共计 3256 个字符，预计需要花费 9 分钟才能阅读完成。
本报记者 陈子帅 杨沙沙 本报驻美国特约记者 冯亚仁 ●宋 毅
编者寄语：在今年的“双 11”购物节，各大电商平台纷纷推出了虚拟“数字人”主播。这些数字人不仅能够高度模拟真人的表情与动作，还具备 24 小时不间断直播、流畅解答消费者问题及推荐团购等多种功能。据统计，中国目前拥有接近 1.4 亿个视频主播账号，其中虚拟“数字人”占比达到 40%，超 5000 万个。那么，这些“数字人”是如何生成的？它们还有哪些潜在的应用场景？未来又可能面临怎样的机遇与挑战？《环球时报》记者对此进行了深入调查。
仅需半小时，一个“数字人”便能诞生！
“数字人”，即“2D 真人孪生数字人”，是指通过计算机技术创造出类似真实人物的虚拟形象。京东云言犀数字人产品的负责人在接受《环球时报》记者采访时，分享了如何利用大模型等人工智能技术，从零开始打造一个“数字人”的过程。
简单来说，构建一个“数字人”需要经过三个步骤。首先是“人像视频拍摄”。只需收集真人主播的外貌、声音等音视频数据，通常在录影棚拍摄 1 至 2 个小时的带货视频即可。然而，随着大模型技术的发展，现在只需 3 到 5 分钟的录像便可完成。
第二步是“形象声音模型训练”。这包括音视频预处理、自动数据标注、3D 人脸重建和口唇驱动训练等。简而言之，将这 3 到 5 分钟的视频输入京东云自研的“数字人自助克隆工具”，在 24 小时内便可生成一个“数字人”。
“我们甚至可以更快，比如针对主播带货的状态进行数据采集，半小时内就能生成一个用于直播的‘数字人’。”该负责人透露，京东云目前为约 4000 个品牌提供“数字人”服务。以直播“数字人”为例，定制形象的费用大约在几万元，也有快速、轻量化的批量定制形象，成本不到一万元。两者之间的区别在于，前者的“数字人”可以根据客户需求定制口唇匹配和神态表现，而后者则更具性价比，成本更低。
第三步是将“数字人”应用于不同场景。今年 9 月，新浪微博上线了一段视频，展示了人工智能学者高庆一的“数字人”与京东嘉宾的“数字人”进行对话的场景。视频中，高庆一的“数字人”在走动、手势、表情以及与京东“数字人”嘉宾的互动方面几乎可以模拟真实人类，但依然存在一些差距。“从技术制作的角度来看，行业内的竞争在于如何以更快的速度和更低的成本复制和克隆‘数字人’。”该负责人表示，许多“数字人”在表情上较为呆板，姿态固定，如何实现丰富的姿态变化，例如侧脸、走动、手势等，仍然是技术上的一个难点。
从目前情况来看，“数字人”的成本极具吸引力。负责人士介绍，言犀虚拟主播的成本不足真人的 1 /10，除了需要一台电脑和一个运营人员之外，几乎无需其他投入。举个例子，一家国产化妆品牌借助基于大模型的自动生成直播文案，2 至 3 小时内便可完成直播间剧本的搭建，而人工编写直播剧本则可能需要两三天。数据显示，使用“数字人”接力直播后，直播间的月销量增加了三倍。
推动“数字人”应用落地的多方力量
在今年的杭州亚运会开幕式上，观众们对参与点火的“数字火炬手”印象深刻。随着人工智能技术的不断进步，这类“数字人”正越来越多地融入人们的日常生活中，在电商带货、在线直播、新闻播报等多个领域大显身手。
中国人工智能企业科大讯飞的虚拟人平台总经理郜静文近日表示，科大讯飞的虚拟数字人应用已经覆盖媒体、教育、金融、文化旅游、政务等领域，虚拟人可以扮演虚拟主播、老师、客服、导游、政务办事员等多种角色。
郜静文指出，“数字人”的成本主要包括构建成本、技术服务费用及自主运营成本。随着技术的迭代和应用场景的更新，各部分成本也在不断降低。例如，以前构建 2D 真人虚拟人需要 30 分钟的数据，现在仅需 3 分钟甚至 30 秒即可完成，“这项技术的迅速发展，正是现实场景需求对技术的巨大推动。”
在日本，“数字人”同样非常受欢迎，多个行业开始运用虚拟数字人进行服务接待。据朝日电视网报道，日本电报电话公司首次使用虚拟数字人作为接待员。这个“数字人”是由 9 名真实员工和其他面孔合成而成，声音和动作皆由 AI 技术驱动。据悉，这是日本首个真人大小的“数字人”，除了用于前台接待外，还将应用于商务客服等多种场合。
美国的科技公司通过打造虚拟网红来帮助企业吸引客户。统计数据显示，2022 年约 35% 的美国消费者购买了“数字人”推广的产品，其中千禧一代和 Z 世代的消费者占比达到 40%。据 Territory Influence 的报告，目前虚拟网红市场的价值已达 46 亿美元，预计到 2025 年将增长 26%。
根据艾媒咨询发布的《2023 年中国虚拟人产业发展与商业趋势研究报告》，2022 年中国虚拟人带动的产业市场规模和核心市场规模分别为 1866.1 亿元和 120.8 亿元，预计到 2025 年将达到 6402.7 亿元和 480.6 亿元。
目前，“数字人”最常见的应用场景是在电商直播领域。京东云言犀数字人产品负责人向《环球时报》记者表示，未来“数字人”的应用场景将非常广泛，金融机构、机场、政务部门等都有需求，能够充当线下业务的银行业务员、机场导游等。
随着人工智能技术的不断迭代，该负责人表示，“数字人”的表现将愈加真实，不仅在外观上，甚至在语言风格、处理事务的方式上，都会赋予“数字人”更多智能，使其在服务类场景中迅速落地，满足各类企业和机构的需求。
关于“数字人”的未来应用，外经济贸易大学国际关系学院的学者梁怀新指出，“数字人”在电商直播等领域已经得到了充分应用，但在类人化表现和交互感受等方面仍有很大的提升空间。随着这些技术问题的解决，“数字人”的应用场景将进一步扩展，包括数字偶像、数字医疗、数字谈判、数字娱乐等领域，可能会创造出大型 IP 娱乐明星、类人化医学专家、谈判助手和全息游戏等新应用。
需重视的风险问题
伴随“数字人”在越来越多场景的应用，其潜在风险和监管问题也日益凸显。对外经济贸易大学的学者梁怀新告诉《环球时报》记者，首先，“数字人”在设计时需要采集仿生对象的个人数据，若存储不当，容易导致隐私泄露，可能导致冒用个人声音、肖像进行诈骗；其次，“数字人”的普遍使用可能对劳动市场造成冲击，取代大量人类工作岗位，带来失业的风险；此外，“数字人”的安全问题还可能导致社交方式变得虚拟化，社会资本过度集中于数字领域。
在制作“数字人”之前，京东方面表示将与出镜人员签订含肖像权的授权协议。在采集“数字人”对应真人的肖像和声音数据前，京东云言犀数字人产品的负责人也表示，必须与真人主播签署相关法律授权协议，明确肖像使用的场景和范围。在数据安全方面，京东平台和算法也需在国家工信部进行备案。此外，相关部门还要求对虚拟形象的使用进行加密，以确保无论投放在哪个场合，都能做到可追踪，保障“数字人”的安全性。
在虚拟数字人的安全应用方面，监管部门和行业都非常重视，涉及版权授权、技术认证、内容安全以及展示鉴别等多方面的规范。科大讯飞虚拟人平台的总经理郜静文向《环球时报》记者表示，虚拟“数字人”的构建必须获得版权人的同意，技术公司的生成技术须经过相关单位的认证，应用方与平台方要对内容安全进行审核和监管，用户在获得虚拟数字人时应有明显或隐形的信息告知。
为了规范“数字人”及相关产业，我国目前已颁布了《生成式人工智能服务管理暂行办法》等一系列规章。2022 年 11 月 25 日，国家网信办、工信部和公安部联合发布《互联网信息服务深度合成管理规定》，旨在加强对互联网信息服务深度合成的管理。《规定》指出，深度合成服务技术提供者需履行备案和变更、注销备案的手续。
梁怀新指出，未来针对“数字人”在著作权、肖像权、数据隐私及平台监管等方面存在的问题，可以采取“综专结合”的思路，首先在行业内制定专门应对“数字人”具体安全隐患的行政规章，并力争尽快出台国家层面的综合监管法规。▲
