速途网5月28日消息（报道：吴佳馨）近日，在京东数科产业AI公开课上，由京东数科自主研发的AI虚拟数字人产品 AI主播首次出现在公众面前。
据介绍，京东数科融合了2D和3D技术，将传统方法与深度学习结合，仅需使用一段几分钟的人物视频数据，经过几小时训练就可以合成出写实风格的AI虚拟数字人。
为了研发出写实逼真的AI虚拟数字人，京东数科AI实验室在文字转语音、3D人脸建模、语音转视频等方面进行了一系列技术创新。
为了顺利实现文字到语音的转化，京东数科自研了轻量级对抗语音合成技术，通过结合深度神经网络在多人数据上进行个性化建模，达到音色丰富、特色鲜明的语音合成效果，甚至可以模拟人的呼吸和停顿，听感酷似真人。高效轻量的对抗神经网络大幅提升了合成速度，合成1秒音频只需0.07秒，合成时延仅为业界水平的1/3，充分支持多场景实时语音合成。
在语音生成视频的阶段，为了使AI主播形象更加逼真，京东数科AI实验室利用对抗生成网络来还原更真实的表情，通过3D模型运动追踪技术来确保AI主播在说话时口型准确、表情细腻、头部运动自然。一般来说，2D类的模型往往能生成更细腻的画质，而3D方向的模型操控能力更佳；京东数科的技术人员打通了这种模式上的壁垒，在2D和3D模型之上各取所长，将最新的深度学习技术与传统的优化技术和特征提取技术相结合，使语音、图像、视频这些模态间的语义打通成为可能。从实际效果来看，AI虚拟数字人能够模仿不同人的说话习惯，学到如何用点头、眨眼这些细微动作对发言中的重要内容加以强调。为了在口型匹配方面达到完美效果，京东数科AI实验室利用大量语音数据，并特意设计了鲁棒的语音特征，使其可以被不同音色、语言和语速的合成语音所驱动，且都能保持准确、连贯的口型。
最终，京东数科开发出了高度还原真人形象的AI虚拟数字人，在AI算法的驱动下，只需输入文本内容，“小妮”就能根据语义实时进行主持，且表情、动作和语音表达非常自然逼真。
除了AI主播，AI虚拟数字人还可以在多场景中落地生根。比如，在重复性很高的智能客服场景中，人工客服具有人工成本高、质量参差不齐等缺点，用AI虚拟数字人代替人工客服，可大幅提升整体客服效率和服务体验。再比如，在招聘场景中，对于公司介绍、薪资福利、入职流程介绍、招聘者基础信息确认等环节信息重复度高，这时就可使用AI虚拟数字人替代HR进行交互回答，有效节省人力，提升公司的科技感。
京东数科AI实验室首席科学家薄列峰表示：“AI主播小妮的推出，是京东数科在多模态AI技术领域一次成功的落地应用。除了在客服、招聘等领域的应用之外，我们还将服务内容创造者，通过AI虚拟数字人技术，把静态图文内容转化为由‘真人’讲解的短视频，满足用户对多样化呈现形式的需求，增强用户黏性和社区活跃度。”
