Помощник сценариста▸ 
AI Приложения 
AI Новости Высокоубедительный цифровой человек: на базе мультимодальной модели Wenxin с генерацией сценариев и сверхреалистичной речью и внешностью
小编 ·
Высокоубедительный цифровой человек: на базе мультимодальной модели Wenxin с генерацией сценариев и сверхреалистичной речью и внешностью
Что такое цифровой человек с высокой убедительностью?
Цифровой человек с высокой убедительностью — это продукт цифровых людей, представленный основателем Baidu Ли Янхуном 25 апреля 2025 года на конференции Baidu Create. Цифровой человек с высокой убедительностью обладает сверхреалистичными голосом и внешностью, более профессиональным контентом и более гибким взаимодействием, способен обеспечить опыт, превосходящий живого человека. Он создан на платформе Baidu для электронной коммерции «Huibostar» и основан на большой модели Wenxin 4.5. Обладает способностью «генерации сценариев», позволяющей выражениям лица, интонациям и движениям подстраиваться под реплики в реальном времени, обеспечивая естественные и плавные эмоциональные переходы и смены движений. Например, цифровой человек, сгенерированный Baidu, очень реалистичен по внешности, голосу, движениям и мимике — практически неотличим от живого человека.
Ключевые технологии цифрового человека с высокой убедительностью
Мультимодальное сопоставление на основе сценариев: с помощью большой языковой модели генерируются сценарии, включающие реплики, визуальные и голосовые метки. При генерации реплик одновременно формируются данные о движениях, мимике и интонации цифрового человека, обеспечивается выравнивание позиций между модальностями, реализуется мультимодальное сопоставствие контента и позиционное выравнивание, что позволяет создавать выразительных цифровых людей с гармоничным сочетанием формы и духа.
Координация нескольких интеллектуальных агентов: цифровой человек способен в зависимости от текущей популярности и уровня конверсии в прямом эфире гибко координировать роли ассистента ведущего, управляющего студией, оператора и других для стимулирования конверсии — например, своевременно переключать ракурсы камеры, демонстрировать изображения и видеоматериалы, реализуя концепцию «один человек — целая маркетинговая команда». Например, в одном автомобильном прямом эфире, когда цифровой ведущий представлял информацию, ассистент одновременно выводил на экран 3D-модель автомобиля, что повысило эффективность конверсии на 40%.
Высокая степень мультимодальной интеграции: позволяет идеально воспроизводить живого человека и оформление студии. Baidu разработала большую модель генерации видео для цифровых людей, использующую мультимодальные сигналы — видео, сценарии, речь — для высококонтролируемой генерации цифрового человека, после чего посредством выравнивания в кинематическом пространстве генерируется видеоконтент достаточной длительности.
Синтез речи для сценариев с цифровыми людьми: на основе большой модели Wenxin прогнозируются стиль текста, эмоции и ритмические колебания. С помощью большой модели управляемого текстового синтеза речи осуществляется синтез с соблюдением инструкций, обеспечивающий плавное и ровное звучание. С учётом текста прямого эфира и информации о дикторе синтезируется естественная и плавная речь.
Сценарии применения цифрового человека с высокой убедительностью
Прямые эфиры в электронной коммерции: это важная область применения цифрового человека с высокой убедительностью. Он способен вести трансляции без устали, охватывая весь процесс — от представления товаров до создания атмосферы. Например, в одной прямой трансляции косметики конверсия цифрового консультанта оказалась на 25% выше, чем у живого человека; аккаунт «Rong Rong Jing Zhi Sheng Huo» использует цифрового человека Huibostar для прямых эфиров, достигая ежемесячного GMV свыше 150 000 юаней и увеличения дохода на 30%; «Mei Li Jia Ju Fu Gong Chang» увеличил GMV на 60%; бренд косметики и средств личной гигиены «Zuo Yan You Se», используя цифрового человека для демонстрации макияжа, получил GMV одной трансляции свыше 290 000 юаней и повышение конверсии в эфире на 60%. Цифровой человек также способен автоматически принимать решения на основе обратной связи в реальном времени — например, раздавать купоны или переключаться на другие товары.
Другие области: в настоящее время системы цифровых людей расширяются на множество отраслей и широко применяются в вертикальных сценариях, таких как юриспруденция, образование, финансы, автомобили. Некоторые автодилеры используют цифровых людей для представления моделей автомобилей и интерактивного общения; в прямых эфирах по книгам цифровой человек способен приводить цитаты из классических произведений; при продаже товаров для здоровья он может давать персонализированные рекомендации, опираясь на данные пользователя, такие как уровень сахара в крови. В юридической отрасли проект «Fa Zai Xin Jian» запустил новую инициативу — цифрового юриста, опирающегося на создание сценариев Huibostar и базу знаний большой модели, способного точно отвечать на юридические вопросы и избегать рискованных формулировок. После запуска стоимость привлечения лидов снизилась на 75%, а количество лидов выросло почти в 5 раз.
Преимущества цифрового человека с высокой убедительностью
Низкий порог входа: Huibostar от Baidu обладает функцией «клонирования в один клик». Пользователю достаточно записать видео продолжительностью от 2 минут и загрузить его для обучения — и он получает собственного цифрового человека, позволяя каждому стать ведущим. Также можно использовать AI для написания сценария прямого эфира, создавая персонализированную студию.
Низкая стоимость: в настоящее время среднемесячные расходы на использование «цифрового человека с высокой убедительностью» для прямых эфиров составляют менее тысячи юаней, что примерно на 80% дешевле традиционного вещания. Технические затраты также снижаются — за прошедший год они сократились примерно на две трети. На платформе Baidu продавцы, благодаря поддержке платформы, могут начинать трансляции практически с нулевыми затратами.
Инструкция по использованию цифрового человека с высокой убедительностью
Запись видео: откройте приложение Baidu, найдите «Huibostar», нажмите «Запуск трансляции в один клик с мобильного устройства» → «Создать цифрового человека». С помощью телефона запишите видео с участием реального человека длительностью 2–3 минуты. Требуется, чтобы на протяжении всего видео было видно лицо; профессиональное оборудование не нужно.
Выберите или настройте персонажа, тему и сценарий: во время загрузки видео можно выбрать подготовленного Huibostar персонажа — например, консультанта по отношениям или книжного блогера — и ИИ автоматически сгенерирует руководство по персонажу, тему трансляции и сценарий. Также можно задать собственного персонажа, например, любителя фитнеса, и выбрать «AI поможет написать» для генерации соответствующего сценария — весь процесс создания занимает менее 2 минут.
Дождитесь завершения создания цифрового человека: создание обычно занимает около 3 часов. После завершения придёт SMS-уведомление, а на странице появится подсказка о времени начала трансляции.
