將來的春晚，可能就不須要活的主持人了

時間 2020-09-19 標籤將來可能須要活的主持人

By 超神經

在 1 月 28 日的 2019 網絡春晚上，AI 虛擬主持人登臺主持節目，撒貝寧做爲與 AI 替身同臺的主持人之一，當場宣佈準備準備「隱退」， AI 取代主持人的時刻真的來臨了嗎？

在今年的網絡春晚上，首次亮相了四位虛擬形象主持，分別是基於撒貝寧、朱迅、高博、龍洋的外形打造。四位主持人都與本身的虛擬主持人同臺主持，確實在晚會上增添了很多樂趣。網絡

快嘴的小撒在 AI 小撒面前都快沒臺詞可說了dom

從視頻中能夠看到，虛擬的 AI 主持人和實體之間有很大的類似度，除了在接話和抖機靈上不輸人類，也有相應的肢體語言，並且每個虛擬主持人也具備不一樣的表達特色。ide

虛擬主持人是什麼

據報道，此次登上網絡春晚的虛擬主持，是 ObEN 經過 3D 圖像重建和電音模擬技術來構建虛擬形象，打造出個性化的人工智能虛擬形象——PAI（個性化人工智能，即 Personal AI）。工具

除了此次網絡春晚的虛擬主持人，ObEN 也與名人和明星公司展開了合做。韓國最大的娛樂公司 SM 公司就是 ObEN 最先的天使投資人之一。學習

2017年6月，ObEN 與韓國 SM 娛樂公司，在香港合做成立了全球第一我的工智能明星版權公司 AI Star，中文名爲幻星，打造虛擬偶像。國內的女子偶像組合 SNH48 也宣佈和 ObEN 合做，打造專屬的人工智能形象。人工智能

而這個產品的核心技術主要在三個方面：3d

首先，是視覺形象的創建。利用主持人本體的照片，採用三維掃描儀、3DS MAX、MAYA等三維建模工具，讓AI創建一個算法模型，經過理解照片的顏色分佈與結構深度的關係，最後構建出人臉和身型。code

其次，是聲音的合成。他們使用的AI語音技術，不須要大量收集語音庫，只需十幾句語音錄製，經過特徵參數提取，遷移學習等方法就能實現聲音模型的創建。視頻

最後，要讓虛擬主持人儘量逼真。這不只須要視覺能與其聲音匹配，還須要賦予它們個性化。經過傳感器和運動跟蹤設備，再結合了AI和動做捕捉訓練，虛擬主持人可以按照相應本體，去模擬口語表達、臉部表情、手勢、形體運動及場景互動等。

雖然說這是 AI 的首次主持跨界，但 AI 虛擬主播界的亮相還真不在少數。

在前2018 年 11 月舉行的第五屆互聯網大會上，新華社展現了他們一位新記者，這是第一位 AI 虛擬合成的新聞主播，而 AI的原型本體邱浩這麼說到：「圖像是個人圖像，聲音也適合個人聲音，但播報的這些話我可歷來沒說過......」

在這段視頻中，咱們能夠看到視頻中的主播，用它的腔調介紹着本身，配合着聲音，它的面部，嘴脣有相應的動做。不得不說，驚喜是有，但仍是有些失望。比起真人主播，能讓人一眼就分辨出是機械化的產物。它的工做方式還須要人類寫出新聞稿。

這種合技術支持，來自搜狗的「分身技術」。而這個技術背後的關鍵，是語音合成和圖像生成兩大部分。

語音合成技術，能夠經過少許的音頻數據，讓機器模型學習輸入對象的說話特色，把握住音色、韻律、情感等方面，最終實現對輸入文本的音頻信息。

而圖像生成，用到了人臉識別、三維人臉重建、表情建模等方面的學習和構造，最終達到輸出音頻個輸出視覺信息的對應。

拋開那些槽點不說，這項技術最大的宣傳點就是能夠實現銀幕上的分身功能，大概就是你能用電視、平板和手機看到一我的同時在播報三個不一樣的內容。

而日本在更早的時候有過報道，他們的也作出過 AI 主播。

在去年 4 月份，日本NHK電視臺一檔叫「NEWS CHECK 11」的節目中，擔任主播的就是一個可愛的卡通 AI 主播——「新聞主播 Yomiko 」。

這個主播是利用了 CG 技術製做，它從大量的錄音中學習了拆分紅音素，而後學習文本的識別和朗讀，最後用於朗讀新聞。

此外，機器人作新聞主播也有過實現。

大阪大學和京都大學研製的美女機器人「Elika」，也在 18 年 4 月份擔任日本 NNN 電視臺的新聞主播。

「Elika 」的人設是 23 歲的美少女，它被賦予了一張標準女性的面容，說話的聲音以配音演員的錄音爲基礎合成而來，能夠稱得上很是天然。

此外，它還具備先進的對話系統，在和人交談時，它經過麥克風和傳感器收集信息，感知對方的聲音和動做，從而轉向對方，並進行流暢的對話。

它的眼睛、嘴巴、脖子等 19 處可經過氣壓活動，呈現出多種表情，也能作一些簡單的動做，唯妙唯肖。

說回網絡春晚，四個調皮的虛擬主持人的亮相收到了很大的關注，並且從觀衆的態度上能夠看出對它們頗爲喜好。

那麼它們會是主持人下崗的一個契機嗎？可能小撒和小小撒都不會答應。

「小撒告別舞臺」

至於 AI 新聞直播那種腔調以及違和的面部表情，也仍是有待改進。日本當初熱鬧一時的新聞播報機器人，也沒有大面積取代當地的新聞業，最多也就仍是處在輔助和新奇的層面。

因此這麼看，技術上的進步的確帶給了咱們新奇和美好的體驗，但也許在這樣一個時代，噱頭比實際走的更快。

也許被取代的那一天終究會來，但很確定的是它不是今天。咱們應該相信，真到了那一天，人類也許早已解決了和 AI 的相處之道。那時候的春節，咱們會看到不只 AI 主持春晚，還會有 AI表演節目。

咱們啊，張着嘴等着 AI 喂咱們吃飯就行了。

遷移學習 Transfer Learning

遷移學習是運用已有的知識來學習新知識的一個方法。

在遷移學習中，已有的知識叫作源域 ( source domain )，要學習的新知識叫目標域 ( target domain )。

遷移學習目的是從一個或多個源任務（source tasks）中抽取知識、經驗，而後應用於一個目標領域（target domain）當中去。

遷移學習的基本方法

1）樣本遷移
在源域中找到與目標域類似的數據，把這個數據的權值進行調整，使得新的數據與目標域的數據進行匹配。

2）模型遷移
假設源域和目標域共享模型參數，是指將以前在源域中經過大量數據訓練好的模型應用到目標域上進行預測。

3）關係遷移
假設兩個域是類似的，那麼它們之間會共享某種類似關係，將源域中邏輯網絡關係應用到目標域上來進行遷移。