本報記者 姜楠

    “你好，歡迎來到對答如流，兩會‘智’通車。”一位面帶微笑的女主播在屏幕中向用戶打著招呼，但是，這位主播并不是真人，而是AI主播“小智”。“小智”主持的兩會“智”通車，是一款由百度智能云和央視網(wǎng)在兩會期間聯(lián)合打造的全國首個集智能對話、語音交互、社交分享于一體的時事AI產(chǎn)品。

    5月21日起，全國正式進入兩會時間。為了向公眾普及兩會知識，百度智能云攜手央視網(wǎng)共同推出了兩會“智”通車，依托百度成熟的人工智能技術(shù)，以AI主播發(fā)問的形式帶領參與者回答問題，了解國事，近期獲得了網(wǎng)友們高漲的參與熱情和一致好評。

    如果仔細觀察“小智”的細節(jié)，我們會發(fā)現(xiàn)，她的動作與神態(tài)和真人如出一轍，講話的過程中微笑、自然眨眼等各種面部表情十分逼真。同時“小智”的口型和講話內(nèi)容實現(xiàn)了真實的貼合，面對不同的答案也有著不同的交流反應。在這樣一位AI主播的帶領下，參與者可在兩會期間每天享受“智”通車的線上答題樂趣。這種愉悅的體驗背后，是百度智能云的強大技術(shù)加持，讓“小智”集人像美、善交流、懂說話三大亮點于一身。

    人像美

    這次挑起大梁的“小智”外形來自于百度設計的3D高精度仿真人像，對話時真實感與科技感兼?zhèn)?。結(jié)合AI和計算機圖形學自主研發(fā)的超寫實、高精度3D數(shù)字員工驅(qū)動方案，支持合成語音輸入，生成音唇精準同步、表情豐富逼真的人像動畫，具有高泛化、低延遲的特點，并且支持表情風格和肢體動作的定制化。

    百度虛擬數(shù)字人基于真人錄像，機器學習人的說話聲音、唇動/表情/動作規(guī)律，對人像的形態(tài)和聲音分別進行復制與合成；塑造3D高仿真人像，模擬人臉肌肉組織，以算法驅(qū)動人像模型的唇形、表情和動作。支持3D效果，全方位、多角度呈現(xiàn)，面部細節(jié)更細膩，展示更多細節(jié)；更具藝術(shù)性，能夠?qū)π蜗筮M行藝術(shù)設計。

    善交流

    “小智”在與人溝通時，反應靈敏，對話順暢，這基于百度強大的語音識別及語音合成能力。百度ASR（自動語音識別技術(shù)）采用先進的截斷注意力模型（SMLTA），摒棄市場上傳統(tǒng)的Attention基于整句的服務，使用語音流進行截斷實現(xiàn)完整流暢的交互，提升相對字準率15%，計算速度與傳統(tǒng)CTC技術(shù)持平。百度TTS（從文本到語音）運用先進的Wavenet深度學習神經(jīng)網(wǎng)絡算法將文字合成為多種語言的不同語音。

    隨時發(fā)問，隨時打斷，“小智”會說也會聽。內(nèi)置的百度語音處理方案，具備超強抗干擾能力。

    懂“說話”

    信息太多記不住，“小智”幫你抓重點。百度自研的動態(tài)標記語言能夠靈活配置多媒體信息展示，還能到點提醒你：“關(guān)鍵詞命中率50%，加油！”

    簡單點，說話的方式簡單點。“小智”直觀的信息展示，讓信息傳遞效率大幅提升，知識獲取更加高效簡單，讓多位網(wǎng)友直呼“要是我小時候有小智這樣的同學一起學習就好了！”

    當前，央視網(wǎng)正按照中央廣播電視總臺“5G+4K/8K+AI”戰(zhàn)略布局，持續(xù)加大人工智能、5G等新技術(shù)的研究與應用，從基礎設施層面到AI中臺統(tǒng)一建設，打造出技術(shù)領先、安全可靠的智能新媒體平臺，創(chuàng)新媒體表達和傳播方式，開發(fā)全場景智能化產(chǎn)品和服務，壯大主流輿論陣地。央視網(wǎng)此次與百度智能云開放合作，通過擁抱新技術(shù)，做“5G+4K+AI”全媒體應用的踐行者，為全國觀眾提供更多的優(yōu)質(zhì)內(nèi)容和智能化場景服務，增強主流新媒體的傳播力、引導力、影響力、公信力。

    5G時代下，較低的帶寬傳遞信息，較高的帶寬傳遞情感。消費級人工智能產(chǎn)品的落地，需要打通人與機器之間的情感隔閡。“小智”的出現(xiàn)也在不斷印證著AI時代人機交互新方式的可能性。兩會“智”通車之后，央視網(wǎng)還會有更多有趣的智能化交互新產(chǎn)品呈現(xiàn)在大家眼前。百度智能云與央視網(wǎng)的合作，將在媒體行業(yè)產(chǎn)生強大的示范效應，加速AI技術(shù)在新媒體領域的落地應用。

（編輯 張偉）