據(jù)公號(hào)“京東黑板報(bào)”3月19日消息，近日，中國人工智能學(xué)會(huì)發(fā)布2024年度“吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)”公告，京東科技人工智能團(tuán)隊(duì)?wèi){借“多模態(tài)交互式數(shù)字人關(guān)鍵技術(shù)及產(chǎn)業(yè)應(yīng)用”項(xiàng)目榮獲中國智能科學(xué)技術(shù)最高獎(jiǎng)——吳文俊人工智能科學(xué)技術(shù)獎(jiǎng)的特等獎(jiǎng)，也是本年度唯一的特等獎(jiǎng)。

資料顯示，在本次獲獎(jiǎng)項(xiàng)目中，京東科技人工智能團(tuán)隊(duì)在以下三方面實(shí)現(xiàn)了技術(shù)突破：

提出了低成本、高保真人體建模技術(shù)，解決了人體建模成本高、觀感差難題

提出了語義一致多模態(tài)應(yīng)答技術(shù)，解決了多模態(tài)語義難對(duì)齊、應(yīng)答弱難題

提出了多模態(tài)自然化行為生成技術(shù)，解決了多樣化行為難協(xié)調(diào)、交互假難題

近期，京東言犀數(shù)字人技術(shù)再度進(jìn)化。京東科技人工智能團(tuán)隊(duì)打造的數(shù)字人通用的基座大模型，通過語音合成大模型LiveTTS及通用數(shù)字人大模型LiveHuman，僅需輸入自然語言或1秒視頻/照片，即可生成4K超高清、100%口型匹配的數(shù)字人，徹底告別數(shù)字人制作對(duì)線下拍攝、建模與耗時(shí)訓(xùn)練的依賴。

LiveTTS語音合成基座模型，可以基于20萬小時(shí)數(shù)據(jù)訓(xùn)練的擴(kuò)散模型，實(shí)現(xiàn)“零樣本”聲音合成與多語種情感化輸出，音色相似度較其它頭部廠商高出1.3倍、字符錯(cuò)誤率（CER）降低最高5.12%；LiveHuman數(shù)字人基座模型有創(chuàng)新性的人體過渡幀生成技術(shù)，解決多片段銜接卡頓難題，在遮擋、大角度、動(dòng)態(tài)背景、多人直播等極端條件下仍有流暢表現(xiàn)。

這一系列突破將單個(gè)數(shù)字人生產(chǎn)成本從數(shù)萬元拉低至兩位數(shù)，較真人拍攝模式成本降幅超90%，標(biāo)志著數(shù)字人從“專業(yè)工具”正式成為“普惠生產(chǎn)力”。這將為廣告素材批量生成、新媒體投放、個(gè)人IP打造等場(chǎng)景應(yīng)用拆掉技術(shù)藩籬，走向工業(yè)級(jí)應(yīng)用。

數(shù)字人直播引發(fā)關(guān)注 央廣網(wǎng)報(bào)道截圖

談到AI數(shù)字人的產(chǎn)業(yè)應(yīng)用，在2024世界人工智能大會(huì)上，京東云言犀負(fù)責(zé)人曾對(duì)我們表示，用戶已經(jīng)跨過了AI數(shù)字人直播的“恐怖谷效應(yīng)”。一旦人們接受了這樣的內(nèi)容，那么AI數(shù)字人直播帶來的好處就很多了：不只是解放人們的時(shí)間，可以實(shí)現(xiàn)一天24小時(shí)直播，它還可以實(shí)現(xiàn)多個(gè)數(shù)字人之間的互動(dòng)，給用戶帶來更加豐富的呈現(xiàn)內(nèi)容，其中很多形態(tài)還是真人不一定能做到，甚至做不到的。

數(shù)字人正在涌入電商等各類產(chǎn)業(yè)場(chǎng)景 2024年WAIC現(xiàn)場(chǎng)圖

本文系觀察者網(wǎng)獨(dú)家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。