近日，2024（首屆）中國(guó)數(shù)字人大會(huì)于北京召開(kāi)，本次大會(huì)以“數(shù)字人應(yīng)用與未來(lái)”為主題，匯聚了政府相關(guān)主管部門(mén)領(lǐng)導(dǎo)、院士專(zhuān)家、國(guó)內(nèi)外數(shù)字人產(chǎn)業(yè)領(lǐng)軍企業(yè)代表等，共話(huà)數(shù)字人未來(lái)發(fā)展及技術(shù)創(chuàng)新。大會(huì)開(kāi)幕式上，快手視覺(jué)生成與互動(dòng)中心負(fù)責(zé)人萬(wàn)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(wàn)鵬飛表示，經(jīng)過(guò)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(dòng)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(dòng)捕驅(qū)動(dòng)、大模型生成互動(dòng)、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(chēng)，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(chǎng)景，主要分為身份型和服務(wù)型兩種類(lèi)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(gè)自研大模型能力，具備多模態(tài)感知、決策、生成能力，互動(dòng)延時(shí)低于2秒且支持用戶(hù)打斷。卓越的性能表現(xiàn)和極低的推理時(shí)延使其廣泛應(yīng)用于快手財(cái)報(bào)解讀等多種場(chǎng)景，并在快手平臺(tái)吸引了超200萬(wàn)粉絲的關(guān)注。

　　同時(shí)，針對(duì)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(tái)，支持超1000種數(shù)字人形象，用戶(hù)只需提供3分鐘視頻素材，即可完成個(gè)性化數(shù)字人的生成。

　　萬(wàn)鵬飛介紹，除形象生成外，該平臺(tái)融合了語(yǔ)音、圖像及大模型等多種人工智能技術(shù)，具備直播/離線(xiàn)視頻制作、配套腳本生成、素材管理等能力，打造低門(mén)檻、智能化的內(nèi)容生產(chǎn)體驗(yàn)。一方面，平臺(tái)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(shí)驅(qū)動(dòng)快速開(kāi)播，打造7×24小時(shí)日不落直播間，增強(qiáng)用戶(hù)觀(guān)看體驗(yàn)；另一方面，對(duì)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(wàn)路以上直播間并發(fā)。目前，“快手智播”平臺(tái)服務(wù)商家數(shù)已破萬(wàn)，數(shù)字人直播及短視頻日均消耗規(guī)模超2000萬(wàn)。

　　隨著AI大模型時(shí)代的來(lái)臨，AIGC正在推動(dòng)整個(gè)行業(yè)邁向更加高效、有創(chuàng)意的新紀(jì)元。萬(wàn)鵬飛表示，接下來(lái)，快手也將大力推動(dòng)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(chǎng)景帶來(lái)更大的業(yè)務(wù)收益，也為人們的生活帶來(lái)更多的便利。

　　應(yīng)對(duì)AI技術(shù)迅猛發(fā)展的趨勢(shì)及業(yè)界對(duì)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(lái)，快手也將進(jìn)一步夯實(shí)基座模型硬實(shí)力，持續(xù)堅(jiān)持技術(shù)創(chuàng)新，為推動(dòng)我國(guó)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。