百度智能云数字人凭什么领跑中国AI数字人？

百度智能云即将推出超写实实数字人直播平台 “曦灵”。

这个数字人平台究竟如何？又能够给直播行业带来怎样的变化？近日，这个话题在直播带货、营销、娱乐、游戏等领域引发了人们的热议。

一、需求日益增长的数字人

据百度方面透露的信息，即将面世的AI数字人，准确地说应该称为“直播平台内置超高精数字人”。这是一款能够对真人说话时肌肉动态、甚至口型表情进行逼真模拟的数字人。它不但能够支持用户指定的任意妆容、发型、服装和场景，而且还能以“真情实感”进行24小时不间断的直播，为直播行业带来了梦寐以求的“无人值守、全年无休、超清写实”业务能力。

直播行业对此的高度关注，源于日益庞大的市场需求。根据IDC近期 发布的《中国 AI 数字人市场现状与机会分析，2022》报告（以下简称“报告”）显示，我国经济社会各层面对智能数字人的应用需求，都在呈现出快速增长的趋势。

在产业界，为了高质量完成日益繁重的客户服务工作，越来越多企业正在转向AI数字人平台，来提升生产力和创造力，并未用户带来更好的体验；在品牌营销领域，连续工作、“任劳任怨”，同时又不会因为私人生活导致风险的数字人，正在成为最佳的虚拟形象代言人；在银行、公共事业、以及公益服务领域里，AI数字人创造的价值越来越高；而各种娱乐、游戏、带货直播行业里，AI数字人更是不断开辟新玩法，成为业务增长的关键驱动力之一。按照IDC的分析预测，在日益成熟的技术、政策面的激励、以及资本支出的支撑下，我国AI 数字人市场规模正在加速扩张，到2026年极有可能突破百亿。

庞大的市场需求，也反过来促使更多科技企业，不断加大对AI数字人相关技术的研发投入以及产品迭代更新。当前，各大平台都在推出自家版本的AI数字人，积极布局抢占先机。按照IDC的调查研究，我国各行业对AI数字人的应用水平，正在逐步提高。数字人在具体业务应用中，按照自主决策能力和操作精细度，可以划分为L1到L5等5各等级。而多数行业正在使用的数字人，虽然已经可以执行简单决策、并进行较为精准的操作，但在肢体运动、身体姿态、说话口型、表情表达等重要方面，依然存在对算法的过度依赖，难以进行自主决策的问题，因此多数都只能达到L1到L3水准，距离L4-5级别要求的智能化交互能力，还存在一定差距。

而百度推出的AI数字人，却在语音识别、口型、形体、情绪表达等方面均已远远超过行业平均水平。例如，百度智能云的曦灵数字人平台，就在AI 的全栈能力的支撑下，不但具备了高度模拟真人的面部表情、形体表达、语音表述、回答内容、肢体反应、情绪反馈能力，而且由于搭载了百度先进的搭载 SMLTA 语音大模型，使得其语音识别能力做到了98%的准确率。更加引起行业关注的是，该平台在百亿参数对话模型PLATO、以及AIGC 系统的帮助下，还能够与用户进行有情感、趣味的对话，甚至还能作画、作诗、写小说等高智能的创作，成为与用户进行模拟真人交互的不可或缺的平台。