AI合成主播问世，AI应用行业再加一项

　　在八十年代初，人工智能的先驱马尔文斯基曾经谈论过人工智能的前景。马尔文斯基预测，在以后的世界里，机器会具有和人脑相同的思考能力，他们可以独自进行和人类的行为相同的活动，比如阅读，比如汽车驾驶，或者聊天。

　　如果在当年看来，这些构想真的很遥远。而在今天，这些遥不可及的设想也在逐渐实现了，现在的智能产品能够听懂我们的指令并做出相应的行动，除了能分辨我们的声音，机器人还能够通过人脸识别帮助我们寻找目标人物。人工智能的技术让机器人行业掀起了新一轮变革。

　　智能产品不断涌入大家的视野，智能机器人开始在工业等众多行业投入使用，人工智能的发展直接影响了众多行业，就在11月7日上的世界互联网大会，搜狗推出了AI合成主播产品，至此，人工智能的影响行业又再增添一项。

　　“AI合成主播”是什么

　　所谓“AI合成主播”，顾名思义，是用人工智能技术合成的新闻主播。“他”不仅能用和真人一样的声音进行播报，甚至，连唇形、面部表情、肢体语言也能够与真人主播吻合，达到真假难辨的效果。“AI合成主播”的价值在于，可以大幅压缩新闻播报视频的后期制作成本，新华社副社长刘思扬表示：“从今天开始，新华社AI虚拟主播就将正式上岗，成为新华社报道队伍中新的一员。”

　　“AI合成主播”的技术原理

　　搜狗语音交互技术中心总经理王砚峰透露，只需要由真人主播面对镜头录制一段播报新闻视频，“搜狗分身”技术凭借这段视频，就能将真人主播的声音、唇形、表情动作等特征进行提取，然后再通过语音合成、唇形合成、表情合成以及深度学习等技术，克隆出具备和真人主播一样播报能力的“AI合成主播”。

　　王砚峰提到的“搜狗分身”技术，是搜狗公司的前沿技术之一，它包含语音合成和图像生成两大引擎。

　　(1)语音合成技术：

　　AI主播首先要实现的功能是在计算机有文本输入时，能够以主播的音质发出声音。这项技术其实也是语音识别的过程，分为以下步骤：

　　语音合成技术首先对主播的声音进行提取，再通过不断的训练学习，提取该主播声音中的特征信息，进而建立和主播语音相同的多维度语言语音模型，最终实现在输入文本时，能够输出该主播语音的功能。

　　(2)图像生成技术：

　　除了语音的学习训练，AI合成主播还需要学习主播的表情。和语言识别的性质相同，图像生成也要通过不断的训练学习构建模型来获得。现阶段可以采用人脸识别、三维人脸重建、表情建模技术对人脸进行分析，建立人脸的多维度数据模型。最终在输入文本，视觉信息和音频之间构建联系。

　　基于这两种技术，搜狗的AI分身能够实现和人类主播一样，为输出的文本中添加相应的音色和语调，丰富AI合成主播的形象，提高观众对AI合成主播的接受度，同时，AI合成主播能够识别中英文两种语言，扩大了AI合成主播的使用场景。

　　人工智能发展还在继续

　　目前，机器人已经开始在工业领域大批量使用，并能够完成人做不了的事情，不过机器人超越人类只是表现在较少的领域，例如制造业、服务业等，如果通用型机器人能够全面超越人类，那么将是一个很大的震惊。

　　人工智能从多个方面赋予机器人全新的能力，在感知检测方面，通过视觉、力觉、听觉等多种传感器，使机器人获得了像人类眼耳鼻舌，以及声音在内等的感知系统，机器人可以听懂人类的语言，可以识别人脸，这些功能的开发进一步扩展了机器人的应用场景。

　　现在智能机器人已经被开发出很多新的功能，例如陪伴老人、下棋、教育小孩子、清扫地面、安防监控等等，机器视觉、语音识别以及更多的感知功能的运用，让机器人和人的交互增加，提升了用户使用智能产品的用户体验。

　　“AI合成主播”的应用是“搜狗分身”的先创案例，它的技术使用不止于此。在之后，搜狗可以依靠这项技术复制各种用户需要的人类形象，例如合成教师、合成客服等，而这些产品的出现，意味着人工智能产品影响的行业范围也会增加。

　　AI机器人蕴含着巨大的潜力，现阶段人们已经推出了各种专业领域的机器人，从工业机器人到教育机器人、养老机器人、抢险机器人、医疗机器人等等，这些细分领域市场虽然远未有爆发，但未来的前景是不可估量的。