盼望著，盼望著，春天的腳步近了，雪容融也終于正式上崗，迎來了自己的主場——2022北京冬殘奧會。
本屆冬奧會不僅是運(yùn)動員們的競技舞臺，更是科技公司“秀肌肉”的絕佳舞臺。諸多科技亮點(diǎn)之中，大家可能都注意到了，冰墩墩和雪容融有一位共同的“同事”——手語數(shù)字人。
2月4日晚開幕的冬奧會上，央視新聞AI手語主播正式上崗，陪伴聽障人士見證了一場場精彩絕倫的比賽。即將開幕的冬殘奧會，這位手語數(shù)字人也義不容辭，將披掛上陣，讓聽障人士實(shí)時(shí)感受冰雪運(yùn)動的魅力。
創(chuàng)造豐厚的冬奧遺產(chǎn)，為國家、主辦城市、人民群眾帶來長期的、積極的收益，也是成功辦奧的重要標(biāo)志之一。在日常生活中，手語數(shù)字人能不能繼續(xù)發(fā)光發(fā)熱，為聽障人士提供服務(wù)呢?
我們關(guān)注到，3月3日，央視新聞AI手語主播的制作者——百度智能云曦靈，又推出“AI手語平臺”，通過分鐘級生成手語合成視頻、手語主播實(shí)時(shí)直播等能力，為手語服務(wù)的普及難題，提出了科技平臺化的新解法。
同時(shí)，百度智能云曦靈還發(fā)布了“AI手語平臺一體機(jī)”，讓一些需要硬件交互的場景，比如醫(yī)院、銀行、車站等公共場合，插電即可提供手語服務(wù)，快速部署無障礙窗口。
平臺化和軟硬協(xié)作的革新，正在讓手語數(shù)字人走上一條與社會價(jià)值長期對接、一同成長的進(jìn)化之路。
科技巨頭們都在積極打造手語數(shù)字人，反映出哪些潮水的方向?數(shù)字生命與智能技術(shù)的溫情加速照進(jìn)現(xiàn)實(shí)，這究竟意味著什么?
數(shù)字生命覺醒時(shí)：
手語數(shù)字人的能力體系
百度智能云曦靈平臺賦予手語數(shù)字人哪些特殊能力?我們不妨以人類手語老師的標(biāo)準(zhǔn)來審視一下。
有一種“難”，叫朱廣權(quán)的手語老師，想要實(shí)時(shí)且準(zhǔn)確地翻譯出朱廣權(quán)的妙語連珠，千挑萬選的央視手語老師有時(shí)也難免手忙腳亂。而在此前與朱廣權(quán)的在線pk中，這位由“百度智能云曦靈”打造的首個(gè)AI手語主播，面對朱廣權(quán)不斷拋出的超高速順口溜，立馬就能做出反應(yīng)，表現(xiàn)出流暢、精準(zhǔn)的業(yè)務(wù)能力。
綜合來看，手語主播的華麗炫技，以及冬奧會上的扎實(shí)服務(wù)，來自百度智能云曦靈平臺提供的三個(gè)方面的基礎(chǔ)能力：
1.理解能力。
真實(shí)世界中，很容易受到噪音干擾，人類手語老師必須聽清、聽懂新聞內(nèi)容，不然翻譯出來也可能是錯(cuò)誤的，一通比劃猛如虎，但無法真正投入使用。
想要聽清，需要領(lǐng)先的語音識別能力。百度智能云曦靈平臺融合了百度自然語言處理技術(shù)，成熟領(lǐng)先的全雙工ASR(Automatic Speech Recognition)語音識別模型，近場中文普通話的識別準(zhǔn)確率，能夠達(dá)到98%以上。
輕松搞定各種語音內(nèi)容，即使段子手朱廣權(quán)的神級語速也不在話下，這為后續(xù)數(shù)字人的手語翻譯打下了堅(jiān)實(shí)的基礎(chǔ)，使得AI手語平臺一體機(jī)更好地應(yīng)用于不同場景中。
2.翻譯能力。
感知之外，手語老師要分析、歸納重要信息，根據(jù)語句整體意思進(jìn)行精煉和語序調(diào)整，將其轉(zhuǎn)換成手語語言。
一些廠商研發(fā)的手語數(shù)字人直接采用“手勢漢語語料”，好處是無需重新標(biāo)注，節(jié)省時(shí)間，問題是生硬地按照說話順序?qū)⑹终Z手勢連接起來，并不能算是“人類高質(zhì)量手語”。
舉個(gè)例子，“我想回家”并不是將這四個(gè)漢字依次比劃出來，而是按照“家”“回”“我想”的順序來表達(dá)。
因此，想要翻得準(zhǔn)，手語數(shù)字人必須學(xué)會自然手語語序。百度智能云曦靈平臺就基于“國家手語語法規(guī)則”，聯(lián)合手語語言學(xué)專家，特殊教育專家、天津理工大學(xué)等，邀請上百位聽障學(xué)生做數(shù)據(jù)標(biāo)注，形成了近千萬的高質(zhì)量訓(xùn)練數(shù)據(jù)。
有了數(shù)據(jù)，接下來就是模型設(shè)定與訓(xùn)練?；诎俣榷嗄攴e累的神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)，設(shè)計(jì)了從中文文本到手語符號的翻譯方法，打造出了業(yè)內(nèi)首個(gè)基于神經(jīng)網(wǎng)絡(luò)的精煉度可控手語翻譯模型，讓手語數(shù)字人的翻譯可懂度達(dá)到85%以上，媲美主流的中英，中日等方向的機(jī)器翻譯結(jié)果。
3.表達(dá)能力。
手語中，手勢必不可少，還需要表情、口型、動作等肢體語言的配合，幫助聽障人士更好地理解。比如疑問句“吃飯了嗎“，不僅要做出吃飯的手勢，還要配上疑惑的表情，眉頭皺起、眼睛睜大。
要讓手語數(shù)字人聲情并茂、手舞足蹈地表達(dá)，尤其是3D人像，有著不小的技術(shù)難度。一些手語數(shù)字人動作過快，有時(shí)又存在卡頓不連貫的情況。為了訓(xùn)練手語數(shù)字人的“聲臺形表“，百度智能云曦靈平臺也是煞費(fèi)苦心：
表情上，百度智能云用4D掃描數(shù)據(jù)，積累了超1萬個(gè)臉部面4D數(shù)據(jù)，借助高精數(shù)字人“文字到形狀的跨模態(tài)面部表情生成技術(shù)”，能夠準(zhǔn)確生成微笑、開心笑、wink、吹泡泡、白眼、思考等表情?？谛秃铣蓽?zhǔn)確性達(dá)98.5%，a和e這樣發(fā)音時(shí)表情接近的字母，都可以細(xì)致區(qū)分。
驅(qū)動時(shí)，通過個(gè)性化TTS，根據(jù)輸入的文本/語音信息來進(jìn)行自適應(yīng)，結(jié)合多種預(yù)置動作，驅(qū)動數(shù)字人的唇形、肢體、表情、手勢等自動生成。多模態(tài)的手語表達(dá)，能夠傳遞出更豐富、準(zhǔn)確、易于理解的信息。
同時(shí)，百度智能云曦靈平臺搭載的開放域?qū)υ捚脚_PLATO-XL，是百度基于百億級訓(xùn)練參數(shù)、多年搜索及知識圖譜積累而訓(xùn)練出來的，被認(rèn)為是當(dāng)前最大規(guī)模的中英文對話模型。通過它可以快速驅(qū)動數(shù)字人實(shí)現(xiàn)直播、動畫等內(nèi)容，達(dá)到多場景下的實(shí)時(shí)溝通。
縱觀手語數(shù)字人的能力體系，不難發(fā)現(xiàn)，頭部科技公司相繼推出了自己的手語機(jī)器人，除了體現(xiàn)科技的人文關(guān)懷之外，還隱藏著技術(shù)發(fā)展的必然。
必須在算力、數(shù)據(jù)、算法三方面都有強(qiáng)大的能力，在語音、視覺、NLP、知識圖譜等領(lǐng)域都有領(lǐng)先優(yōu)勢，才能讓手語數(shù)字人真正覺醒在屏幕前、生活中。
百度作為國內(nèi)AI 技術(shù)布局更完整的公司，能最快地實(shí)現(xiàn)手語數(shù)字人的大規(guī)模應(yīng)用，原因正在于此。
數(shù)字生命的平臺化復(fù)制：
手語數(shù)字人插上產(chǎn)業(yè)之翼
在冬奧會和即將到來的冬殘奧會上的大規(guī)模應(yīng)用，幾乎代表了現(xiàn)階段數(shù)字虛擬人的最高水平，是典型的數(shù)字生命：具備完成復(fù)雜目標(biāo)的能力(通過手語翻譯傳遞賽事信息)，以及實(shí)時(shí)學(xué)習(xí)進(jìn)化的能力(收集信息、實(shí)時(shí)互動、做出回應(yīng)，而非提前錄制)。
正如未來生命研究所的創(chuàng)始人：邁克斯·泰格馬克所說，數(shù)字生命是一種能夠自我復(fù)制的信息處理系統(tǒng)，物理結(jié)構(gòu)是其硬件，行為和“算法”是其軟件。這決定了，手語數(shù)字人必須向軟硬協(xié)作、規(guī)模復(fù)制的方向發(fā)展。
3月3日，百度智能云曦靈發(fā)布AI手語平臺和“AI手語平臺一體機(jī)”，或許正在為手語數(shù)字人插上產(chǎn)業(yè)騰飛的翅膀。
為什么這么說?手語數(shù)字人雖好，卻不能低估技術(shù)產(chǎn)業(yè)化的難度，至少有幾座大山橫亙在前面：
第一座大山，是效率之謎。
對于新興的手語數(shù)字人領(lǐng)域，制作難度大、周期長、技術(shù)門檻高，服務(wù)的群體相對較小，很多行業(yè)和企業(yè)在引入之前都會顧慮，會不會需要大量的人力財(cái)力成本，會不會效果不好沒人用，思前想后就是等等再說。要讓全社會聽障人士都享受到技術(shù)紅利，還是要尊重產(chǎn)業(yè)規(guī)律，降低新技術(shù)的應(yīng)用門檻，真正讓手語數(shù)字人的制作“降本增效”。
百度智能云曦靈的手語數(shù)字人平臺，出現(xiàn)得恰逢其時(shí)?！癆I手語平臺”具備“視頻手語合成”“直播手語合成”“文本轉(zhuǎn)手語”“語音轉(zhuǎn)手語”四大功能，可實(shí)現(xiàn)普通視頻合成為手語視頻、實(shí)時(shí)直播中增加手語畫面、文字翻譯為手語、語音實(shí)時(shí)翻譯為手語等多種效果。AI手語平臺可搭載在各類APP、網(wǎng)站、小程序中，讓聽障人士也能輕松實(shí)現(xiàn)線上社交、娛樂休閑、課程學(xué)習(xí)等各類需求。
同時(shí)，百度智能云曦靈還設(shè)置了三大平臺，讓手語數(shù)字人可以被快速、標(biāo)準(zhǔn)化、高效地生產(chǎn)和交付。比如在人設(shè)管理平臺上，根據(jù)不同的場景搭配設(shè)置不同的人設(shè)，比如銀行中引入的手語數(shù)字人可以專業(yè)、嚴(yán)謹(jǐn)，景區(qū)中使用的手語數(shù)字人則親和、活潑等，適應(yīng)千行百業(yè)的需求。
平臺化、標(biāo)準(zhǔn)化、體系化的能力，使得AI驅(qū)動的2D數(shù)字人，生產(chǎn)周期只需要幾個(gè)小時(shí)，3D虛擬偶像一兩個(gè)星期就能開發(fā)出來，輕松飛越效率這座大山。
第二座大山，是體驗(yàn)之困。
大家可能注意到了，在百度智能云曦靈發(fā)布 “AI手語平臺一體機(jī)”之前，幾乎所有的手語數(shù)字人都是以軟件形式存在的。專門打造一款手語數(shù)字人硬件，真的有必要嗎?
從根本上來說，我們所知的所有生命形式都有著生物“硬件”的載體，有技術(shù)人員認(rèn)為，“生命3.0”階段的數(shù)字生命，不僅要具備設(shè)計(jì)自身軟件的進(jìn)化能力，還能設(shè)計(jì)自身硬件。
很多銀行、醫(yī)院等都在引入人形智能機(jī)器人，來增加用戶的體驗(yàn)感。具體到手語數(shù)字人，作為未來在社交、電商、直播、客服、導(dǎo)游等領(lǐng)域的服務(wù)載體，企業(yè)與聽障用戶交互的關(guān)鍵入口，如果只能通過軟件來互動，顯然是不夠方便。
但是，開發(fā)一個(gè)人形手語機(jī)器人又涉及到一個(gè)相當(dāng)漫長且復(fù)雜的產(chǎn)業(yè)鏈，很容易讓企業(yè)望而卻步。
百度智能云曦靈此次發(fā)布的全離線一體機(jī)V3以及端云結(jié)合一體機(jī)P3，搭載了“AI手語平臺”的核心功能， AI手語數(shù)字人可以像手機(jī)、電腦一樣被快速、批量生產(chǎn)，到線下生活的各個(gè)角落中服務(wù)聽障人群。
其中本地全離線一體機(jī)，在一些網(wǎng)絡(luò)情況不佳的區(qū)域，比如偏遠(yuǎn)的山村、景區(qū)等地，依然能夠進(jìn)行手語翻譯、人像渲染等操作，提供文本轉(zhuǎn)手語、語音轉(zhuǎn)手語等服務(wù)。
端云結(jié)合一體機(jī)，則通過云端計(jì)算+本地渲染的形式，也能靈活地實(shí)現(xiàn)手語服務(wù)。
第三座大山，則是進(jìn)化之難。
衡量一個(gè)數(shù)字生命的標(biāo)準(zhǔn)之一，就是具備自主學(xué)習(xí)、自主適應(yīng)、自我進(jìn)化的能力，這需要全面的AI能力支撐。目前，整個(gè)手語機(jī)器人的產(chǎn)業(yè)鏈還沒有被完全打通，盡管一些企業(yè)打出了“手語數(shù)字人”的概念，但只能在部分場合、部分視頻中露臉。
推動手語數(shù)字人在真實(shí)的產(chǎn)業(yè)場景之中不斷升級，是AI產(chǎn)業(yè)化中必不可少的一種能力。在中國的AI科技企業(yè)當(dāng)中，像百度這樣具備從底層算力、開發(fā)框架到產(chǎn)業(yè)解決方案的全棧AI能力的公司，并不多見。
目前看來，百度的全棧AI能力融入到百度智能云曦靈當(dāng)中，給數(shù)字人升級能力帶來了無限潛力，也將加速手語數(shù)字人這一“新物種“的全場景覆蓋。
通過與產(chǎn)業(yè)的深度融合，手語數(shù)字人也將變得越來越復(fù)雜和聰明，進(jìn)化成為真正的數(shù)字生命。
目前，我國有近2780萬聽障人士，而手語翻譯老師只有1萬人左右，許多場景中無法快速跟上手語服務(wù)，在飛速發(fā)展變化的社會中，很容易造成新的不公平。
而百度智能云曦靈的AI手語平臺，讓手語數(shù)字人的規(guī)?；瘡?fù)制變得更加可行;“AI手語平臺一體機(jī)”，讓數(shù)字人技術(shù)帶來的體驗(yàn)更加豐富和多元。
數(shù)字生命的平臺化復(fù)制，是社會責(zé)任不會變成空談的前提，意味著商業(yè)價(jià)值與技術(shù)普惠的一次和解，也預(yù)示著手語數(shù)字人市場的快速打開。
AI產(chǎn)業(yè)的無形之變：
手語數(shù)字人帶來的連鎖反應(yīng)
平臺化和軟硬一體，規(guī)模復(fù)制的產(chǎn)業(yè)落地效率與直觀的體驗(yàn)價(jià)值，讓百度智能云曦靈在手語數(shù)字人的競爭中，已經(jīng)獲得了先發(fā)優(yōu)勢。
技術(shù)無障礙除了讓殘障群體受益，還將給企業(yè)自身和整個(gè)產(chǎn)業(yè)帶來意想不到的收獲。手語數(shù)字人的普及，換來的是AI受眾的擴(kuò)大和手語服務(wù)的延展，會讓許多我們習(xí)以為常的場景出現(xiàn)明顯的擴(kuò)容與創(chuàng)新，并引發(fā)一系列連鎖反應(yīng)。
首先，AI手語解決方案不斷復(fù)制到各行各業(yè)，讓聽障人士樂于去用，企業(yè)和機(jī)構(gòu)樂于引入手語服務(wù)，讓手語數(shù)字人的落地場景會愈加豐富，在公益屬性、社交、傳播營銷等領(lǐng)域的價(jià)值將一一顯現(xiàn)。
其次，數(shù)字人作為公認(rèn)的虛擬世界入口，帶來巨大的商業(yè)空間，已經(jīng)成為互聯(lián)網(wǎng)科技企業(yè)的下一幕競爭焦點(diǎn)。搶占數(shù)字人規(guī)模化生產(chǎn)的機(jī)遇，培養(yǎng)B端市場的信任感與忠誠度，有助于在接下來的市場競爭中占據(jù)優(yōu)勢。
更進(jìn)一步，百度智能云曦靈在技術(shù)的領(lǐng)先性和全面性，決定了其有資格參與甚至主導(dǎo)數(shù)字人行業(yè)標(biāo)準(zhǔn)的建立，將吸引大量開發(fā)者和產(chǎn)業(yè)鏈上下游加速匯聚到生態(tài)體系內(nèi)，推動技術(shù)不斷迭代和應(yīng)用持續(xù)創(chuàng)新，預(yù)先探索數(shù)字人的商業(yè)模式，帶動云計(jì)算、AIoT等領(lǐng)域的增長，對于中國數(shù)字經(jīng)濟(jì)的發(fā)展有著重要作用。
以前提到智能科技，大家可能更多地關(guān)注獨(dú)角獸、投融資、數(shù)字經(jīng)濟(jì)等宏大概念，而現(xiàn)在，手語數(shù)字人這樣的智能新物種，正在給殘障群體日常生活中的“小事”帶來便利。
從冬奧主播到AI手語平臺，百度智能云曦靈向世界證明，只需要打開一個(gè)通道、接通一座橋梁，技術(shù)紅利就可以源源不斷地匯聚到那些需要它的人群當(dāng)中。
許人類一個(gè)更美好的未來，這或許是AI故事里，最溫暖人心的章節(jié)。
（轉(zhuǎn)載）
