数字人替代真人直播的时代来临了吗？它需要哪些技术支持？

“大家好，我是刘强东，今天是不是看起来有些不同？很久没直播，还有些许紧张……话不多说，老刘的数字直播带货现在开始。”4月16日，京东创始人刘强东在京东平台开启数字人直播。

“东哥”数字人直播，迅速引起广泛关注，数字人替代真人直播的时代来临了吗？

4月18日，数字人头部厂商硅基智能创始人司马华鹏接受了记者的专访。司马华鹏表示：“刘强东这次数字人直播，对我们行业是非常大的品牌宣传。他使用（数字人直播），说明这个行业得到了一次非常重要的认可。”

对于AI的使用，司马华鹏建议：“未来所有使用AI的人，应该专注到人类特有的东西，比如创意，比如有温度的东西。”

拆解数字人技术

“数字人刘强东”是否有硅基智能技术的支持？司马华鹏表示：“我们不太方便对外公开，但这些技术最早的开创者肯定是我们。我们在整个（数字人）直播上大概有40多项发明专利，在申请的也有几十项。现在行业内有很多在使用我们的技术授权，也有很多在使用硅基智能的API（应用程序编程接口）。”

“东哥”数字人究竟是如何打造出来的？司马华鹏介绍：“它（数字人）这些内容是用AI渲染出来的。如果现在想做东哥同款，你需要提供几分钟的视频。然后我们会将其训练成一个数字人模型。这个数字人模型背后，将由大模型驱动它。定时去上一些产品、定时回复一些客户需求、定时作一些记录，这些都是事先做好的剧本，这些剧本实质由大模型驱动，比较接近于人类的行为和反馈。”

那么，除了上述AI渲染技术外，数字人直播还需要哪些技术支持？司马华鹏称：“我们的大模型是多模态的，是文本生成、声音生成和数字人生成的结合。其实很多人在反馈，他（刘强东）声音和节奏感与他原来讲话不太一样。这很可能克隆的是平时的语速，但是直播（过程中），一个用户停留时长是比较短的，你必须在很短时间内把大量的信息披露出来，所以必须把声音放得快一些。”

对于语音合成技术，司马华鹏表示：“我们全部技术都是自己的。从目前端到端的生成来讲，（语音合成）已经是一个非常成熟的技术。”

数字人形象、语音合成，都是外在展现形式，数字人直播内容仍旧离不开文本。对于文本，司马华鹏称：“文本大模型方面，我们基本上都是原创的技术，最近‘炎帝’大模型刚刚通过网信办的备案。”

能否替代真人直播？

目前，大家看到的直播带货，很可能就是数字人。司马华鹏介绍：“我们在2021年开创AIGC直播的大方向，（刘强东数字人）基本上是我们2023年产品能够呈现出来的效果，这样的直播间我们已经卖掉了上万个，京东、淘宝、抖音、快手和视频号平台都有。”

真人直播会面临各种复杂场景，特别是情感交流，数字人可以做到吗？司马华鹏表示：“我们在看东哥直播的时候，会不会把他（数字人）当作真正的东哥来看，这是决定数字人智能化程度的重要标志。从开播到现在，行业有非常多的评价，大家觉得还是能看到一些机械的痕迹。”

“这个（数字人）行业发展的核心就是‘看不出来’。”司马华鹏强调。

其认为：“我们现在也有大量的直播间，效果比这个（刘强东数字人）要好很多。如果他这个直播不是在自家平台，而是在其他平台，很容易被机器识别出来，很快就会被限流。”

因此，在司马华鹏看来，数字人行业的核心是让整个直播间符合图灵测试。对于数字人行业的发展，其认为：“（该领域）图灵测试1.0是分不清（是人类还是AI）；图灵测试2.0则是双向情感交互；图灵测试3.0就是‘死生相契’，未来我们与AI之间，可能是SoulMate（心灵伴侣）的关系，它是你非常重要的助手、朋友，也可能是你亲密的合作伙伴。”

目前，很多问答式大模型主要给受众提供专业类辅助，但若诉诸情感，是否兼具图像、声音和文本的多模态大模型更具优势？对此，司马华鹏表示认可。“人类大脑的设计中，90%以上是针对图形，所以我们说有图有真相。基于文本，产生的是想象力，（阅读文本）的能力确实非常重要，但对大部分人而言，（自己的大脑）生成图片，然后再想象出一个空间，还原出这个东西，是非常累的。因此，多模态或者视频化交互能力，能够大大降低我们之间信息沟通对应的脑力消耗。”

对于未来AI电商的形态，司马华鹏认为，未来更大的价值是专业性。比如说，假设我们在食品领域有一个很好的AI专家，它可以从数据、算法的角度给我们提供很多的专业内容。这样的专家，它带来的影响力会超过现有的人类专家，这会带来真正的、更好的电商交易。

其进一步解释称：“人类在做很多行为的时候，有一定的偏颇或者偏见，或者带有一定的商业目的。而以数字和算法驱动的AI专家，会成为我们的朋友、我们的伙伴，很有可能成为AI电商未来的主流。现在这些成本还比较高，只是出现在奢侈品领域。我希望未来每一类小产品上，都有这样一个专家顾问，来给我们提供非常好的沟通交流方式。这是AI电商未来非常重要的一部分。”