北京冬奥会落幕，“中国式浪漫”刷爆全网。

而从开幕式为起点，所延续的不仅仅是大气磅礴的视觉盛宴，科技之美也始终贯穿其中。

云计算、AI、虚拟现实、5G……在这届冬奥会中可谓是大放异彩。

也难怪外界频频发出“科技感拉满”这样的赞叹之词。

而在这其中，一个数字人的出现，竟能让直播带货这件事，有了全新的“打开方式”。

不仅吸引了超过200万人次的观看，更是在短短时间内圈粉数十万。

她叫冬冬，是一位在淘宝直播间售卖冬奥会官方特许商品的“北京大妞”。

但和其他人不同的是，她在直播间除了卖货，还会大秀“十八般武艺”。

例如奥运健儿夺冠了，冬冬就会模仿其经典动作来庆祝：

观众们高呼苏翊鸣，冬冬便现场展示了一段封神的1800转体：

讲真，这么多才多艺、如此拼的主播还是头回看见。

不过有一说一，眼尖的友友们应该也已经发现了，冬冬，她其实并不是人类。

是由阿里巴巴为本届北京冬奥会打造的数字人冬奥宣推官。

或许这时你会说了，那她不就是个机器么？莫得感情，莫得灵魂。

非也非也。

若是看过冬冬直播，很直观的一种感受就是自然。

人类主播的技能，她也能够hold得住。来感受一下她的风格：

欢迎尾号XX的朋友进入直播间！

XX朋友，你的需求已经托付给程序员小哥哥处理了，不要着急哦。

没错，实时互动这一块，冬冬算是拿捏住了。

单从这点来看，可以说冬冬不再是大众眼里的传统虚拟人，而是已经进化成为数字人。

毕竟，能否与人类互动，是划分虚拟人和数字人的分水岭。

而且她还不是玩儿“表面功夫”的那种，从直播数据来看，业务能力也是够硬的。

据悉，在直播间核心表现数据的转粉率和停留时长，而冬冬的直播间均远超了淘宝直播的平均水平。

于是乎，这样的冬冬便迅速引起关注，网友们纷纷感慨她的“敬业”：

为了实现一户一墩，真的是太拼了，冬姐也不容易啊！

然而，如果细挖冬冬这位数字人之后就能发现，直播带货，竟只是她能力的一隅而已。

这个数字人，冬奥很忙

数字人冬冬，在整场冬奥会期间，可以说是有“多副面孔”了。

这不，在直播带货之余，冬冬就开了一个“冬奥脱口秀”的专栏。

等等，数字人？讲段子？这能行吗？

可别小瞧了数字人的能力，冬冬说脱口秀的“打开方式”，是这样的：

今天的比赛里，有个项目冬冬特别想体验，在白茫茫的雪地里自由翻转滑行，那感觉光想想就让冬冬心跳加快……啊不对，是CPU疯狂运转了呢。

大家知道是哪个项目了吗？冬冬给个提示，对于新手来说这个项目只有2个动作：前滚翻和后滚翻。选择屁股疼还是脸疼呢？

 

 

噗！

还别说，冬冬虽然是个数字人，她讲得脱口秀还是蛮逗的。

而且在脱口秀期间，除了用诙谐幽默的语言讲段子之外，冬冬还会穿插着讲解与冬奥项目有关的知识。

真是科普、搞笑两不误。

但直播间，只是冬冬工作场合之一，这不，她在冬奥会期间还参加了CCTV-5《体坛英豪》节目的录制。

在其中的一期节目中，短道速滑运动员武大靖，就成了她的采访对象。

现场，冬冬还请求武大靖指导一下她最新学会的短道速滑动作。

在瞬间变装后，便在武大靖面前开始展示：

冬冬问武大靖：“你知道我的动作是跟谁学的吗？”

武大靖自信地回答道：“我呗，肯定是学我呗。”

而后，冬冬和武大靖展开了轻松愉悦的快问快答。

冬冬：这届冬奥会最难忘的时刻是？

武大靖：我们获得首金的时候。

冬冬：头盔的图案为什么选择华夏战神孙大圣？

武大靖：因为它的寓意很好，孙大圣的感觉就是拼命吧。

冬冬：保温杯里泡的是什么？

武大靖：没泡枸杞，泡的是正常的水。

冬冬：金墩墩拿回家，会放在哪里？

武大靖：放保险箱里，其他人说已经联盟要弄我。

……

一番交谈还挺自然，冬冬模仿真人记者有模有样。

那么一个AI数字人，能够做到如此的实时和拟真，接下来的一个问题便是：

冬冬，是怎么炼成的？

随着数字人冬冬在网上的走红，其背后的技术能力也逐渐浮现了出来。

据了解，冬冬之所以能够像人类一样自然，主要得益于阿里巴巴数字人技术团队多年来在此的技术积累。

首先，是在外观的自然度方面。要让虚拟人在说话过程中做到自然，就需得像人类一样，把嘴、表情、肢体动作等等做到统一、协调。

冬冬背后的技术所采取的策略，则是AI实时驱动。

例如在“嘴型驱动”上，冬冬可以做到播报的语音和嘴型对应；并且在说话过程中，会融合适合的面部表情，比如微笑、兴奋、生气、疑问等。

除此之外，冬冬的身子，即肢体动作，也会配合内容而发生改变，例如挥手、鼓掌等等。

而且为了在视觉上达到更加逼真的效果，阿里采用了Unity HDRP高清管线来实时渲染拟真人级别的数字人。

包括实时的模拟自然光照、动力学（比如服装、头发的摆动）等效果。

但若仅仅是停留在外表，那要跟人类相比，还是差点意思的。

要想在直播间里和用户长时间自主互动，流畅对话是一个必要条件。

多模态双工互动能力（MMDI，multi-mode duplex interaction），便是其采取的策略。

具体而言，是在深度融合了多模态理解和双工对话管理技术的基础上，构建了一套全智能驱动的数字人双向互动能力。

这让数字人具备了像人一样边说边听的技能，即使被打断也可以继续顺畅沟通。

而且声音、表情、动作在表达时能够自然地整合在一起。

但光是“形象逼真”、“可以互动”，还是不够的。如何能够让用户觉得冬冬言之有物，内容扎实丰富，是非常重要的。

这就需要冬冬具备“智能脚本生成”（AI Script Generation，AISG）的能力。

为此，阿里数字人技术在深度融合预训练和知识图谱基础上，构建了一套全智能的可控脚本生成方案。

核心就是将以往专家撰写脚本的方式，转变成了机器自动撰写。

更具体一点，AI算法模型会根据“冬奥知识”或“喜剧写作公式”，展开一个自主学习的过程。

而后数字人再结合NLP和风格化生成技术，就可以在面对不同场景的情况下，快速生成顺畅、有逻辑，且自然风趣的语言。

这也就是冬冬为什么能够在长达2小时之久的直播时间里，不间断的输出内容、持续互动的原因了。

不仅如此，冬冬还可以在直播过程中，对突发的赛事新进程做最新的报道。

例如一旦有新的奖牌诞生，她就会立即对与之相关的赛事背景、规则、选手简介等等内容做介绍。

这种即时性，便是得益于新华社与UC的合作，可以让冬冬从新华社UC大鱼号上获取最新赛事动态内容。

另外，冬冬在冬奥会期间身兼数职，这也需要她拿出不同的“职业状态”。

例如在直播间，冬冬就得用主播的口吻来说话；脱口秀环节时候，冬冬的说话方式就得幽默诙谐。

为了达到这种效果，冬冬的智能语音技术团队深度融合端到端语音合成与传统语音技术，能在更低的成本、让数据录制周期变得更短。

同时融入情感语音合成技术，这就冬冬可以在不同场景之中，表达不一样的感情。

……

不过有一说一，从冬冬在冬奥会的种种表现中，其实不难看出一种趋势的发展：

人与虚拟人，界限越发模糊

虽然在近一段时间里，“虚拟人上岗”的消息层出不穷。

不过数字人冬冬的出现，似乎让人类与虚拟人的界面进一步模糊了起来。

以往虚拟人即使在外观和语音的自然度能够做到高度逼真，但人们对他们的印象或许依旧会停留在“莫得灵魂”。

但这一次，却截然不同。

例如在直播间这种高度需要互动的场景中，冬冬就不是“自顾自的”的表演。

当有人在直播间问冬冬：“你吃饭了吗？”

她有时候就会回答“我是吃代码的”，然后开始念自己的二进制代码；但有时候冬冬也会回答说自己在吃烤鸭。

这样的交流方式，就会让屏幕前的观众感受到与人类主播一样的回应与互动。

冬冬的出现，为数字人的生命力探索了一个持续产出内容和互动的新场域。

数字人的生命力，不仅仅是字面上时间的长与短，更多的应当是“成长”与“复制”。

换言之，不是打造出了数字人，这块工作就结束了；而是需要在环境的加持与训练中，不断让自己在“像人”这件事儿上做到极致。

与此同时，能够独当一面地快速上岗和适应新的场景，也是数字人“生命力”的体现。

那么最后，或许也是大家最为关心的一个问题：

我们为什么需要数字人？

从冬冬此次的表现上来看，她能够连续十多天2小时不间断地在直播间带货，并且能够跟观众做到很好的互动，从能力上来讲已经具备了上岗的能力。

与此同时，她还能以同样的业务水平，同时间上岗其它场景，光是这一点，便是人类很难达到的极限。

也就是说，现在的数字人能够以一己之力同时胜任住多项任务，从而大大的释放了人力和物力成本。

而除了冬冬之外，本次冬奥会还有虚拟人上岗运动员助理教练、气象主播等职务。

放眼冬奥会之外，例如柳夜熙、新闻主播N小黑/N小白的爆火，更是从侧面反映出普通大众对虚拟人的认可和接受。

数字人未来想象力的大门，已经打开了。

而更宏观地来看，数字人在本届冬奥会所体现出来的，不仅仅是其本身能力的展示，更是在释放着一种新信号：

前沿技术，正逐步步入常态化。

据悉，此次北京冬奥会实现了212项技术的落地应用，其中33项为首次使用。

在未来，这些技术或许不再是“奥运专享”，走进你我的日常也是大有可能。

……

最后的最后，要问现在虚拟人发展到了什么地步？

无疑的一点是，人与虚拟人的界限越发模糊；或许，随着智能技术越来越发达，人机共生时代已经到来。