今年是“五四運動”一百周年，中央廣播電視總臺舉辦了主題為“我們都是追夢人”的 2019《五月的鮮花》五四晚會，在這場晚會中，百度大腦arget="_blank">AI虛擬主持人“小靈”在眾多高顏值主持人、演員中脫穎而出，賺足了觀眾們的眼球。
眼前一亮美少女
在很多的印象當(dāng)中，機器人只是十分機械的機器與數(shù)據(jù)的結(jié)合，但是從鮮花通道中一出場的虛擬主持人“小靈”，就讓人眼前一亮，得益于百度強大的3D建模技術(shù)和AR能力，化身成為立體3D的美少女，與尼格買提、王俊凱同臺競技。
活潑靈動開口脆
“小靈”并非是第一位人工智能主持人，可相比于不討好的機器音，“小靈”的音色顯得自然很多，讓人聽著有一種舒適感，原因在于百度在AI語音庫的制作上花了很大的功夫。AI語音庫制作的步驟大概是三步：第一先確定音色、風(fēng)格、產(chǎn)品的特征，將文本變成音頻；第二配音員根據(jù)需求試音，收集錄音；第三步投入生產(chǎn)線，進行錄音效果優(yōu)化，豐富音色。百度大腦為此準(zhǔn)備了幾十個音庫，找播音主持專業(yè)的學(xué)生專業(yè)錄制了各式各樣的聲音，具備非常豐富的音色矩陣。
表情唇動顯自然
除了聲音信息外，唇動視覺同樣非常重要。人的表情由面部肌肉和唇動共同組成，而人在不同的場合、心情的表情千差萬別，可能有些時候我們都不能把一些表情進行正確的分類，但是“小靈”可以做到。百度基于“大量的面部特征數(shù)據(jù)”提供了唇動技術(shù)，百度稱之為“國內(nèi)首家三維”唇動“系數(shù)預(yù)測”，可以做到“自動將輸入式音頻直接生成唇形動畫”。百度大腦在檢測到人臉后，對人臉進行分析，對眼、耳、鼻嘴等150個關(guān)鍵點進行定位，識別出人的年齡、性別、表情等，然后基于這些面部特征，用深度學(xué)習(xí)的算法去學(xué)習(xí)歸納，學(xué)習(xí)人類的表情，使得表情更加豐富自然，便形成了我們看到的人工智能虛擬主持人“小靈”在晚會上能夠“真實唇動”。
過去AI虛擬人物在說話的時候嘴巴一張一合，說話與嘴巴不匹配也讓人感到十分尷尬。百度大腦基于大量的面部特征數(shù)據(jù)，對說話人的唇動的行為特性進行了大量的研究，通過人工智能的深度學(xué)習(xí)，完成了國內(nèi)首家“唇動”系數(shù)預(yù)測。截止到目前，市面上只有百度可以自動將輸入式音頻直接生成唇形動畫。
知識積累超豐富
在晚會上，“小靈”會和觀眾打趣“如果掌聲再熱烈一點，我會有更出色的表現(xiàn)”。還有這樣一個場景：談及自己的“第一部動畫片” ，主持人小尼想要分享《喜洋洋灰太狼》，“小靈”卻打斷他：“小尼哥，這是00后的童年回憶，屬于你的應(yīng)該是《黑貓警長》、《葫蘆兄弟》?！?/p>
“小靈”妙語連珠的口才、極佳的場控能力，不失為全場最精彩的地方。這個背后，需要實時互動與理解，更需要“知識”，而這與百度的人工智能算法和超過千億級的知識圖譜不無關(guān)系。
百度知識圖譜依托海量的日志數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)和行業(yè)數(shù)據(jù)，綜合運用語義理解、知識挖掘、知識整合與補全等技術(shù)，提煉出高精度知識，并組織成圖譜，進而基于知識圖譜進行理解、推理和計算等，在此基礎(chǔ)上，支持百度眾多產(chǎn)品，并且拓展出廣泛的應(yīng)用場景。據(jù)悉，知識圖譜已經(jīng)助力DuerOS（對話式人工智能系統(tǒng)）實現(xiàn)10大類目超過100種能力，為智能音箱、智能電視等各類終端產(chǎn)品帶來全面精準(zhǔn)的人機交互問答能力。
知識圖譜還能根據(jù)已有知識進行推理。例如，根據(jù)“爆炸或者燃燒物質(zhì)和裝置不可以帶上飛機”、“酒精是爆炸或者燃燒物質(zhì)”這兩個知識，推斷酒精不可以帶上飛機，當(dāng)用戶輸入查詢之后，將直接反饋推斷結(jié)果。知識圖譜的加持，實現(xiàn)用戶與應(yīng)用之間更智能的交互。
人機交互AR
在百度APP小靈AR界面上，諸如“北大紅樓名字的由來”等五四主題內(nèi)容，“小靈”都可以對答如流。在現(xiàn)場以及百度APP“五四青年節(jié)”搜索結(jié)果頁都能參與的“通過人臉識別來測是什么花”活動，觀眾還可以通過百度APP掃描二維碼，讓小靈直接出現(xiàn)在觀眾的手機屏幕上，實現(xiàn)實時互動，這都是依托于百度AR Lab（百度增強現(xiàn)實實驗室）。百度AR在今年的開發(fā)者大會上推出了DuMix AR 3.0，在MVP部分定義場景，然后對內(nèi)容進行感知，根據(jù)不同要求進行呈現(xiàn)，對目標(biāo)進行跟蹤，最后通過人臉表情、肢體手勢、語音等進行人機交互，然后運用平臺工具對素材進行制作管理，完成上線，最后進入商業(yè)化運營。百度AR Lab的業(yè)務(wù)已廣泛覆蓋營銷、娛樂、教育、文化等各個領(lǐng)域。
不得不說，“小靈”在晚會上機智又專業(yè)的首秀可謂圈粉無數(shù)。而這一切，都離不開百度大腦的多項AI技術(shù)的強大支撐。截至目前，百度大腦AI開放平臺開放了171項技術(shù)能力，涉及智能城市、智慧教育、無人駕駛等眾多領(lǐng)域。
說到AI開放平臺，自然少不了騰訊。近日，2019“AI Everything Summit”峰會在迪拜國際貿(mào)易中心召開，騰訊集團高級執(zhí)行副總裁劉勝義代表騰訊出席峰會并發(fā)表主題演講，提出“AI向善”的發(fā)展觀，他指出，在人工智能的時代，“人”更為重要，“AI向善”將幫助人類提升生活品質(zhì)，為社會發(fā)展創(chuàng)造新的可能。騰訊持續(xù)探索將人工智能技術(shù)應(yīng)用于尋回走失人員，打造“會尋人的AI”；在醫(yī)療健康領(lǐng)域，騰訊致力于打造“會救命的AI”；并且投身于“AI＋農(nóng)業(yè)”的應(yīng)用探索，在食物、能源和水資源等問題上提供創(chuàng)新解決思路。
不管應(yīng)用的領(lǐng)域如何，各家企業(yè)都是以“人”為出發(fā)點，從自身的基因出發(fā)尋找合適的切入點，利用AI幫助人類提升生活品質(zhì)，提出行業(yè)解決方案。相信百度和騰訊也會大膽嘗試，探索更多可能。