大模型卷爆数字人：一句话5分钟实现定制，跳舞主持带货都能hold住
要把数字人使用门槛砍没的节奏
鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
最快5分钟，打造一个直接上岗工作的3D数字人。
这是大模型给数字人领域带来的最新震撼。
就像这样，一句话描述需求：
生成的数字人直接就能进驻直播间当主播。
跳起女团舞也不在话下。
整个制作过程中，想到什么说什么就行，大模型都能自动拆解需求，瞬间get设计、修改思路。
△2倍速
再也不怕老板/甲方的想法太新奇。
这样的文生数字人技术，来自百度智能云最新发布。该说不说，是要把数字人的使用门槛一口气砍没的节奏了。
听闻如此神器，我们照例第一时间争取到了内测资格，更多细节，一起先睹为快~
一句话5分钟，3D数字人直接上岗
从Chatbot到文生图片，再到文生视频，大模型带来的交互方式的变革，已经无需赘言。
现在，在百度智能云曦灵平台上，基于文心一言4.0，数字人定制这件事，同样能通过自然语言对话的形式实现。
举个，生成一个品牌代言人，需要几步？
首先，输入“生成一个百度智能云品牌代言人”这样的提示词，同时上传logo图片。
大模型就会自动从脸型、发型、妆容、服装、配饰等多个维度，开始一步一步思考：
自动打造出符合要求的数字人。
△8倍速
如果需要调整细节，一样“说话”就能完成。
也就5-10分钟，一个360°无死角的高质量数字人就基本成型了。
捏脸完毕，下一步就是给数字人绑上表情，让Ta能动起来。同样只需要一键操作，等待1-2分钟。
相比于过去高精度3D数字人好几天、甚至好几个月的定制周期，这个分钟级的效率，确实称得上是“颠覆”了。
值得一提的是，效率如此大幅提升的前提下，这样的文生数字人细节质量依然保持着高水准。
表情细节：
动作质量：
结合百度智能云在数字人领域的长期积累，上岗播新闻、直播带货都不在话下。
数字人技术全面AI化
效率和落地能力的直观提升之外，此次百度智能云推出的文生数字人方案背后，不少技术细节也值得好好说道说道。
正如前文所说，其技术基座，正是文心一言4.0.
而起到关键作用的大模型能力包括：
- 自动拆解要做的任务和子任务
- 显示思考过程，做到有理有据，让整个生成过程“白盒化”
- 实现了基于内容提炼的短期记忆，可以通过对话持续调整数字人形象
这样一来，大模型就成了一个能懂人类甲方心理的数字人造型助理，可以模仿人类思路，去抠数字人定制的每一个细节，并且做到过程可控。
同时，大模型还在背后施展出了调用工具的能力。
比如，调用涵盖6000+维度的脸型及五官细节“知识库”，整体调整数字人面容。
大模型技术之外，百度智能云还在曦灵平台中加入了新的AI渲染技术，支持AI驱动、AI布料模拟，让数字人的表情肢体动作更自然，服装面料质感更真实。包括：
- 动态褶皱贴图，让纹理更加真实。
- 分钟级4D自动绑定，让眼睛、嘴唇等部位能够完美闭合，并支持表情风格切换。
- 肢体肌肉挤压、碰撞实时模拟。
- ……
官方还透露，接下来，百度智能云计划实现角色、行为、场景、灯光、镜头要素的全面AI化。
数字人，步入大模型时代应用新范式
如果说去年大家还在热火朝天地讨论基础模型，那么今年以来由Sora而起，大模型带来的应用范式的变革，已经成为科技圈新的热议焦点。
在交互方式的改变之上，核心受到关注的，其实还是效率提升：
输出创意，生成所需，大模型正在让越来越多本来需要消耗大量时间、人力、金钱的工作，变得简单、高效、人人可用。
现在，百度智能云在3D数字人领域的最新技术进展，就是这种可能性在人们更为熟知的图像、视频领域之外，拓展开来的一个代表。
可以预见的是，过去更多在大企业、大机构中被使用的数字人员工，在新范式的驱动之下，步入“寻常百姓家”正在成为可能。
此前，清华大学《虚拟数字人研究报告2.0版》数据显示，从头部企业的布局来看，面向B端的数字人产品服务是市场的主要组成部分，占比达到79%。
而随着大模型技术对数字人应用模式的颠覆，不仅中小企业不用再对6位数的3D高精度数字人望而却步，C端的应用也将得以拓展。
这也就意味着，数字人的应用和商业化，已经翻开新的一页。
最后，如果你还对哪些大模型新应用感兴趣，欢迎留言，我们速速测起~
— 完 —
- 从骁龙8至尊版，我看到了AI手机的未来 | 智在终端2024-12-17
- o1被曝“心机深”：逃避监督还会撒谎，骗人能力一骑绝尘2024-12-09
- 低成本机器人“皮肤”登上Nature子刊：实现三维力的自解耦，来自法国国家科学研究中心&香港大学2024-11-23
- OpenAI重夺竞技场第一，但这波靠的是4o2024-11-21
相关阅读
