出品 | 創(chuàng)業(yè)最前線

作者 | 馮羽

“這個老羅竟然是數(shù)字人，完全看不出來！”

1300萬人次觀看，GMV突破5500萬元，是超頭IP羅永浩在百度電商平臺6月15日打下的直播戰(zhàn)績。

這一成績甚至超過了5月23日羅永浩本人直播帶貨GMV 5000萬的數(shù)據(jù)。

當數(shù)字人老羅可以在直播間里無間斷直播近7小時，不時和搭檔蹦出一些羅氏風格的幽默段子、動作同步配合直播間產(chǎn)品講解，還能同步上鏈接、發(fā)福袋，對彈幕公屏上的問題進行回應(yīng)甚至結(jié)合熱點進行調(diào)侃，這也意味著，AI數(shù)字人已經(jīng)為傳統(tǒng)電商打開了全新的想象空間。

這一切都基于文心4.5Turbo的技術(shù)迭代。

整場直播AI調(diào)用知識庫1.3萬次，生成9.7萬字產(chǎn)品講解內(nèi)容，雙數(shù)字人搭檔做出超8300個動作，最終實現(xiàn)了對羅氏幽默的1:1復(fù)刻。

當數(shù)字人直播從只會對口型，發(fā)展到大動作都不崩的新階段，百度AI數(shù)字人的業(yè)務(wù)邊界也在持續(xù)外擴：羅永浩只有一個，但需要AI數(shù)字人賦能的主播和商家還有千萬個。

1、1：1復(fù)刻“羅氏幽默”

老羅在百度的首場數(shù)字人直播效果顯然超出了預(yù)期。

在這場直播中，有40%的動作片段是由AI生成，老羅和朱蕭木組成了數(shù)字人搭檔做出了8300個動作，符合物理運動規(guī)律且沒有“崩”；同時100%腳本由AI生成，其中包括調(diào)用了1.3萬次知識庫，以及9.7萬字的產(chǎn)品講解內(nèi)容。

從數(shù)據(jù)表現(xiàn)看，數(shù)字人老羅似乎比真人老羅更受歡迎——該場直播訂單量較真人直播增長150%，在近7小時的直播長跑中，人均觀播時長也增長了30%。

那么，一場兼具個人幽默感與塑品專業(yè)度的數(shù)字人直播是如何練成的？

直播間里的雙人CP高度配合率先實現(xiàn)了數(shù)字人直播的體驗新突破。

“老羅和朱蕭木兩個數(shù)字人生動還原了主播和助播的真實狀態(tài)，配合得像真人一樣自然。這次數(shù)字人直播間實現(xiàn)了雙音軌，可以還原現(xiàn)實情況下雙人互動語言相互打斷等復(fù)雜場景。”百度副總裁、百度電商總經(jīng)理平曉黎對「創(chuàng)業(yè)最前線」表示，“無論是商品講解過程中的節(jié)奏切換，還是應(yīng)對突發(fā)的互動需求，兩個數(shù)字人都能自然應(yīng)對?！?/p>

基于文心4.5T的技術(shù)升級和深度訓練，這場數(shù)字人直播也實現(xiàn)了對“羅氏幽默”1:1復(fù)刻。

復(fù)刻的基礎(chǔ)則來源于龐大的劇本生成能力。

“我們首先基于真人高克隆技術(shù)來生成數(shù)字人，通過上傳真人視頻回放，可以選擇單人或是雙人主播，確定好角色分配后，再進行選品。”百度電商商業(yè)業(yè)務(wù)部負責人、數(shù)字人創(chuàng)新業(yè)務(wù)部總監(jiān)吳晨霞對「創(chuàng)業(yè)最前線」表示。

在選品方面，直播間會根據(jù)主推品、次推品、福利品等不同屬性來設(shè)置腳本，團隊會將所有產(chǎn)品的詳情頁信息和電商知識庫的信息喂給大模型從而生成劇本，接著再進行下一步的劇本創(chuàng)作。

“數(shù)字人的幽默屬性可以分為兩種，一種是淺層幽默，另一種是深層幽默。”百度集團副總裁吳甜進一步解釋道，淺層幽默指的是老羅的調(diào)侃、語言習慣和風格，大模型通過對羅永浩本人歷史數(shù)據(jù)的挖掘和學習，以及規(guī)劃模仿他的關(guān)鍵幽默元素進行復(fù)刻；深層幽默則更加復(fù)雜，要聯(lián)系社會文化和社會熱點等。

復(fù)刻“羅氏幽默”的難點在于，既要保證其人設(shè)的一致性，還要維持數(shù)字人的可控性。

“針對這兩點，我們針對性地對老羅數(shù)字人進行訓練和學習，一方面學習什么叫‘羅氏幽默’，最重要的是學習他的語言風格；另外還會學習他的口頭禪、小動作，并進行針對性的特化訓練。”吳甜補充道，“最終要讓羅永浩本人都覺得像才可以?！?/p>

而要保證劇本創(chuàng)作的高互動性，一個關(guān)鍵點還在于對直播間里多模態(tài)信息的收集和反饋。

“劇本里融入了多模態(tài)元素，因此才能實現(xiàn)多模態(tài)和全模態(tài)的高度統(tǒng)一。”吳晨霞表示，老羅數(shù)字人在直播間的表現(xiàn)非常流暢，他在介紹產(chǎn)品時，講的內(nèi)容和動作完全匹配，而不像上一代數(shù)字人只能靠視頻循環(huán)使用。

她還介紹道，此前的數(shù)字人是由唇形驅(qū)動，腳本改變后只有唇形跟著修改，而老羅數(shù)字人則能生成新的動作來匹配新的腳本，實現(xiàn)了動作和文本的高度統(tǒng)一。

在主副直播數(shù)字人之外，AI大腦還能在直播間里實現(xiàn)多智能體的配置——鏡頭外的主播、副播、場外音、場控、運營甚至水軍等智能體角色都可以通過AI大腦來實現(xiàn)。

“我們通過流式生成的設(shè)計，讓大模型有能力感知直播間的環(huán)境信號，讓智能體們決定何時需要發(fā)起互動，例如發(fā)福袋、回復(fù)彈幕評論、與用戶互動等。”吳甜表示。

通過體驗、內(nèi)容和視覺上的技術(shù)突破，羅永浩數(shù)字人直播間的GMV也超越此前的真人直播間，而從該項目籌備到上線直播，百度團隊僅用了三周時間。

2、數(shù)字人電商3.0

AI對傳統(tǒng)電商的賦能并非新鮮事。

在電商領(lǐng)域，從智能客服、智能營銷，到數(shù)字人主播、AI導(dǎo)購，各大電商平臺正在如火如荼地進行著AI改造。

麥肯錫、艾瑞等行業(yè)咨詢報告顯示，目前92%的消費者在電商場景中接觸過AI應(yīng)用，商家端的AI工具使用率已經(jīng)超過60%。

AI應(yīng)用的爆發(fā)正在驅(qū)動智能電商加速演化，數(shù)字人也從最開始的行為笨拙成長為能夠補充甚至替代真人主播。

早在數(shù)字人1.0時代，AI數(shù)字形象人物僵硬、動作循環(huán)，對于錄制素材要求高，大多采用通用型文案，整體缺乏互動。

進入到數(shù)字人2.0超擬真時代，AI數(shù)字人已經(jīng)能夠?qū)崿F(xiàn)動作擬真和人物的克隆，從語音和動作上仿真度更高，無論是腳本還是互動都更加靈活。

如今進入到3.0高說服力數(shù)字人階段，也就是羅永浩數(shù)字人的表現(xiàn)階段，不僅能夠?qū)崿F(xiàn)智能腳本創(chuàng)作，在神形音容上保持高度一致，還能通過AI大腦進行決策思考，實現(xiàn)對多智能體的合理調(diào)度。

不妨展望一下數(shù)字人4.0階段，在可預(yù)測的未來，數(shù)字人或?qū)⒊蔀槌秸嫒说拇嬖?，非但擁有真人不具備的超大知識庫，還能多任務(wù)作業(yè)，最終實現(xiàn)直播間內(nèi)容的千人千面。

百度優(yōu)選作為百度集團旗下的智能電商平臺，也在AI賦能方面持續(xù)探索。

面向用戶，百度優(yōu)選陸續(xù)上線了搜索智能導(dǎo)購、全網(wǎng)商品對比等能力，為用戶提供了更高效的購物決策服務(wù)。如今，每天有超過2000萬用戶在百度使用智能導(dǎo)購進行購買決策；

面向商家，百度優(yōu)選還發(fā)布了慧播星數(shù)字人、天樞智能營銷平臺、AI商家端等產(chǎn)品。截至目前，有超過10萬的商家使用數(shù)字人開播，每天有超過600萬的用戶在數(shù)字人直播間購物。

今年618剛剛收官，不難從中發(fā)現(xiàn)數(shù)字人的身影。

在今年百度優(yōu)選618省心好物節(jié)，平臺頭部商家采用真人+數(shù)字人混播，百萬級以上商家GMV同比增長375%，腰部商家GMV同比增長344%，中小商家多采用純數(shù)字人直播，GMV同比增長116%。百度優(yōu)選的直播轉(zhuǎn)化率同比提升31%，開播成本下降80%。

數(shù)字人不僅成為新質(zhì)生產(chǎn)力，真人和數(shù)字人協(xié)同直播也成為百度優(yōu)選的平臺特色。

“如果以帶貨GMV為評判標準，現(xiàn)在市面上數(shù)字人直播效果有一半能超越真人，還有一般直播效果持平，但未來高說服力數(shù)字人的直播效果一定會完全超越真人?！逼綍岳璞硎尽?/p>

在她看來，數(shù)字人直播在某些品類上存在明顯優(yōu)勢，例如保健品銷售在塑品環(huán)節(jié)，數(shù)字人知識面更廣，能夠講解得更加透徹；教育公司的主播大多是老師，真正的名師無法天天開播，數(shù)字人就很好地解決了這個問題，讓名師可以退居幕后從事教研工作。

“未來一定是數(shù)字人和真人共存的協(xié)同狀態(tài)?！逼綍岳柩a充道。

3、從羅永浩，到AI數(shù)字人普惠

數(shù)字人在直播間的引入不僅可以提升GMV和直播效率，在降低成本方面也頗有成效。

“數(shù)字人直播的成本較真人直播能夠降低80%，對于中腰部的電商品牌可能節(jié)約得更多。”平曉黎表示，尤其像老羅這樣的超頭主播準備一場真人直播的時間和成本都非常高，數(shù)字人直播則可以很好地解決這一問題。

從技術(shù)角度看，吳甜則更加篤定數(shù)字人等新技術(shù)在未來將進一步降低直播成本。

“數(shù)字人包括兩部分成本，一部分來自生產(chǎn)制作數(shù)字人的成本，另一部分則是在線服務(wù)的成本?！眳翘鸨硎?，隨著技術(shù)系統(tǒng)的完善和發(fā)展，未來數(shù)字人的制作成本會進一步下降，尤其是在羅永浩之外更廣泛的沒有強IP的主播，制作成本會有更大的降本空間。

隨著開播時間越長、開播場次越多，數(shù)字人直播的邊際收益也會越高，畢竟數(shù)字人只需要付出IT成本和現(xiàn)場運營成本，解放了真人主播。

“目前百度單個數(shù)字人的制作成本已經(jīng)控制在千元左右，而一個普通商家真人直播的場地、設(shè)備、人工成本最低一個月也要上萬元。”平曉黎說道。

對百度數(shù)字人來說，老羅無疑是一個標桿。

“大模型是具有泛化能力的，其在學習相應(yīng)直播場景的大量數(shù)據(jù)后，同時也具備了遷移能力，可以把知名主播的學習能力遷移到普通主播身上?！眳翘鸨硎?，這也讓百度數(shù)字人有了更多市場化以及規(guī)?；目臻g。

而用AI普惠更多平凡主播和中小商家，正是百度打造數(shù)字人體系的初心。

近日，百度電商推出兩大計劃：夢蝶計劃將通過流量扶持，超頭主播數(shù)字人打造、預(yù)算扶持，實現(xiàn)百度優(yōu)選超頭主播的數(shù)量倍增；繁星計劃則將再次追加10萬個慧播星數(shù)字人，投入1億元數(shù)字人消費補貼、千萬級別的運營扶持，幫助更多的普通人、中小企業(yè)開啟數(shù)字人直播。

“百度電商通過數(shù)字人幫商家賣貨服務(wù)目前已經(jīng)實現(xiàn)了商業(yè)化，一年純數(shù)字人也貢獻了幾十億的收入。”平曉黎表示。

老羅的數(shù)字人并非個例。數(shù)字人的價值是服務(wù)于人，當人人都可以當主播，智能電商的門檻被不斷降低，百度數(shù)字人將真正實現(xiàn)AI普惠的終極目標。

*注：文中題圖來自百度智能云官網(wǎng)。

特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉(zhuǎn)載請聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問都請聯(lián)系idonews@donews.com)