柳夜熙|逐渐破圈后，虚拟主播距产业成熟有多远？( 三 )

文章插图
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。

文章插图
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。
因此，从技术角度来看，未来很长一段时间都需要科大讯飞、阿里这样的技术服务商，加大研发和平台开放力度，提供一站式完整产品服务，面向更广泛领域提供技术支撑，以减少创作者的成本压力。

文章插图
相比不断迭代升级的技术，更困难的是在新鲜劲后，如何将虚拟主播IP持续推广下去。
绊爱宣布退圈，就是最好警示。2018年2月，绊爱出道一年就突破百万粉丝大关，五个月后再次突破了200万大关。然而，截至2021年12月，绊爱粉丝却停滞在298万。
一位虚拟主播业内人士分析，论才艺展示，绊爱无法超越初音未来；论偶像号召力，绊爱无法超过AKB48、乃木坂48这样的真人偶像团体——真人偶像团体粉丝有与偶像近距离接触互动机会，绊爱空有一个形象，难以被触及和感知，存在感实在太过单薄。