AIGC，让画中人“活”起来

自ChatGPT-3发布以来，AIGC界重磅消息不断，各路玩家争先恐后推出吸引眼球的新产品、新功能。近日，微软再次突袭发布了新版Bing Chat，带来多项重大更新：支持多模态问答，交互方式由原本的纯文本升级为图文并茂模式，并支持一百多种语言；支持保存历史聊天记录，接续此前的问答继续提问，以及聊天记录导出；向第三方开放插件平台，实现如餐厅订位等更多复杂功能……

其中，支持多模态问答这点颇为吸睛。在原本的Bing和ChatGPT中，用户只能使用纯文本与AI交流。现在，用户可以在提问时上传图片、视频，AI回答时也可以融入图表、图像、视频等元素。同时，微软还将Bing Image Creator集成到了新版必应中，这是一项基于文字生成图像的服务，于今年3月份正式上线，底层采用了由OpenAI提供的高级版DALL∙E模型。用户只需用文字描述想要的画面，即可生成对应的图像。

AIGC正飞速发展，与之相比，元宇宙似乎已经偃旗息鼓。事实上，AIGC与元宇宙并非此消彼长的关系，AIGC的发展恰恰为元宇宙提供了进一步成长的机会。以元宇宙中的虚拟化身为例，曾经需要设计师耗时耗力完成的形象设计，如今借助AI的力量，所需时间和步骤都大大减少。其中包含语音驱动、动作驱动和换脸三个关键技术。

语音驱动：利用语音去驱动口型和面部表情，生成口播视频，代表产品有虚拟直播、“活照片”等；

动作驱动：基于源视频输入的动作和口型、表情等，驱动目标视频人物做出相同的动作、表情和口型；

换脸：将目标视频中的人脸换成某个指定的形象，并且保持目标视频中人物的动作、表情、口型不变。

神话故事中常有这样的情节，画卷上的人被施了法术之后变得会动、会说话，如今AI让这一想象成为了现实。基于虚拟视频生成技术，美摄科技拓展了一系列AIGC虚拟数字人生成方式，通过综合运用计算机视觉、图像处理和深度学习等技术，实现虚拟视频快速生成。

- 照片生成数字人

用户只需上传想要的播报文本和一张带有人脸的照片，AI可以将照片转化为动态数字人播报视频，并支持中文、英文、法文、日语多种语言，合成逼真的音频效果。

- 视频生成数字人

用户上传想要的播报文本和一段主播出镜的视频，AI可以将原视频中的语音替换为用户提供的文本内容，并配以自然的口型。

- GLB模型生成数字人

GLB文件是以图形语言传输格式保存的3D模型，它以二进制格式存储有关3D模型的信息，包括节点层级、摄像机、材质、动画和网格。在以GLB生成数字人形象时，可以先将其转换为美摄自研的3D文件格式“.ARSCENE”，转换后的效果包可以通过美摄SDK在不同的平台上实时渲染驱动。

目前，数字人已经广泛应用于手机、汽车、智慧大屏等设备中。在形象生成之外，数字人与ChatGPT等AI工具的结合也将在更多领域带来更好的用户体验。

一是在智能助手问答方面，AI可以扩充数字人的知识储备。当数字人语音助手将ChatGPT的混合语义理解能力和美摄自研的语音交互系统集于一体时，可以对用户提出的一些开放性问题给出更好的应答。

二是在内容创作方面，ChatGPT与视频剪辑、数字人相结合可以革新视频内容创作。用户只需填写一句话，设定好要求，系统就可以通过ChatGPT返回分镜脚本，并从中提取所需标签，由系统从媒资库中智能寻找对应的图像和视频资料。用户可以选择推荐的视频素材，一键套用模板，直接生成预览视频，极大提高视频创作效率。

AIGC目前仍在如火如荼地发展中，面对微软接连不断的大招，谷歌等大厂将作出何种回应让人倍感期待。美摄科技将持续追踪AI发展动态，融合前沿技术，打造创新产品，推动AIGC工具在更多领域业务场景中落地。