고설득력 디지털 휴먼: Wenxin 멀티모달 대규모 모델 기반, '대본 생성' 기능으로 음성과 외모가 초현실적 168

고설득력디지털 휴먼이란 무엇인가?

고설득력 디지털 휴먼은 2025년 4월 25일 바이두(Baidu) Create大会上 바이두 창업자 리옌홍(李彦宏)이 발표한 디지털 휴먼 제품이다. 고설득력 디지털 휴먼은 음성과 모습이 극도로 사실적이며, 콘텐츠가 더 전문적이고, 상호작용이 더 유연하여 실제 사람을 초월하는 경험을 제공한다. 바이두 이커머스 "후이보싱(慧播星)" 플랫폼에서 제작되었으며, 원신(文心) 4.5 대규모 모델을 기반으로 "대본 생성" 기능을 갖추고 있어 표정, 어조, 동작이 대사에 맞춰 실시간으로 조정되어 감정 변화와 동작 전환이 자연스럽고 매끄럽다. 예를 들어 바이두가 생성한 디지털 휴먼은 용모, 음성, 동작과 표정이 매우 사실적이어서 거의 실제 사람과 같다.

고설득력 디지털 휴먼 핵심 기술

• 대본 기반 멀티모달 매칭: 대규모 언어 모델을 활용해 대본을 생성하며, 대사, 시각 태그 및 음성 태그 생성을 포함한다. 대사 생성 시 디지털 휴먼의 동작, 표정, 억양 등의 정보를 동시에 생성하여 각 모달의 위치를 정렬하고, 멀티모달 콘텐츠 매칭 및 위치 정렬을 구현하여 표현력이 풍부하고形神兼备한 디지털 휴먼을 생성한다.

• 다중 지능형 에이전트 스케줄링: 디지털 휴먼은 라이브 방송의 실시간 인기도와 전환 상황에 따라 조력 캐스터, 무대 컨트롤러, 운영 등의 역할을 유연하게调度하여 전환을 촉진할 수 있다. 예를 들어 적시에 카메라 화면을 전환하고, 이미지 및비디오 소재를调度하는 등 "한 사람이 곧 하나의 마케팅 팀"을 실현한다. 예를 들어某 자동차 라이브 방송에서 디지털 휴먼 진행자가讲解할 때 조력 캐스터가 동시에3D 차량 모델을 호출하면 전환 효율이 40% 향상되었다.

• 멀티모달 고도 융합: 실제 사람과 라이브 방송 장식을 완벽하게 복제할 수 있다. 바이두가 개발한 디지털 휴먼비디오 생성 대규모 모델은 비디오, 대본, 음성 등 멀티모달 신호를 디지털 휴먼의 고제어 생성에 활용하고,影 공간 정렬을 통해 충분한 길이의 비디오 콘텐츠를 생성한다.

• 디지털 휴먼 시나리오向け 음성 합성: 원신 대규모 모델을 기반으로 텍스트 스타일, 감정 및 운율 변화를 예측하고, 텍스트 자체 제어 음성 합성 대규모 모델을 통해 지시 따르기 합성을 실현하여 음성 효과를 부드럽고 매끄럽게 제어하며, 라이브 텍스트 및 발화자 정보와 결합하여 자연스럽고 매끄러운 음성을 합성한다.

고설득력 디지털 휴먼 활용 시나리오

• 이커머스 라이브 방송: 이는 고설득력 디지털 휴먼의 중요한 활용 분야이다. 피로 없이 라이브 방송을 진행할 수 있으며, 상품 설명부터 분위기引导까지 전 과정을 커버한다. 예를 들어某 화장품 라이브 방송에서 디지털 휴먼导购의 전환율이 실제 사람보다 25% 높았다; "용용 정밀한 생활"은 후이보싱 디지털 휴먼 라이브 방송을 사용하여 월 GMV가 15만+에 달하며 수익이 30% 증가했다; "아름다운 잠옷 공장"은 GMV가 60% 증가했다; 화장품·퍼스널케어 브랜드 "좌안우색(左颜右色)"은 디지털 휴먼을 활용해 메이크업 시연을 진행하여 단일 방송 GMV가 29만+에 달하고 라이브 방송 전환율이 60% 증가했다. 디지털 휴먼은 라이브 방송의 실시간 피드백에 따라 할인 쿠폰 배포, 상품 전환 등 자동 의사결정을 내릴 수도 있다.

• 기타 분야: 현재 디지털 휴먼 시스템은 다중 산업으로 확장 중이며, 법률, 교육, 금융, 자동차 등 수직類 시나리오에 광범위하게 활용되고 있다. 일부 자동차 딜러들은 디지털 휴먼을 활용해 차량 소개 및 상호작용问答를 진행한다; 도서 라이브 방송에서 디지털 휴먼은 경전고典을 인용할 수 있다; 건강 제품 판매 시 사용자의 혈당 등 데이터를 결합한 개인화 추천이 가능하다. 법률 업종의 "법재심간(法在心间)"은 변호사 디지털 휴먼 프로젝트를 신설하여 후이보싱 스크립트 창작 및 대규모 모델 지식 축적에 기반해 법률 문제를 정확히 답변하고 위험 단어를 회피하며, 출시 후 리드 획득 비용이 75% 감소하고 리드량이 거의 5배 증가했다.

고설득력 디지털 휴먼 장점

• 낮은 진입 장벽: 바이두 후이보싱에는 "원 클릭 클론" 기능이 있어, 사용자가 최소 2분의 라이브 방송 비디오를 녹화해 업로드하여 학습시키면专属 디지털 휴먼을 보유할 수 있어 누구나 캐스터가 될 수 있다. ai를 활용해 라이브 방송 스크립트를 작성하도록 하여 개인화된 라이브 방송실을 구축할 수도 있다.

• 저비용: 현재 "고설득력 디지털 휴먼"을 사용한 라이브 방송의 월 평균 비용은 1,000위안 이내로 통제되며, 전통적인 라이브 방송보다 약 80% 절감된다. 시스템 기술 비용도 감소하고 있으며, 지난 1년간 약 3분의 2가 감소했다. 바이두 사이트 내에서 상인은 플랫폼 지원에 힘입어 거의 제로 코스트로 방송을 시작할 수 있다.

고설득력 디지털 휴먼 사용 튜토리얼

1. 비디오 녹화: 바이두 APP을 열고 "후이보싱(慧播星)"을 검색한 후 "모바일 단一键开播" "디지털 휴먼 생성"을 클릭한다. 휴대전화로 2-3분 길이의 실제 사람 출연 비디오를 녹화하며, 비디오는 전 과정에서 얼굴이 보여야 하며 전문 장비 준비는 필요 없다.

2. 인설정, 주제 및 스크립트 선택 또는 사용자 정의: 비디오 업로드를 기다리는 동안 후이보싱에서 준비된 인설정(예: 감성 상담, 독서 공유 등)을 선택할 수 있으며, AI가 자동으로 인설정 가이드, 라이브 방송 주제 및 스크립트를 생성한다. 체형爱好者 등 인설정을 직접 설정하고 "AI가 대신 작성" 스크립트를 선택하여 관련 콘텐츠를 생성할 수도 있으며, 전체 스크립트 생성 과정은 2분 이내이다.

3. 디지털 휴먼 제작 완료 대기: 제작 시간은 일반적으로 약 3시간이며, 제작 완료 후 문자 메시지로 알림이 전송되며, 페이지에도 방송 시작 시간이 표시된다.