日前，“實時高逼真孿生數(shù)字人關(guān)鍵技術(shù)研發(fā)與應(yīng)用示范”項目啟動會暨實施方案咨詢會在北京理工大學(xué)國際交流中心召開。該項目由北京理工大學(xué)發(fā)起，上�？萍即髮W(xué)、北京大學(xué)、浙江大學(xué)、中科院計算所、中央戲劇學(xué)院、中國傳媒大學(xué)、杭州看潮信息等10家高校以及企業(yè)共同參與。項目圍繞高逼真數(shù)字人技術(shù)，突破光場重建、智能生成與驅(qū)動等業(yè)內(nèi)關(guān)鍵能力，通過構(gòu)建支持產(chǎn)業(yè)發(fā)展的核心硬件、工具平臺以及底層數(shù)據(jù)集等，最終實現(xiàn)內(nèi)容生產(chǎn)到數(shù)字消費的業(yè)態(tài)鏈路暢通，達(dá)成文化與技術(shù)的有機(jī)融合。

　　其中火山語音憑借業(yè)內(nèi)優(yōu)勢的AI語音技術(shù)以及全棧語音產(chǎn)品解決方案能力，參與到該項目課題三“實時高保真孿生數(shù)字人通用開發(fā)平臺”的建設(shè)中，并與江南游戲工作室合作，通過整合交互理解、智能對話管理、智能驅(qū)動三大模塊，構(gòu)建支持定制化并適用于多樣場景的數(shù)字人智能“對話”系統(tǒng)，實現(xiàn)多模態(tài)交互對話。

　　例如在交互理解方向，該模塊集成了多語種自然語言識別以及多模態(tài)交互意圖識別功能；在智能對話管理模塊，則集成了情境定制管理、對話工廠、意圖管理、QA問答管理、閑聊模塊等對話管理鏈路；在智能驅(qū)動模塊，包含了情緒表情生成能力、唇型視素生成能力、肢體動作自動生成能力、支持“多語言+多音色”的語音合成能力，以及音樂驅(qū)動舞蹈動作生成能力等；智能對話系統(tǒng)最終輸出語音、口型、表情、動作至云端渲染引擎，實現(xiàn)超寫實數(shù)字人的擬人化交互表達(dá)。

　　對此火山語音團(tuán)隊負(fù)責(zé)人馬澤君表示，未來通過參與這個科技項目研發(fā)產(chǎn)出的一系列創(chuàng)新技術(shù)將由火山語音加速達(dá)成實踐落地，并由火山引擎對外提供服務(wù)，不斷探索 AI 與業(yè)務(wù)場景的高效融合，產(chǎn)出行業(yè)標(biāo)桿案例，提升音頻理解、音頻合成、數(shù)字人驅(qū)動、對話交互等AI語音技術(shù)能力的同時，以實現(xiàn)更大的產(chǎn)業(yè)價值。