成本降到千元級別、12小時出demo、可自行定制“數(shù)字分身”……數(shù)智人生產(chǎn)有了可批量復制的“生產(chǎn)工廠”。

(相關資料圖)

4月25日，騰訊云智能小樣本數(shù)智人生產(chǎn)平臺首次對外發(fā)布，平臺具有訓練樣本小、生產(chǎn)效率高、自動化生產(chǎn)等特性，可以實現(xiàn)“自助式”數(shù)智人生產(chǎn)制作。 3分鐘真人口播視頻、100句語音素材，平臺便可通過音頻、文本多模態(tài)數(shù)據(jù)輸入，實時建模并生成高清人像，在24小時內(nèi)制作出與真人近似的“數(shù)智人”。

以知識分享口播視頻生產(chǎn)為例，小樣本數(shù)智人可以代醫(yī)生、律師等專業(yè)人士出鏡，大大節(jié)省視頻錄制時間。

數(shù)智人的價格、生產(chǎn)周期的下降，離不開通用模型的進步。

曾經(jīng)訓練每一個數(shù)智人，需要幾十小時甚至更長時間的語料、視頻素材，而用通用模型的學習，每一個新的數(shù)智人的定制，包括形象、音色等，邊際成本會有所下降，逐漸成為固定成本。同時，數(shù)智人的生產(chǎn)周期也大大下降，曾經(jīng)是以月為級別，如今一天內(nèi)就能生成。

因為標注數(shù)智人的成本較高，騰訊在技術的構建里，引入了自監(jiān)督機制，“讓數(shù)據(jù)自己約束自己，可以省掉很多數(shù)智人標注時間。”

騰訊優(yōu)圖實驗室研究總監(jiān)汪鋮杰介紹，早期做3D重建時，需要自己設計一套表情，再用3D掃描，才能獲得一個3D人臉，需要花費半個小時到一個小時，一天能夠采集的人的數(shù)量有限。而采用了自監(jiān)督模式后，生成效率就會大大提高，數(shù)據(jù)量提高后，模型的表達能力也會提升。再通過自監(jiān)督學習的方式，去消化大量數(shù)據(jù)，構成預訓練模型。另外，生成模塊中，3D重建渲染出來變成自然圖像，最后也會以自監(jiān)督學習的模式變成自己學習，達到消化大數(shù)據(jù)，通用預訓練模型的效果。

另一個降低成本的方式是提高自動化生產(chǎn)能力。比如，原來一個人有50-200多個表情，挨個制作較為麻煩，現(xiàn)在重建算法，自動去生成標準，就能加快整個制作過程。

“小樣本數(shù)智人，看到的小，但是背后是大，是基于自監(jiān)督技術，構建大的數(shù)據(jù)、大的模型。現(xiàn)在是3分鐘，可能過幾個月變成1分鐘了，大模型持續(xù)去消化更多的數(shù)據(jù)，模型會變得更大。”汪鋮杰說。

目前，“數(shù)智人工廠”大多還是面向企業(yè)端用戶、特殊名人定制等方向，由于個人投入的商業(yè)模式較為模糊，出于算力成本、制作成本等考慮，開放時間未明。

“（C端個人用戶）整體的落地，一個是時間成本，一個是金錢成本，還有一個是穩(wěn)定性，這三個如果都解決了，對于個人來說做自己的數(shù)智分身都是觸手可及的。我們會變成自助式的，客戶可以自己開賬號，下單，購買，上傳素材，自己訓練，確認效果好不好，后續(xù)就是一站式的，自己獨立式的生成。”騰訊云智能數(shù)智人產(chǎn)品總經(jīng)理陳磊說。

撰文 | 趙子坤

編輯 | 董雨晴