馬迪

不久前，一個默默無聞的抖音新號“柳夜熙”發(fā)布了一條題為《現(xiàn)在，我看到的世界，你也能看到了》的視頻。短短兩分鐘的時間，賽博朋克和奇幻古風的場景交叉上演，借著Facebook改名Meta的“東風”，一下打開了數(shù)百萬觀眾的“元宇宙”想象。

這大概是虛擬人第一次如此高調(diào)地進入大眾視野?！傲刮酢笔装l(fā)視頻在當晚5小時內(nèi)獲贊247.7萬，創(chuàng)造了兩條視頻漲粉500萬的“奇跡”。#柳夜熙#柳夜熙是誰#當美妝遇上元宇宙……各種相關話題在抖音上已有超過10億次播放，向大眾普及“虛擬人”“元宇宙”可謂功不可沒。

事實上，虛擬偶像并不是全新概念。最早的虛擬偶像鼻祖要算2007年出現(xiàn)的“初音未來”。這是由日本雅馬哈公司以語音合成程序為基礎開發(fā)的虛擬少女偶像，有著官方設定的水藍色頭發(fā)和眼睛，穿著水手服，動人的聲音能唱無數(shù)首歌曲，在二次元文化盛行的日本社會可謂家喻戶曉，甚至跟LadyGaga同過臺。

2004年，雅馬哈開發(fā)出語音合成核心引擎Vocaloid，這就是后來初音未來和中國第一位虛擬歌手“洛天依”的核心。作為目前最主流的語音合成方式，Vocaloid采用的是“拼接合成”技術(shù)來進行電子音樂制作?；A聲音數(shù)據(jù)則來自于配音演員，使用者只要輸入音符和歌詞即可生成一首歌曲，并且可以通過更改音調(diào)、調(diào)整參數(shù)對“歌聲”進行微調(diào)，模擬出類似人的呼吸、口型甚至顫音。原本破碎的聲音數(shù)據(jù)，就這樣變成了連貫的電子聲音。

采用這種方式來創(chuàng)作，可以實現(xiàn)對歌曲最精確的控制，但另一方面，也很需要作者調(diào)整各項參數(shù)的功力。Vocaloid就像一把樂器，創(chuàng)作者擁有完全的自由。

隨著AI技術(shù)的進步，新一代的“虛擬歌姬”開始了更深的進化。比如首位簽約華納、正式發(fā)行單曲的虛擬音樂藝人“哈醬”就是首個AI仿真人聲，采用了微軟智能語音定制技術(shù)，背靠強大的神經(jīng)網(wǎng)絡語音模型，累積、分析了人類語音的各種元素比如音色、年齡、口音、韻律等等。在這樣的一個“胚子”上精雕細刻，不斷訓練數(shù)據(jù)，最終形成了屬于“哈醬”自己的中文語音音色。雖然“哈醬”擁有敘述、新聞、客服等15種風格，可以挑戰(zhàn)真人做不到的音調(diào)和語速，堪稱是一個十分豐富的人聲模型，但情感演繹仍然是AI界的超級難題。

此次迅速出圈的柳夜熙，實現(xiàn)了仿真虛擬人在短視頻上的首次嘗試。按照出品公司的說法，這是一個2.5次元的形象設計，處于二次元動漫形象和三次元的真實世界人物形象之間的位置。

其實這類“超仿真”形象的后期開發(fā)過程非常漫長，需要高水準的原畫設計、高寫實的3D建模、高效率的虛擬人引擎、高精度的動作捕捉、高清晰的修幀渲染。每個步驟都耗時耗力，幾乎就是用金錢和技術(shù)堆出來的“寶貝”。

柳夜熙的連貫動作也和背后的演員分不開。由于純動畫的特效制作成本高昂，所以虛擬人普遍采用真人動作捕捉技術(shù)，即由行動演員穿著包含多個傳感器節(jié)點的動捕服，將他們的動作嫁接到角色身上。超高精度的動態(tài)捕捉甚至可以捕捉到演員眼球的顫動。

AI技術(shù)甚至還能彌補動作捕捉的不足。以面部表情為例，假設通過攝像頭能夠定位演員面部的150個跟蹤點，AI可以通過面部表情大數(shù)據(jù)訓練，由150個跟蹤點推導出40000個點，從而模擬出更精細的表情。

從本質(zhì)上講，柳夜熙確實是一個出色的后期特效作品，但也僅此而已。作為虛擬人物，柳夜熙類似于游戲、電影中的角色，不能和觀眾互動，進行有邏輯、有個性的交互和反饋，更別提像人一樣思考和學習了。

這就是虛擬偶像難以走出2.5次元的原因—能夠為觀眾帶來新的視覺、聽覺體驗，但刺激過后總讓人感覺到空虛。像人一樣，這四個字簡簡單單，代表的是人們對下一代AI的沉重期待和漫長探索。虛擬偶像能否突破次元壁，也將在此一舉。