數(shù)字化浪潮下,金融業(yè)的商業(yè)模式與服務(wù)形態(tài)正在重新被定義,價(jià)值潛力也在不斷被挖掘,“虛擬數(shù)字人”日漸成為金融機(jī)構(gòu)打造智能化交互體驗(yàn)的“新寵”。
例如:浦發(fā)銀行和百信銀行相繼發(fā)布的虛擬數(shù)字員工等。不可否認(rèn)的是,作為金融業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新產(chǎn)物,活躍于金融場(chǎng)景的虛擬數(shù)字人不僅迎合了金融業(yè)務(wù)降本增效的需求,也為用戶提供了全新的交互體驗(yàn),增強(qiáng)了用戶黏性。
此次,興業(yè)證券攜手火山引擎推出的虛擬數(shù)字人便是打響了新年“第一槍”!與此前諸多的虛擬數(shù)字人不同的是,此次興業(yè)證券推出的虛擬數(shù)字人“小知”,是業(yè)內(nèi)首款以自有員工為原型、集“播報(bào)+服務(wù)”于一體的真人數(shù)字分身。
整體來(lái)看,“小知”不僅從外形上深度還原了興業(yè)證券明星投顧的形象,更重要的是其口唇形、微表情與動(dòng)作也都達(dá)到了較高的仿真度與自然度。僅從屏幕上看,這樣的自然度幾乎與真人無(wú)異。
這一切的背后均離不開(kāi)“火山語(yǔ)音”,在打造小知的過(guò)程中運(yùn)用了多項(xiàng)業(yè)界領(lǐng)先的核心技術(shù)。作為火山引擎金融虛擬數(shù)字人解決方案的技術(shù)提供方,火山語(yǔ)音通過(guò)使用行業(yè)領(lǐng)先的非自回歸模型的唇形生成網(wǎng)絡(luò),合成與輸入文本或語(yǔ)音完全匹配的唇形,準(zhǔn)確率高達(dá)98.55%;基于創(chuàng)新的Motion Graph技術(shù),能讓“小知”可以輕松做到毫秒級(jí)動(dòng)作切換延遲且自然無(wú)感知。為了讓“小知”的動(dòng)作更加自然,創(chuàng)新引入了style embedding動(dòng)作切換技術(shù),能做到毫秒級(jí)動(dòng)作切換延遲,達(dá)到動(dòng)作自然切換無(wú)感知。
值得一提的是,“小知”在火山語(yǔ)音業(yè)內(nèi)領(lǐng)先的端到端語(yǔ)音合成技術(shù)加持下,還具有開(kāi)心、悲傷、驚訝、憤怒、恐懼、厭惡、平和等豐富的情感演繹能力,還可通過(guò)控制音色的重音、停頓等,賦予“數(shù)字人”多樣的語(yǔ)氣,實(shí)現(xiàn)笑聲、哭腔等非語(yǔ)言現(xiàn)象建模能力,讓AI演繹更貼近真人的同時(shí)為用戶提供更有溫度的服務(wù)。
據(jù)了解,在火山語(yǔ)音的AI虛擬員工解決方案支持下,火山引擎目前已建立了包括2D、3D卡通和3D超寫實(shí)在內(nèi)的虛擬數(shù)字人產(chǎn)品矩陣;從場(chǎng)景適配出發(fā),包括“播報(bào)型數(shù)字人”和“交互型數(shù)字人”兩種類型。
其中播報(bào)型數(shù)字人,即輸入文本或語(yǔ)音,就可生成自然生動(dòng)的數(shù)字人播報(bào)視頻;交互數(shù)字人作為播報(bào)型數(shù)字人的形態(tài)升級(jí),依托于火山語(yǔ)音長(zhǎng)期積累的成熟語(yǔ)音交互技術(shù),可以做到“善聽(tīng)”、“會(huì)說(shuō)”、“能想”,與用戶面對(duì)面實(shí)時(shí)交互。交互數(shù)字人集成了全雙工語(yǔ)音交互鏈路,前向兼容語(yǔ)音以及文本輸入,后向兼容2D與3D數(shù)字人表現(xiàn)力,整體端到端交互延遲在500ms左右,性能效果達(dá)到業(yè)內(nèi)領(lǐng)先水平。
目前該方案已經(jīng)具備標(biāo)準(zhǔn)平臺(tái)的快速交付能力,面向金融、大消費(fèi)、泛互等行業(yè)提供涵蓋“金融客服”、“智慧導(dǎo)覽”、“智能助理”、“虛擬直播”等場(chǎng)景細(xì)分解決方案,為用戶帶來(lái)全新的互動(dòng)服務(wù)和便捷體驗(yàn)。而且顯然的是,火山語(yǔ)音這樣類似助力興業(yè)證券打造虛擬數(shù)字人的技術(shù)解決方案,未來(lái)可以廣泛運(yùn)用到各個(gè)領(lǐng)域之中,不止是金融行業(yè)。