏覽實(shí)時(shí)評論，并在其數(shù)據(jù)庫中找到匹配的答案來實(shí)時(shí)回答，因此看起來人工智能主播似乎在積極與觀眾交流和互動。它甚至可以根據(jù)觀眾數(shù)量調(diào)整營銷策略。

中國人工智能公司小冰的虛擬網(wǎng)紅直播業(yè)務(wù)主管黃偉（音）表示，這些直播人工智能克隆是根據(jù)電子商務(wù)視頻中常見的腳本和手勢進(jìn)行訓(xùn)練的。該公司的數(shù)據(jù)庫中有近百個(gè)預(yù)先設(shè)計(jì)好的動作。

黃偉（音）說：“例如，當(dāng)人類主播說‘歡迎來到我的直播間，大家動動手指，點(diǎn)點(diǎn)關(guān)注’時(shí)，他們經(jīng)常會向上指，因?yàn)榇蠖鄶?shù)直播應(yīng)用程序的屏幕上方都有‘關(guān)注’按鈕。”

同樣，當(dāng)主播介紹一款新產(chǎn)品時(shí)，他們會指向購物車，觀眾可以在那里找到所有產(chǎn)品。小冰的人工智能虛擬主播復(fù)制了所有這些常見的技巧。黃偉（音）說：“我們想確保說出來的話和肢體語言相匹配。你不希望它邊拍手邊說‘點(diǎn)點(diǎn)關(guān)注’，這看起來很奇怪?！?/p>

小冰于2020年從微軟亞洲軟件技術(shù)中心孵化而來，一直致力于創(chuàng)造更人性化的人工智能，尤其是能夠顯示情感的虛擬化身。

“對大多數(shù)顧客來說，傳統(tǒng)的電子商務(wù)網(wǎng)站就像一個(gè)貨架，冷冰冰的。在直播中，主持人和觀眾之間有更多的情感聯(lián)系，他們可以更好地介紹產(chǎn)品?！?黃偉（音）說。

在2022年與一些客戶進(jìn)行試點(diǎn)后，小冰在2023年正式推出了數(shù)字克隆生成服務(wù)。和硅基智能公司一樣，小冰只需要人類主播提供一分鐘的視頻。

和競爭對手一樣，小冰的客戶可以花更多的錢來微調(diào)細(xì)節(jié)。例如，中國體育播音員劉建宏在2022年國際足聯(lián)世界杯期間制作了一個(gè)精致的數(shù)字孿生人，在抖音上宣讀比賽結(jié)果和其他相關(guān)新聞。

一種廉價(jià)的人類主播替代品

黃偉（音）說，這些人工智能生成的主播無法擊敗頂級主播，但它們足以取代中端人類主播。人類創(chuàng)作者，包括那些用視頻訓(xùn)練人工智能克隆人的人，在某種程度上已經(jīng)感受到了來自數(shù)字競爭對手的擠壓。

根據(jù)分析公司iiMedia Research的數(shù)據(jù)，電商主播的工作在2023 年更難找了，與2022年相比，中國電商主播的平均工資下降了20%。

與此同時(shí)，在觀看人數(shù)較少的時(shí)間段，公司還可以通過虛擬主播來持續(xù)直播。這意味著，對于公司而言，很難證明雇傭真人主播的成本是合理的。

這種情況已經(jīng)發(fā)生了。午夜過后，淘寶和京東等熱門電子商務(wù)平臺上的許多直播間都會由這些人工智能生成的主播主持。

之前的例子表明，深度偽造技術(shù)不需要做到十全十美就能欺騙觀眾。2020年，一名騙子借助粗糙的換臉工具冒充中國著名演員，從粉絲那里騙了數(shù)千打賞。

量子行星智能公司是一家包裝小冰等技術(shù)并將其銷售給企業(yè)客戶的公司，量子行星的首席執(zhí)行官陳丹表示：“如果一家公司雇傭10名主播，他們的技能水平會有所不同。也許水平最高的兩、三名主播會帶來總銷售額的70%～80%。一個(gè)虛擬主播可以取代其余的六到七個(gè)貢獻(xiàn)較小、投資回報(bào)率較低的主播，而且成本會大幅下降。”

陳丹現(xiàn)在有100多個(gè)客戶使用小冰的服務(wù)，這些虛擬主播已經(jīng)促成了數(shù)千萬元的銷售額。一個(gè)小冰主播曾在短短一小時(shí)內(nèi)帶來了超過10000元人民幣的銷售額。

不過這項(xiàng)技術(shù)仍然存在不足。例如，他的許多客戶都是家具品牌，盡管人工智能足夠聰明，可以說話和使用手勢，但它不能真正坐在沙發(fā)上或躺在床上，因此這些缺乏測試的產(chǎn)品難以吸引用戶。

除了硅基智能公司和小冰等規(guī)模較小的初創(chuàng)公司外，主要科技公司也在測試人工智能生成的主播。阿里巴巴、騰訊、百度和京東今年都推出了一些類似的服務(wù)，允許品牌在其平臺上生成自己的人工智能主播。

雇傭大量人力主播的營銷公司也注意到了這一趨勢。頂級直播營銷機(jī)構(gòu)之一的佛山遙望科技公司宣布與小冰進(jìn)行戰(zhàn)略合作；硅基智能公司也開展了類似的合作。

人工智能生成的直播越來越受歡迎，也引起了抖音等視頻平臺的注意，但它采取了與其他科技巨頭不同的態(tài)度。

抖音似乎更關(guān)心透明度，并在2023年5月份的一份文件中表示，人工智能生成的所有視頻都應(yīng)該在平臺上明確標(biāo)注，虛擬主播需要由真人操作。

該平臺一直禁止將錄制的視頻用作直播。人工智能生成的直播，沒有錄制的鏡頭，也幾乎沒有實(shí)時(shí)的人工操作，跨越了這條規(guī)則。

對于硅基智能公司來說，下一步是在人工智能主播上添加“情商”，司馬華鵬說：“如果有辱罵性的評論，它將是悲傷的；如果產(chǎn)品賣得好，那它將是快樂的。”該公司還致力于讓人工智能主播互動并相互學(xué)習(xí)。

該公司從一開始就有一個(gè)野心勃勃的目標(biāo)：到2025年，它希望創(chuàng)造“1億個(gè)虛擬主播”。司馬華鵬說，目前，該公司已經(jīng)產(chǎn)生了40萬個(gè)，還有很長的路要走。