快捷导航 
时间：2024-04-16 22:36:03来源：互联网
数字人的大规模商业化，京东在今晚吹响了号角。
今天傍晚，采用刘强东形象的“采销东哥”AI数字人与观众见面，在京东家电家居、京东超市采销直播间亮相。直播间里，采销东哥AI数字人谈笑自若，讲起自己运动和烹饪的体验，又对直播带货的大屏电视、草莓和玉米滔滔不绝。
直播间的网友质疑就是真人直播，细看采销东哥AI数字人，不仅复原了刘强东语速快和连音多的口头习惯，还复刻了他搓手指、略微仰头的习惯动作和身体姿态，直播中还有非常自然地看手机的动作。说起大屏电视，“采销东哥”对技术参数如数家珍，说到玉米和草莓，又对口味特点和原产地气候了如指掌。数字人仿佛具备了百科全书版的数字大脑，完美胜任了“首席采销”的工作。
京东官方消息显示，“采销东哥”AI数字人是由京东云言犀制作的高逼真大姿态数字人，凭借多角色、个性化的闲时带货能力，言犀数字人已服务了超过4000家品牌直播间。采销东哥AI数字人的此次亮相，更像是一次广而告之：数字人技术已经成熟，足以胜任品类直播的工作。其实，在春节闲时直播中，京东云言犀数字人就曾卖出过4000万元货品，平均提升闲时直播转化率超30%。
实际上，“采销东哥”AI数字人亮相直播背后，还代表着京东在技术普惠、低价战略上的深一度实践，将关键技术开放给生态链上下游，以技术突破赋能业务实际问题，促进产业链提质增效。
刘强东的数字人为何这么“真”
听过刘强东演讲的人一定印象深刻。他讲话很少犹疑，让人觉得自信坚定；同时平易近人，用简单的词汇讲述波澜壮阔的故事。讲完一段，他还会抛出事先准备的金句。这时，观众会突然爆发出脱口秀现场般的笑声和掌声。
这次直播的数字人就还原出刘强东真人的风采：不仅声音惟妙惟肖，说话的语调和习惯也别无二致。也难怪有人在微博上发问：数字人是怎么做到这么“真”的？
京东云言犀技术团队透露，要让数字人逼真，首先需要还原出刘强东的声音。言犀团队原本打算使用他在2017年的一段演讲音频作学习素材，但经过测试发现：当时演讲的语气用于直播带货过于正式。因此，融易新媒体消息，言犀团队又录制了一段刘强东30分钟的闲谈，让他畅聊自己的旅行经历。
这段神采飞扬的声音就成为底本，提取出声学特征后，通过言犀语音大模型合成出人工语音。其实，言犀团队已经可以做到最短使用6秒素材，就能复现一个真人的声音。而更长的声音素材，无疑有助于捕捉更多丰富的细节。
复现出音色以后，还需要捕捉声音的“副语言”。副语言是人们说话的习惯，比如语速、语调、重音、倒吸气。即使音色变化，比如感冒或者电话通话，凭借副语言也能辨认出说话的人。如果没有副语言，声音就会缺乏情绪、显得过于“正确”和冷冰冰。
刘强东讲话也有自己的副语言：语速快、连音多、吐字较轻。例如“跟着”的“着”字经常遭一笔带过。“时间”中的“sh”会有更重的鼻音。后鼻音有时会遭吞掉，变成前鼻音。他讲话也很少有辅助词，句子间衔接顺畅，只会在寻求认同时用“啊”来衔接。说到重点时，他还会加重重音，让人不自觉地竖起耳朵。
捕捉这些副语言的技术，遭称为“风格迁移”：把原本声音的特征迁移到人工合成的声音中。这些副语言原本分布稀疏，大模型不容易捕捉到规律。但言犀团队将声音样本的重音、语调等拆解成音素，让模型能更清晰地注意到它们。在文本层面，NLP（自然语言处理）模型则会根据真人习惯添加口头语，让声音更像真人。
“东哥同款”数字人
让小商家也用得起
给企业管理者做数字人的其实并非少数。2021年，黄仁勋的数字分身就曾亮相GTC，三个月后才遭发现是数字人。360的周鸿祎和自己的数字人在乌镇对谈，商汤的汤晓鸥数字人还在舞台上喝水，流畅的大幅动作技惊四座。
让企业管理者的数字人进入带货直播间的，京东还是第一家。原因非常简单：企业管理者的数字人往往要经过“精雕细琢”，5分钟的视频背后可能是一个月的苦工，否则很容易遭观众分辨出差异。而这些动用庞大计算资源的数字人，无法承受住成百上千商家同时直播、实时演算。
因此，“采销东哥”AI数字人亮相京东采销直播间，更像是一次宣言：京东的数字人技术已经大规模商用。这些能让刘强东形象以假乱真的数字人，让小商家也都用得起。这成为一场向广大商户的宣告：“我用起来是这个效果，你们用起来也是这个效果。”
