【ITBEAR】在合肥奧體中心，第七屆世界聲博會(huì)暨科大訊飛全球1024開(kāi)發(fā)者節(jié)盛大開(kāi)幕，科大訊飛借此機(jī)會(huì)展示了其最新的多模態(tài)視覺(jué)交互技術(shù)和超擬人數(shù)字人。這一創(chuàng)新不僅震撼了行業(yè)，也預(yù)示著數(shù)字人技術(shù)的新篇章。
科大訊飛研究院院長(zhǎng)劉聰在活動(dòng)現(xiàn)場(chǎng)演示了如何通過(guò)一張照片快速生成超擬人數(shù)字人，這一技術(shù)極大簡(jiǎn)化了數(shù)字人的定制流程，降低了應(yīng)用門(mén)檻。用戶只需上傳個(gè)人照片，便能獲得一個(gè)高度擬真的數(shù)字人形象。
除了形象定制，科大訊飛還推出了情感貫穿的多模態(tài)交互技術(shù)，使數(shù)字人能夠根據(jù)語(yǔ)境實(shí)時(shí)調(diào)整表情，實(shí)現(xiàn)更自然的情感表達(dá)。這一技術(shù)讓數(shù)字人的面部表情更加生動(dòng)，情感傳遞更加準(zhǔn)確。
在肢體動(dòng)作驅(qū)動(dòng)方面，科大訊飛也實(shí)現(xiàn)了技術(shù)創(chuàng)新。超擬人數(shù)字人的肢體動(dòng)作能夠根據(jù)語(yǔ)音的節(jié)奏、語(yǔ)調(diào)和內(nèi)容實(shí)時(shí)生成，擺脫了預(yù)設(shè)模板動(dòng)作的限制，提升了數(shù)字人在動(dòng)態(tài)場(chǎng)景中的表現(xiàn)力。
科大訊飛還采用了中間表征壓縮技術(shù)，提升了數(shù)字人在多場(chǎng)景下的實(shí)時(shí)交互能力。這一技術(shù)有效壓縮了視頻維度，減少了計(jì)算量，保障了數(shù)字人與用戶的實(shí)時(shí)互動(dòng)。
科大訊飛數(shù)字人技術(shù)已廣泛應(yīng)用于金融、政務(wù)、文旅、商業(yè)、展會(huì)等多個(gè)領(lǐng)域。訊飛智作作為智能內(nèi)容創(chuàng)作基地，結(jié)合星火認(rèn)知大模型，為用戶提供一站式的虛擬人解決方案，降低了服務(wù)成本，提升了用戶體驗(yàn)。
目前，首發(fā)超擬人虛擬人的內(nèi)測(cè)通道已在訊飛智作小程序上開(kāi)放。依托星火大模型的基座能力，用戶可以實(shí)現(xiàn)任意一張照片的快速驅(qū)動(dòng)生成，定制屬于自己的超擬人數(shù)字人。
