新紀錄背后，百度揭秘羅永浩數(shù)字人直播帶貨的“升級密碼”

今年的618，李佳琦、辛巴、董宇輝等超頭主播集體“隱身”，而數(shù)字人直播卻趁勢崛起。

6月15日，羅永浩數(shù)字人在百度優(yōu)選“6·18”專場首次開播。這場數(shù)字人直播時長6個小時，吸引了超過1300萬人次圍觀。同時也是行業(yè)頭部主播首次用數(shù)字人超時長直播帶貨，創(chuàng)下了數(shù)字人直播帶貨單場GMV突破5500萬元的新紀錄，部分核心品類帶貨量反超真人直播。

老羅的數(shù)字人直播是如何生成的？這其中又有哪些技術突破？數(shù)字人直播未來發(fā)展如何？在6月17日百度AI Day開放日活動上，百度相關負責人詳解了這些問題。

百度副總裁、電商總經(jīng)理平曉黎在此次活動表示，今年4月百度發(fā)布的高說服力數(shù)字人已讓數(shù)字人帶入 3.0 時代，這是一個新的里程碑，標志著智能電商邁入新篇章，新一代高說服力數(shù)字人成為了一個像真人一樣，形神音容高度協(xié)調(diào)、會思考決策、能協(xié)作完成特定任務的超級智能體。“百度的羅永浩數(shù)字人已達到媲美超頭主播的體感效果，隨著大模型與多模能力發(fā)展，數(shù)字人未來超越真人效果極具潛力”，她補充道。

在高說服力數(shù)字人的基礎之上，百度電商慧播星再一次迭代，圍繞慧播星首席體驗官羅永浩，發(fā)布了業(yè)界首個超頭主播的數(shù)字人，并實現(xiàn)了體驗、內(nèi)容、視覺、效果的四大突破，使得數(shù)字人帶貨能力媲美真人。

具體來看，首先是體驗突破，通過復刻羅永浩跟朱蕭木的絲滑配合，上線了業(yè)界首個雙數(shù)字人互動直播間，給營銷轉化和C端體驗，打開了新的想象空間；二是內(nèi)容新突破，得益于文心4.5T的升級，通過深度訓練，使數(shù)字人做到了“懂創(chuàng)作”，帶貨時塑品專業(yè)度更高，數(shù)字人可以“有個性”，甚至能“玩?！?，為數(shù)字人注入靈魂；三是視覺新突破，這次的羅永浩數(shù)字人直播，是業(yè)內(nèi)首個多模態(tài)高度融合的數(shù)字人應用場景，實現(xiàn)了在直播實時環(huán)境下的超長演繹，做到了動作、表情、語調(diào)等貼合話術，且穩(wěn)定可控；四是效果新突破，AI大腦基于直播間信號靈活控場，數(shù)字人可以主動邀評、高頻互動，極大提升用戶沉浸感；通過多智能體實時調(diào)度，在數(shù)字人直播間實現(xiàn)了和真人直播間一樣的互動玩法，如抽獎、發(fā)福袋等；強大的運營場控能力、多樣化營銷手段，有效提升用戶轉化。

“為了支撐本次羅永浩數(shù)字人的突破，慧播星重磅升級了新版本，實現(xiàn)了劇本、動作、聲音、腳本、問答、互動等維度的全方位升級?！卑俣入娚躺虡I(yè)業(yè)務部負責人、數(shù)字人創(chuàng)新業(yè)務部負責人吳晨霞對羅永浩數(shù)字人的誕生過程也進行了揭秘，通過羅永浩、朱蕭木的海量數(shù)據(jù)訓練生成數(shù)字人主播，同時結合商品特性與羅永浩人設量身定制直播劇本，實現(xiàn)了神形音容全模態(tài)高度統(tǒng)一，還原了羅永浩、朱蕭木的慣性動作、表情等，做到如同真人一樣自然。在此基礎上，慧播星以大師級的創(chuàng)作能力，生成人物高光片段，復刻羅氏幽默，在直播中能夠接梗、玩梗，使得數(shù)字人表現(xiàn)力有了真人般的魅力。

此外，本次突破技術難題的雙人劇本，實現(xiàn)了雙數(shù)字人的默契配合，屬于行業(yè)首創(chuàng)。最后，慧播星作為業(yè)界首家實現(xiàn)「AI大腦」多智能體調(diào)度的產(chǎn)品，實現(xiàn)了靈活場控，并支持一個數(shù)字人直播間上線多種玩法，有效提升了用戶轉化。羅永浩數(shù)字人首秀大捷，標志著慧播星產(chǎn)品力邁向全新階段。

對于業(yè)內(nèi)關心數(shù)字人直播技術問題，百度集團副總裁吳甜在活動上也系統(tǒng)性地介紹了多模協(xié)同的數(shù)字人技術。吳甜稱，百度研制的多模協(xié)同的數(shù)字人技術，基于文心4.5T實現(xiàn)了融合多模規(guī)劃與深度思考的劇本生成，由劇本驅(qū)動數(shù)字人多模協(xié)同，實現(xiàn)動態(tài)決策的實時交互，使數(shù)字人的“神、形、音、容、話”達到高度統(tǒng)一。最終呈現(xiàn)出一個具備高表現(xiàn)力，內(nèi)容吸引人，人-物-場可自由交互的超擬真數(shù)字人。

據(jù)她介紹，劇本生成技術包含臺詞生成、多模驅(qū)動和動態(tài)交互三部分。以羅永浩數(shù)字人劇本為例，基于文心大模型4.5 Turbo生成的劇本，充分展現(xiàn)了主播的個人特色，具備典型的羅氏幽默風格，并能夠?qū)崿F(xiàn)雙人主播的內(nèi)容協(xié)同，動態(tài)實現(xiàn)豐富的實時互動。通過文本自控的語音合成大模型，實現(xiàn)高復原的語音合成能力，再結合直播臺詞及發(fā)音人特征，合成風格恰當、自然流暢的聲音。為解決羅永浩數(shù)字人直播雙人聲音配合的難點，百度采用對話上下文編碼器，將對話歷史輸入和當前對話進行語音合成的統(tǒng)一推理計算，最終實現(xiàn)流暢、自然的雙人對話效果。在數(shù)字人形象生成以及驅(qū)動方面，通過結合多模態(tài)視頻理解、跨模態(tài)信號生成、視頻生成等技術，克服了高可控交互，高精度、長時間一致性保持等難點，實現(xiàn)了高一致性超擬真羅永浩數(shù)字人長視頻生成。

吳甜表示，百度在今年4月發(fā)布了最新的文心 4.5 Turbo和文心X1 Turbo，羅永浩數(shù)字人是基于文心大模型的最佳實踐。百度在大模型技術的持續(xù)探索和創(chuàng)新，將為用戶帶來更優(yōu)質(zhì)的體驗、為行業(yè)帶來更具創(chuàng)新力的業(yè)務模式。

會上，平曉黎正式宣布，羅永浩將正式擔任百度慧播星首席產(chǎn)品體驗官，羅永浩在入駐百度優(yōu)選進行真人直播帶貨外，其數(shù)字人也將不定期開播、常態(tài)化為用戶帶來更多福利。羅永浩的數(shù)字人作為新一代高說服力數(shù)字人的首秀，引發(fā)了用戶側的廣泛討論與行業(yè)熱議，特別是用戶的轉化效果媲美真人，意味著用戶對于數(shù)字人的接受度已經(jīng)被驗證。

此外，百度電商還推出兩大計劃：夢蝶計劃將通過流量扶持，超頭主播數(shù)字人打造、預算扶持，實現(xiàn)百度優(yōu)選超頭主播的數(shù)量倍增；繁星計劃則將再次追加10萬個慧播星數(shù)字人，投入1億元數(shù)字人消費補貼、千萬級別的運營扶持，幫助更多的普通人、中小企業(yè)開啟數(shù)字人直播。