搜狗分身技术亮相 AI合成主播惊艳世界互联网大会

　　11月7日，第五届世界互联网大会在浙江乌镇拉开帷幕，在开幕当天，搜狗公司CEO王小川、新华社副社长刘思扬等嘉宾和著名主持人邱浩联合带来了一场跨界产品发布会：搜狗与新华社合作开发、全球第一个全仿真智能合成主持人——“AI合成主播”正式亮相。而随着“AI合成主播”的发布，搜狗未来人工智能的核心技术“搜狗分身”也终于浮出水面，成为大会开幕日的最大亮点之一。

　　形象逼真 搜狗合成主播惊艳登场

　　“AI合成主播”到底是什么？主播长什么样？在发布会现场的体验中，观众只要输入一句既有的新闻文本，屏幕上就会出现一位合成的新华社新闻主播，他不仅会用和真人一样的声音进行播报，连唇形、面部表情也能完全吻合。这样的视频效果，无论看上去还是听起来，都与现实中的新华社主播的本人播报没有太大差别。

　　据了解，在合成主播的开发过程中，搜狗公司的相关技术人员同新华社的新闻主播一同进行了各种探索尝试，在“搜狗分身”技术的支持下，通过人脸关键点检测、人脸特征提取、人脸重构、唇语识别、情感迁移等多项前沿技术，并结合语音、图像等多模态信息进行联合建模训练后，“AI合成主播”正式诞生。

　　初露锋芒，“搜狗分身”已成为AI“核心科技”

　　随着“AI合成主播”系统的成功上线，支撑其正常运转的核心“搜狗分身”也引起了大家的广泛关注。那么什么是“搜狗分身”技术？

　　据搜狗公司智能语音事业部总经理王砚峰介绍，“搜狗分身”技术是搜狗人工智能的核心技术之一，诞生于搜狗“自然交互+知识计算”这一人工智能理念之下。该技术能够利用搜狗的AI能力，从图像表情，声音语言习惯，逻辑思维等层面对AI进行拟人化训练，然后克隆制造人类的AI分身，进而帮助人类提高信息表达和传递的效率。

　　以“AI合成主播”为例，该产品就创造性的使用新华社中、英文主播的真人形象，配合“搜狗分身”的语音、合成等技术模拟真人播报画面，使大众享受到逼真度极高的图像效果。这种播报形式，突破了以往语音图像合成领域中，只能单纯创造合成形象，并配合语音输出唇部效果的约束，极大地提高了观众信息获取的真实度。同时，利用“搜狗分身”技术，“AI合成主播”还能实时高效地输出音视频合成效果。在“搜狗分身”技术的支持下，使用者通过文字键入、语音输入、机器翻译等多种方式输入文本后，将获得实时的播报视频。这种操作方式将极大减少新闻媒体在后期制作的各项成本，让新闻视频的制作效率有了极大的提高。

　　“搜狗分身”技术为什么表现如此出色？这与搜狗多年来的技术探索和持续的研发投入分不开。据介绍，早在2012 年，搜狗就开始了对语音技术研究的探索，并逐步发展为中国最大的语音识别引擎，目前，搜狗日均语音请求达5亿次，经过多年的技术沉淀和数据积累，已具备多语种、多音色的语音合成能力，并能实现个性化语音合成和情感迁移。制作AI合成主播的技术团队，曾多次在机器视觉国际顶级赛事IEEE CVPR WAD、Pascal VOC、Mega Face以及语音合成领域最具权威性的Blizzard Challenge赛事上斩获冠军。

　　加速融合 多领域发展更受瞩目

　　在与新华社等国家重要媒体的合作中，搜狗依托“搜狗分身”技术，通过“AI合成主播”这一创新的信息传播形式，帮助媒体在融媒体转型、新闻时效性和跨语种传播能力等方面再上台阶，增强中国传媒业的国际影响力和全球竞争力。运用人工智能技术，中国的主流声音将更有效地传播到世界各地，为构建“人类命运共同体”，推进“一带一路”倡议下的国际合作发挥成效。

　　“搜狗分身”技术实现了在不同场景下更为自然的人机交互，除了在媒体融合领域的应用外，未来还将在娱乐、医疗健康、教育、法律等多个领域提供个性化的内容。为提高社会生产和服务效率，降低行业生产成本，提升民众科技生活体验做出贡献。

　　（原标题：搜狗分身技术亮相 AI合成主播惊艳世界互联网大会|搜狗|虚拟主播|世界互联网大会）