什么是虚拟数字人？

图中扎着马尾辫、背着双肩包，漫步校园的是清华大学计算机系“学生”、清华大学首位虚拟数字人——华智冰。那么，什么是虚拟数字人？又是怎样的技术让虚拟数字人如此逼真？

清华大学计算机系“学生”华智冰

（图源：《知识就是力量》杂志）

陪伴在虚拟空间的“朋友”

虚拟数字人存在于电脑和网络世界中，你可以和它们交流，它会慢慢“了解”你的习惯，变得越来越“懂”你。为了让这些虚拟朋友更真实，科学家开发了一系列技术。

（图源：《知识就是力量》杂志）

听懂你在说什么

听懂的背后是自然语言处理技术在起作用，它包括语音识别、语言理解、语言生成等技术，这让虚拟数字人可以理解并生成自然语言。

此外，为了让虚拟数字人的表情和动作更生动，科学家利用面部表情和身体动作捕捉技术，对人类运动数据进行采集和分析，从而控制虚拟数字人的运动和行为。这样，它们就能以更自然和有趣的方式与人交流了。

情绪“补给站”

当涉及情感交流时，情感识别技术就派上了用场。这项技术不仅可以通过收集用户的说话内容、语音语调、面部表情等信息分析其情感状态，还会给予适当的情感反馈。

理解你的意图

为了让虚拟数字人能够记住用户喜好并提供更好的服务，深度学习技术对大量数据进行学习和分析，使虚拟数字人可以自主改进行为。

在自然人与虚拟数字人交流的过程中，自然语言理解技术可以使虚拟数字人理解用户输入的自然语言，并作出回应。近年来，大语言模型的横空出世也为人机交互的智能性带来新的突破。

活灵活现的“人”

熟悉的声音

在自然语言理解并生成回复文本基础上，语音合成技术可以将文字内容生成为音频，让虚拟数字人说出的话更自然。

从输入信息到虚拟数字人输出内容所需的处理技术（图源：《知识就是力量》杂志）

早期的语音合成技术使用的是单元拼接合成，即先构建语音片段数据库，然后选择合适的语音片段拼接成想要的语音。

随着深度学习技术的不断成熟，深度神经网络被用来学习文本与语音之间的“复杂关系”，利用大量的训练数据学习如何从文本生成更自然的语音。并且，随着深度学习模型的更新迭代，现在最新的模型已经可以做到使用某个同学的几条语音片段，就能“克隆”出这个同学的声音，实现从文本到声音的转换。

人工智能技术幻化成“人”

3D建模技术是创建虚拟数字人的外观和形态的基础。建模软件可以创造出栩栩如生的虚拟形象；运动学引擎可以模拟虚拟人的运动和动作，让行为更加真实和流畅；关节驱动技术和程序驱动技术，则为虚拟数字人提供了直观的交互体验和高度自定义的行为控制。

撰文 | 李雅  高迎明

责任编辑 | 王佳璇 段阳阳

运营编辑 | 段阳阳