近日，2024（首屆）中國數(shù)字人大會于北京召開，本次大會以“數(shù)字人應(yīng)用與未來”為主題，匯聚了政府相關(guān)主管部門領(lǐng)導(dǎo)、院士專家、國內(nèi)外數(shù)字人產(chǎn)業(yè)領(lǐng)軍企業(yè)代表等，共話數(shù)字人未來發(fā)展及技術(shù)創(chuàng)新。大會開幕式上，快手視覺生成與互動中心負(fù)責(zé)人萬鵬飛受邀出席，并發(fā)表主旨演講《多模態(tài)數(shù)字人的技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用》。

　　萬鵬飛表示，經(jīng)過多年的技術(shù)研發(fā)，快手已構(gòu)建起了完備的多模態(tài)數(shù)字人解決方案。具體而言，多模態(tài)數(shù)字人按照不同的輸入形式，可分為傳感器、文本/音頻、視頻、多模態(tài)綜合四大驅(qū)動形式。其中，具備完整多模態(tài)輸入輸出能力的多模態(tài)數(shù)字人，相較而言效果上限更高，技術(shù)難度更大。

　　在此背景下，快手基于自研數(shù)字人采集建模、綁定、動捕驅(qū)動、大模型生成互動、交互渲染等技術(shù)，全面打造多模態(tài)數(shù)字人解決方案。他介紹稱，數(shù)字人可應(yīng)用于商業(yè)化、本地生活、電商、招聘等多元場景，主要分為身份型和服務(wù)型兩種類型。

　　以快手官方虛擬主播“關(guān)小芳”為例，作為身份型數(shù)字人的典型應(yīng)用，其打通了ASR、VLM、LLM等多個自研大模型能力，具備多模態(tài)感知、決策、生成能力，互動延時低于 2 秒且支持用戶打斷。卓越的性能表現(xiàn)和極低的推理時延使其廣泛應(yīng)用于快手財報解讀等多種場景，并在快手平臺吸引了超 200 萬粉絲的關(guān)注。

　　同時，針對服務(wù)型數(shù)字人，快手打造了“快手智播”生成式數(shù)字人平臺，支持超 1000 種數(shù)字人形象，用戶只需提供 3 分鐘視頻素材，即可完成個性化數(shù)字人的生成。

　　萬鵬飛介紹，除形象生成外，該平臺融合了語音、圖像及大模型等多種人工智能技術(shù)，具備直播/離線視頻制作、配套腳本生成、素材管理等能力，打造低門檻、智能化的內(nèi)容生產(chǎn)體驗(yàn)。一方面，平臺所生成的數(shù)字人可幫助商家在快手實(shí)現(xiàn)云端實(shí)時驅(qū)動快速開播，打造7× 24 小時日不落直播間，增強(qiáng)用戶觀看體驗(yàn)；另一方面，對比真人主播，快手生成式數(shù)字人每月投入成本不足真人的20%，且支持萬路以上直播間并發(fā)。目前，“快手智播”平臺服務(wù)商家數(shù)已破萬，數(shù)字人直播及短視頻日均消耗規(guī)模超 2000 萬。

　　隨著AI大模型時代的來臨，AIGC正在推動整個行業(yè)邁向更加有效、有創(chuàng)意的新紀(jì)元。萬鵬飛表示，接下來，快手也將大力推動技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展，讓多模態(tài)數(shù)字人更精美、更有智商和情商，為更多數(shù)字人應(yīng)用場景帶來更大的業(yè)務(wù)收益，也為人們的生活帶來更多的便利。

　　應(yīng)對AI技術(shù)迅猛發(fā)展的趨勢及業(yè)界對前沿技術(shù)的迫切需求，聚焦新一代大模型的關(guān)鍵技術(shù)研發(fā)，未來，快手也將進(jìn)一步夯實(shí)基座模型硬實(shí)力，持續(xù)堅持技術(shù)創(chuàng)新，為推動我國數(shù)字人產(chǎn)業(yè)的技術(shù)進(jìn)步和創(chuàng)新發(fā)展貢獻(xiàn)更大的力量。

（推廣）