虚拟主播|逐渐破圈后，虚拟主播距产业成熟有多远？( 三 ) 二次元|科大讯飞

过去多年，技术成本一直是行业难题。以单次成本来看，虚拟主播视觉设计方面所要用到的动作捕捉、表情捕捉、实时渲染等设备，少则数万多则数十万，几分钟视频成本则超过100万，对个人或者小型团队来说，几乎难以承担。

同时， 2D真人虚拟主播相比二次元虚拟主播，需要更强的技术支撑，以此满足高时效性、高反应度的实时呈现，达到“以假乱真”画面效果——这也是目前绝大部分虚拟主播，都选择二次元领域，只有科大讯飞、百度、阿里等少部分科技企业，选择在2D真人虚拟主播方向发力主要原因。

大厂入局带来的改变很明显，依靠动捕、交互等AI技术的多年积累，为用户提供平台和工具，让虚拟主播技术成本、门槛明显降低，最终让虚拟主播实现了可快速批量生产IP ，降本增效。

以科大讯飞为例，去年全球1024开发者节上，董事长刘庆峰透露科大讯飞5分钟就可以生成一个虚拟主播。今年全球1024开发者节发布业界首个虚拟人交互平台后，刘庆峰表示1分钟就可以定制一个虚拟主播。

从5分钟到1分钟定制1个虚拟主播，意味着企业、创业者、个人用户都可以通过虚拟人交互系统低门槛定制虚拟形象，从降低生产成本来说无疑是一个重大提升——背后，主要得益于科大讯飞在AI技术上的20多年沉淀，在语音识别、语义理解等多种AI技术上的领先，以及AI技术本身的不断创新、迭代升级。

02
从1到10 ，虚拟主播产业成熟挑战
随着虚拟主播逐渐破圈， B端品牌合作到C端流量变现的商业模式，最近两年也逐渐清晰，因此成为国内创业风口，出现了不少专门运营、营销虚拟主播的公司。

比如虚拟艺人厂牌VirtuaReal下属艺人七Nana7mi ，今年双11售卖同款外套，当日成交额超过130万。这意味着，虚拟主播带来新的商业价值有很大可能性。

不过，迄今为止， “柳夜熙”、洛天依在国内都只有一个，更别说创造出像初音未来、绊爱这样在全球二次元爱好者有极高影响力的虚拟角色。而在TOB上的应用，大部分也只是停留在播报、主持等初级阶段。

相比日本早就形成标准化的成熟产业链，目前国内虚拟主播产业整体还在初级阶段，想从1到10走向成熟，在技术、内容、商业化、产业链上都还有很多挑战。

技术是虚拟主播最底层的逻辑，也是用户体验关键。尽管现在国内AI虚拟主播一般都能够自行学习，可以通过语音、文字反馈等方式和用户进行交互，但在如何更好凸显人设、性格等方面，比如对细节、生活化等特征的理解和打磨上，让虚拟主播拥有极强偶像效应，以及更强感染力、更交互，还有不少距离。

这方面技术门槛相当高。以科大讯飞虚拟人交互平台为例，从建立人物模型开始，要经过原画设定、模型建模、骨骼表情绑定等诸多复杂步骤。一句语音反馈，不只是将文本“翻译”为语音输出，还要通过算法生成人物五官微表情，动态调整虚拟人的嘴型、眼部细节、面部肌肉等。还要通过大量训练， AI才能更懂人物表情语言，在说某句话时，根据场景自动预测表情，最终才能呈现出媲美真人的面部特征。

对于技术而言，最难理解的是人类行为和情感。科大讯飞相关人士就表示，对于AI交互产品来说，只有综合利用多模态信息才能更准确地理解人类行为。但现阶段受限于语义鸿沟、异构鸿沟、数据缺失等原因，多模态研究还有一定难度。