3dai合成主播（全球首个3D版AI合成主播亮相）

　　3dai合成主播（全球首个3D版AI合成主播亮相）
　　大家好，我是AI合成主播家族新成员新小微。
　　整洁的头发，蓝色的正装，新小微坐在新闻台前正经地发话。
　　AI合成主播已不稀奇，但能走动、做手势、换装的3D版AI主播，新小微是全球第一个。
　　刚一上岗，新小微就被安排参与今年全国两会期间进行新闻资讯播报。
　　新小微上岗
　　新小微是新闻界首个由AI驱动，3D技术呈现的AI合成主播，其原型为新华社记者赵琬微。
　　与以前的AI合成主播相比，新小微最大的不同在于其3D特性，丰富了播报形态，可以从不同角度进行全方位的呈现。
　　传统单一景深
　　雷锋网注：新小微进入虚拟演播室（图源新华社）
　　可以看出，此前的AI合成主播大多是坐在特定位置上进行新闻播报，而新小微则能够进行走动、转身等肢体动作。
　　不仅如此，新小微在表情方面也变得多样；不再只有职业假笑，多了一些微表情。
　　雷锋网注：图源新华社
　　不得不说，AI合成主播越来越有人样了。
　　除了增强了立体感和层次感，在智能性方面，新小微也有了新的提升。新小微的项目负责人表示，在人工智能的实时驱动下，3D版AI合成主播可实现功能持续自我更迭。
　　比如说，在变妆装上，新小微可以说比以前的AI主播爱美多了，她的发型、妆容可以根据不同场景、不同新闻报道需要而进行变换。
　　更为甚者，新小微的妆容还细致到看得见毛孔。
　　前面提到，新小微在两会期间将正式上岗，进行可量化生产新闻播报视频。
　　据新华社介绍，只要在机器上输入相应文本内容，新小微就能进行新闻播报，并根据不同的语义生成表情信息和肢体动作。
　　随着新小微越来越智能化，经过不断的迭代，新小微的舞台不仅仅在于演播厅。相关负责人表示：
　　随着3D虚拟场景不断拓展，新小微将走出演播室，在不同场景中更好地满足新闻呈现的多样化需求。
　　如此看来，只要实力够，走出演播厅不是梦。
　　难怪网友们纷纷感叹，可能要失业了。
　　AI主播进入3D时代
　　从表现来看，无论在表情信息、肢体动作、妆容变化，或是在播报新闻的专业能力方面，新小微都优于前者。
　　问题来了，新小微作为AI合成主播的后浪，是借以什么技术将前浪拍在沙滩上的呢？
　　在数字人模型方面，新小微采用了扫描还原、面部肌肉驱动、表情肢体捕捉等技术，使其还原出逼真的头发和皮肤效果。
　　在肢体动作方面，其采集工作就涉及到海量数据，新小微的原型赵琬微需要带着数据采集头盔，有数百个摄像头对其身体部位进行360全方位打点扫描。
　　不仅如此，摄像头的数据采集工作还包含了表情扫描，无论什么形态都能够细致地捕捉，作为新小微诞生的基础。
　　另外，基于搜狗分身的端到端多模态建模技术，新小微的建模训练能够联合语音、图像、文本、3D肌肉运动数据等多模态信息完成。
　　再加以AI算法的驱动，新小微的专业能力得到了进一步提升，其表情变化、唇动、肢体表达都能够跟随语音文本改变。
　　而对于新小微妆容、服装上的改变，则是基于其微模块化的特性。项目负责人进一步解释称：
　　就像拼乐高一样，我们对‘新小微’的各个部位和表情进行了模块化处理，然后重新组装。
　　AI合成主播家族
　　随着新小微的上岗，这意味着新华社的AI合成主播家族又添了新成员。
　　早在2018年11月7日，新华社就迎来了全球首个全仿真智能AI主持人新小浩，以主持人邱浩为原型。
　　据官方统计数据，首位AI合成主播新小浩已在新华社客户端上持续为观众服务500多天，先后产出13000多条新闻报道，累计时长超过35000分钟。
　　搜狗CEO王小川介绍到，该智能AI主持人基于搜狗分身技术，将真人主播的声音、唇形、表情动作等特征进行提取，然后再通过语音合成、唇形合成、表情合成以及深度学习等技术进行克隆。在播报新闻时，只需提供文字，AI合成主播就能进行仿真播报。
　　不过，虽然第一代AI合成主播十分惊艳，但仍存在一些缺憾，如AI合成主播此前原型只有男性，没有女性；合成主播只有面部表情，没有肢体动作等。
　　2019年2月3月，AI合成主播进行了两次版本迭代，由此迎来了全球首位AI合成女主播新小萌。
　　相对于初代AI合成主播，新小萌进一步增强了用户的新闻视听体验，不再局限于坐着播新闻，还增加了一些肢体动作。
　　并且在版本迭代的同时，AI合成主播的定制周期也在不断缩减。由于早期技术尚不成熟，需要用到大量的数据。通过迭代之后，录制时长缩短，且录取的数据也在减少，几个小时的视频资料就可以形成一个逼真形象。
　　从新小浩到新小萌，再到新小微，每一次AI合成主播的现身都会伴随着两种不同的话语声音，在赞叹科技进步之余，也有指出不足的发声。
　　以最新推出的新小微为例，有网友指出，新小微在读到AI时的发音有些别扭；这也从侧面说明了新小微还不够自然，还没能够完全像人一样。
　　但是，技术的发展是需要一点点的量变累积，在不断的迭代升级中完善，而从这一层面来看，