交互|中信建投证券：看虚拟人浪潮背后的投资逻辑及机遇( 二 ) 大连理工大学|多学科|伦理|建

具体来说，虚拟数字人可拆分为三大核心要素：“虚拟”，“数字”和“人”，其中，人是最核心的要素，是否能高度拟人化，提供自然逼真的相处体验是虚拟人在各个场景能否落地的关键。所谓拟人化，关键有三点：其一，外表是否高度“拟人”，虚拟数字人的面部长相和整体形象。会受到虚拟数字人类别、制作细节、渲染水平、设计审美等影响；其二，行为是否“拟人”：具体行为包括面部表情、形体表达、语音表述等会受到驱动方式、驱动模型类别、训练数据、驱动模型精度等影响，呈现不同程度的逼真效果；其三，交互能力上是否“拟人”：虚拟数字人与现实世界的交互水平，就是拥有人的思想，具有识别外界环境、并能与人交流互动的能力，包括回答内容、肢体反应等，会受到语音识别能力、自然语言理解及处理水平、知识图谱、预先设置知识库等影响。
1.1 虚拟数字人的发展历程：技术成熟驱动行业发展，场景内容不断丰富
虚拟人这一概念并不是到今天才出现的，从20世纪80年代开始，人们就开始在现实世界尝试引入虚拟人。起初的虚拟人技术主要是以手工绘制为主，日本动画《超时空要塞》播出后，动画官方以女主角林明美的名义将剧中插曲按照偶像专辑进行发售，她被看作全球首个“虚拟歌手”。由英国人创作的虚拟人Max Headroom也拍摄了多部电影和广告片。值得注意的是，这些虚拟人都是呈散点状出现，并且一时喧嚣后没有在社会上引发更大的水花，因此这一阶段的虚拟人还处在萌芽阶段。
21世纪初，随着CG、动作捕捉技术革新，虚拟人进入探索期，落地场景主要以影视娱乐行业为主。在影视方面，利用动作捕捉技术，经过计算机处理得到虚拟角色，用于电影制作中的数字替身。虚拟偶像方面，日本开发了第一款被广泛认可的虚拟人“初音未来”，她在商业领域的现象级成功使得虚拟偶像加速向产业化、职业化方向迈进，并开拓出了更多的细分领域。但这一阶段的虚拟人虽然达到实用水平，但造价较高，呈现形式也相对粗糙。
在最近 5 年，得益于人工智能技术的突破，虚拟人的制作得以简化、可交互性更强，进入了发展的快车道。当前更是在建模的精细度、动作捕捉和 AI 交互不断提升，虚拟人以达到写实级逼真程度，且具备情感表达和沟通交流的能力。近年来，虚拟人已经在更多的场景落地，已成功应用至银行、医疗、教育、政务、通信各行各业，逐渐进入主流市场。IP虚拟人方面，海外各类Vtuber，国内Bilibili等平台的Vup涌入市场；非IP虚拟人方面：这一阶段，一些科技公司已经着手布局虚拟人赛道，例如：新华社与搜狗联合发布“AI合成主播”，浦发银行和百度共同发布提供及融服务的数字员工“小浦”。
从2020年至今，踩着元宇宙概念爆发的红利，越来越多的虚拟数字人如雨后春笋般涌现出来，商业价值逐步显现。除了娱乐公司与MCN机构，各头部大厂也纷纷入局这一赛道，布局不同类型的虚拟人IP，虚拟数字人正成为“Z世代”在各大社交平台上追逐崇拜的形象。目前，虚拟数字人正朝着智能化、便捷化、精细化、多样化发展，步入成长期。

文章插图
1.2 技术架构：真人驱动与计算驱动，双技术路线共同推进
当前虚拟数字人仍处在急速发展期，尚未形成统一的系统框架。我们引用人工智能产业发展联盟的框架，将虚拟数字人的通用系统分为5个部分：人物形象、语音生成、动画生成、音视频、合成显示、交互等。交互模块为扩展项，可智能识别用户意图，决定其后续语音和动作，驱动数字人下一轮交互。根据是否有交互模块分为非交互型虚拟数字人和交互型虚拟数字人，后者又根据驱动方式的不同分为真人驱动型和计算驱动型。非交互型虚拟人相对运作流程较简单，发展相对较早，目前布局的厂商也比较多。但未来的发展趋势整体还是着重于交互型虚拟人。