Humano digital de alta persuasión: basado en el modelo multimodal Wenxin, con generación de guiones y voz y apariencia ultrarrealistas 172

¿Qué es un humano digital de alta persuasión?

El humano digital de alta persuasión es un producto de humano digital presentado por Li Yanhong, fundador del Grupo Baidu, el 25 de abril de 2025 durante la Conferencia Baidu Create. El humano digital de alta persuasión tiene una voz y apariencia ultrarrealistas, contenidos más profesionales e interacciones más flexibles, ofreciendo una experiencia que supera a la de una persona real. Está creado por la plataforma de comercio electrónico de Baidu "Huiboxing" (慧播星), se basa en el modelo grande Wenxin 4.5 y cuenta con capacidad de "generación de guiones", lo que permite que las expresiones, el tono y los gestos se ajusten en tiempo real según las líneas de diálogo, haciendo que los cambios emocionales y de acción resulten naturales y fluidos. Por ejemplo, el humano digital generado por Baidu tiene una apariencia, voz, movimientos y expresiones muy realistas, casi iguales a los de una persona real.

Tecnologías centrales del humano digital de alta persuasión

• Coincidencia multimodal dirigida por guiones: con la ayuda de un modelo de lenguaje grande se generan guiones que incluyen líneas de diálogo, etiquetas visuales y etiquetas de voz. Al generar las líneas de diálogo, se generan de forma sincronizada información sobre los movimientos, expresiones y tono del humano digital, alineando la posición de cada modalidad para lograr una coincidencia multimodal y alineación posicional, generando un humano digital expresivo y con forma y espíritu integrados.

• Coordinación multi-agente: el humano digital puede, según la popularidad en tiempo real y la conversión del livestreaming, coordinar de forma flexible a asistentes de retransmisión, controladores de escena, operaciones y otros roles para impulsar la conversión, como cambiar las imágenes de cámara en el momento adecuado y desplegar imágenes y materiales de vídeo, logrando que "una persona sea todo un equipo de marketing". Por ejemplo, en un livestreaming de coches, mientras el presentador humano digital explica, el asistente muestra de forma sincronizada el 3D del modelo del coche, aumentando la eficiencia de conversión un 40%.

• Fusión multimodal de alto nivel: puede replicar perfectamente a una persona real y la decoración del estudio de retransmisión. Baidu ha desarrollado un modelo grande de generación de vídeo para humanos digitales, que utiliza señales multimodales como vídeo, guion y voz para la generación altamente controlable del humano digital, y luego genera contenido de vídeo de duración suficiente mediante alineación en el espacio de imágenes.

• Síntesis de voz orientada a escenarios de humanos digitales: basada en el modelo grande Wenxin, predice el estilo, la emoción y el ritmo prosódico del texto, y mediante un modelo grande de síntesis de voz autocontrolada por texto logra una síntesis que sigue instrucciones, controlando efectos de sonido suaves y fluidos, y combinando el texto del livestreaming y la información del hablante para sintetizar una voz natural y fluida.

Escenarios de aplicación del humano digital de alta persuasión

• Livestreaming de comercio electrónico: este es un campo de aplicación importante del humano digital de alta persuasión. Puede retransmitir sin cansarse, cubriendo todo el proceso, desde la explicación del producto hasta la creación de ambiente. Por ejemplo, en un livestreaming de cosmética, la tasa de conversión del humano digital como guía de compras es un 25% superior a la de una persona real; "Rongrong Jingzhi Shenghuo" (溶溶精致生活) utiliza el humano digital de Huiboxing para retransmitir, alcanzando un GMV mensual de más de 150.000 yuanes y un aumento de ingresos del 30%; "Meili Jiajufu Gongchang" (美丽家居服工厂) logró un crecimiento del GMV del 60%; la marca de cosmética y cuidado personal "Zuoyan Youse" (左颜右色) utiliza el humano digital para mostrar pruebas de maquillaje, alcanzando un GMV por sesión de más de 290.000 yuanes y una tasa de conversión en el livestreaming un 60% superior. El humano digital también puede tomar decisiones automáticas según la retroalimentación en tiempo real del livestreaming, como发放 cupones o cambiar de producto.

• Otros campos: actualmente el sistema de humanos digitales se está expandiendo a múltiples sectores y se aplica ampliamente en escenarios verticales como el legal, la educación, las finanzas y el automotriz. Algunos concesionarios de coches utilizan humanos digitales para presentar modelos y responder preguntas interactivas; en livestreamings de libros, el humano digital puede citar textos clásicos; al vender productos de salud, puede combinar datos como los niveles de glucosa del usuario para hacer recomendaciones personalizadas. "Fa Zai Xinjian" (法在心间), del sector legal, ha incorporado un proyecto de humano digital para abogados que, apoyado en la creación de guiones de Huiboxing y en la base de conocimientos del modelo grande, responde con precisión a preguntas legales y evita palabras de riesgo, reduciendo tras su lanzamiento el coste de obtención de leads en un 75% y multiplicando el volumen de leads casi por 5.

Ventajas del humano digital de alta persuasión

• Baja barrera de entrada: Huiboxing de Baidu ofrece una función de "clonación con un solo clic"; el usuario solo necesita grabar un vídeo de livestreaming de un mínimo de 2 minutos, subirlo para entrenarlo y obtendrá su propio humano digital exclusivo, permitiendo que cualquiera pueda ser presentador. También puede utilizar ai para redactar guiones de livestreaming y crear un estudio personalizado.

• Bajo coste: actualmente, el coste mensual medio de retransmitir con el "humano digital de alta persuasión" se mantiene por debajo de los mil yuanes, ahorrando aproximadamente un 80% frente al livestreaming tradicional. El coste tecnológico del sistema también está disminuyendo, reduciéndose alrededor de dos tercios en el último año. Dentro de la plataforma Baidu, con el apoyo del propio sitio, los comerciantes pueden empezar a retransmitir prácticamente sin coste.

Tutorial de uso del humano digital de alta persuasión

1. Grabar vídeo: abre la APP Baidu, busca "Huiboxing" (慧播星) y haz clic en "Inicio de retransmisión con un clic desde el móvil" y "Crear humano digital". Graba con el móvil un vídeo de 2 a 3 minutos en el que aparezcas en pantalla; el vídeo requiere que se vea tu rostro durante todo el tiempo y no hace falta preparar equipo profesional.

2. Elegir o personalizar el personaje, el tema y el guion: mientras esperas a que se suba el vídeo, puedes elegir uno de los personajes ya preparados por Huiboxing, como asesoría emocional o recomendación de libros, y la IA generará automáticamente la guía del personaje, el tema del livestreaming y el guion. También puedes personalizar el personaje, por ejemplo, entusiasta del fitness, y elegir la opción "La IA me ayuda a escribir" para generar el guion; todo el proceso de generación del guion dura menos de 2 minutos.

3. Esperar a que se complete la creación del humano digital: el tiempo de producción suele ser de unas 3 horas; una vez finalizado, se notificará por SMS y la página también indicará el horario de inicio de la retransmisión.