劉四海

the rightsverse lab創(chuàng)始人、穹宇世界聯(lián)合發(fā)起人

數(shù)字人也需要臨場應(yīng)變，也需要自我成長，目前看來還做不到

最近數(shù)字分身挺火的，我想知道數(shù)字人直播有沒有前途。于是問了問身邊的幾個朋友。朋友甲是直播賣葫蘆的，他說試過數(shù)字人直播，效果很差，把他剛剛有點(diǎn)起色的號給干廢了。朋友乙本身是做數(shù)字分身代理生意的，在她看來，“數(shù)字人和真人無異”“你能看得出這是數(shù)字人嗎”“大批數(shù)字人律師上線”，言下之意數(shù)字人直播很有前途。

看來只對少數(shù)幾個朋友調(diào)研還不能說明問題。于是，我在騰訊混元大模型里輸入了一個問題：數(shù)字人直播的利弊。騰訊混元給出了一長串的答案：大概意思是優(yōu)劣勢兼具，優(yōu)勢是數(shù)字人直播不受時間和空間的限制，可以24小時不間斷進(jìn)行，不需要支付薪資，可以根據(jù)不同的場景和需求進(jìn)行定制，成本低，花樣多。劣勢是真實(shí)度和互動性較差，雖然數(shù)字人可以通過技術(shù)模擬真人的外觀和行為，但依然無法達(dá)到真實(shí)人的情感表達(dá)和溝通效果，雖然可以通過算法回復(fù)觀眾的問題，但無法像真人一樣進(jìn)行實(shí)時交流和情感共鳴。對于騰訊混元給出的這個“參考答案”，該如何分析呢？我想從幾個關(guān)鍵

詞入手。

第一個關(guān)鍵詞是“互動性”。和短視頻不同，直播更強(qiáng)調(diào)互動性。如果數(shù)字人直播互動性差，那肯定是個致命漏洞。人們可以接受董宇輝不是屌絲、年薪千萬，可以接受董宇輝背后有文案團(tuán)隊，但一定不能接受董宇輝用數(shù)字分身直播。為什么呢？因為董宇輝的真正魅力，就藏在直播互動的一些細(xì)節(jié)里。真人的臉部和表情可以傳達(dá)很多信息，如情感、態(tài)度和信任度等，戴著面具和人說話已經(jīng)被人反感，何況數(shù)字人呢？直播如果無法進(jìn)行真誠、深入的溝通和交流，那效果勢必大打折扣。

第二個關(guān)鍵詞是“情感表達(dá)”。雖然數(shù)字人可以模擬人類情感，但它們?nèi)匀皇且粋€機(jī)器學(xué)習(xí)模型，因此可能無法像真正的人類一樣真實(shí)和深刻地表達(dá)情感。目前，數(shù)字人直播的情感表達(dá)還是通過編程和模型訓(xùn)練對面部表情、語言、肢體動作進(jìn)行控制，但是，溝通的美妙之處恰恰在于有些東西是“表情、語言、動作”所不能傳達(dá)的，類似于心有靈犀，拈花一笑，懂者自懂。

基于編程的數(shù)字人直播類似于寫作，而真人直播類似于演講。早在古希臘時代，蘇格拉底等人就意識到了演講和寫作是兩種完全不同的技藝。有些話，你寫出來的時候覺得邏輯精妙無比、見人所未見，但真正講出來則覺得佶屈聱牙。所以像康德、黑格爾這樣的人注定只能是哲學(xué)家，當(dāng)不了演講大師。

加州大學(xué)神經(jīng)科學(xué)系羅伯特 · 李文斯頓曾有個比喻，把大腦比喻成“一個和諧且紀(jì)律良好的交響樂團(tuán)”，大腦就像指揮家，而動作、想法、情緒、記憶和生理感受等類似于演奏者，共同組成了一個交響樂團(tuán)。當(dāng)你看到別人打哈欠、眨眼、打噴嚏，甚至只是舉起手臂，你的大腦也會進(jìn)行一系列復(fù)雜的反應(yīng)。好的直播也是一次交響樂團(tuán)演出，主播和受眾的情感表達(dá)共同組成了樂章。

其實(shí)，說數(shù)字人直播的利弊這個話題，還想衍生出一個更關(guān)鍵的問題，那就是：人設(shè)的統(tǒng)一。很多情況下，你一直認(rèn)為自己是一只兔子，但在外人看來也許是只鼴鼠，其實(shí)你的生物學(xué)身份是頭綿羊。數(shù)字人之所以大火，是因為所有人都相信數(shù)字人和人設(shè)能實(shí)現(xiàn)真正統(tǒng)一，不存在任何的矛盾或偏差。這種真正的統(tǒng)一性可以增強(qiáng)數(shù)字人的可信度和吸引力，從而吸引更多的觀眾和粉絲。實(shí)際上，一個真實(shí)的人往往有多面性，有多變性，唯其如此，才成為一個有血有

肉的人。

最后，我想說，數(shù)字人直播也并非一無是處，對于一些只需要簡單互動的崗位，數(shù)字人直播還是可以試試的。