AI數(shù)字人，先卷死二流帶貨主播

作者|斯維奇

(相關資料圖)

監(jiān)制|吳懟懟

在常見的招聘軟件上搜索帶貨主播職位， 會發(fā)現(xiàn)一部分薪資已經(jīng)悄無聲息地落回了四位數(shù)。

直播間依舊火熱，動輒百億銷售額、上億人次觀看量的情勢并沒有發(fā)生變化，但主播的薪資卻回落了。一個24小時不休息，面容姣好，口條順，業(yè)務精，工資還遠低于真人主播的勞動力逐漸成為一些小商家的心頭好。

水溫的變化，在22年8月就已經(jīng)開始。

這期間，樂華娛樂的CEO杜華制作了自己的數(shù)字人分身“華華子”在抖音直播帶貨，演員任泉也發(fā)布了自己的數(shù)字人視頻與抖音的觀眾分享，淘寶、抖音、視頻號也崛起了一批質(zhì)量參差不齊的帶貨主播與個人IP賬號。

數(shù)字人的技術逐漸成熟并普及，首先在電商領域造成沖擊，二流帶貨主播，一夜失業(yè)。

當AIGC風潮進一步助推直播市場熱潮，互聯(lián)網(wǎng)巨頭也相繼推出數(shù)字人服務，中小商家選擇數(shù)字人主播以降低成本，似乎風景一變。但在魚龍混雜的時代里，一切現(xiàn)象都仍需觀察。

01

“每一家直播帶貨都需要一個數(shù)字人”

不僅是各大短視頻平臺和電商平臺，在微信視頻號，在政務大廳，都有數(shù)字人的存在。

直播前期投入大，風險高，一些有帶貨需求的小商家就會轉向虛擬數(shù)字人。

對于小商家而言，考慮虛擬數(shù)字人的原因首先是優(yōu)秀的主播數(shù)量少，穩(wěn)定性欠缺。

在直播火熱的時候，一個形象氣質(zhì)俱佳、專業(yè)能力過硬的主播常常被挖來挖去，既拉高了行業(yè)的薪資預期，也讓直播的穩(wěn)定性受到影響。

其次，實地直播成本高，曝光效率低。小商家知名度低、商單少，就更加需要通過更長的直播時間增加曝光，有時需要做到24小時全天直播。

然而整個運營團隊跟著主播三班倒，全天候運營難度大不說，直播場地、攝影燈光設備、場控、直播助理、后端、客服、化妝師也樣樣要錢，而且也并不保證時時刻刻都有人看。閑時流量轉化率低，但卻食之無味棄之可惜。

選擇虛擬數(shù)字人，商家們算的是一筆經(jīng)濟賬。

對于希望快速提高個人IP知名度的個人，多平臺、注冊多個賬號、高頻率更新視頻是一大實現(xiàn)途徑。

但傳統(tǒng)短視頻的制作過程常常耗費大量時間和精力。從準備素材、起草文案，到規(guī)劃分鏡并添加視覺與音效元素，再到反復調(diào)整直至達到最佳效果，一個簡單視頻的制作往往需要耗費良久，如若要保證每日更新，拍攝素材量也需要跟上。即使拍攝團隊都就位，本人也可能瑣事纏身，分身乏術。

虛擬數(shù)字人也提供了連軸轉之外的選擇。一旦根據(jù)本人的視頻克隆出自己的數(shù)字人分身，生成數(shù)字人的視頻幾乎就是點點鼠標的事情。通過書寫簡短的文字或語音內(nèi)容，即可驅動數(shù)字人進行口頭表達。

一些視頻號、抖音博主利用數(shù)字人打造個人IP矩陣，能夠實現(xiàn)短時間的大量曝光，更有甚者有“一夜爆紅”的案例。

于政府、銀行、網(wǎng)絡運營商，數(shù)字人也有發(fā)揮作用的空間。消費和出行復蘇后，文旅部門于旅行公司一起宣傳景區(qū)，介紹當?shù)靥厣率匙⌒?，快速輸出短視頻內(nèi)容，數(shù)字人也能助力政府部門降本增效。

一些明星也選擇制作屬于自己的數(shù)字人分身，盡管不一定有借此進一步的曝光需要，更沒有帶貨需求，但踩在時代浪花之上總會給人建立一種高瞻遠矚的印象。

02

入局者眾，水平參差

在中國，AI數(shù)字人公司如雨后春筍般涌現(xiàn)，互聯(lián)網(wǎng)巨頭也紛紛涉足其中。市場上出現(xiàn)了眾多數(shù)字人服務，騰訊云、阿里、京東、百度、科大訊飛、微軟都相繼推出AI電商產(chǎn)品，智能化助力商家自播。商湯、硅基智能、風平智能、閃剪、奇妙元、元分身等中小型公司更是數(shù)不勝數(shù)。

面向C端用戶的Heygen為個人用戶提供了數(shù)字人制作的機會，按分鐘計費，也降低了入場門檻。 功能強大，擁有數(shù)百種成熟完善的公模，搭配幾十種世界語言，可以通過商品鏈接自動生成帶貨視頻，完成度極高幾乎不需要任何改動，簡直是為跨境電商而生。

一方面是高歌猛進的集體繁榮，當我們比對半年來的數(shù)字人變化，會訝異技術的日新月異。另一方面是服務的良莠不齊和消費者們并不完全買單的不虞之事。

首先是在不同的應用場景中，數(shù)字人表現(xiàn)有別。

體驗型產(chǎn)品無法通過數(shù)字人來展示，如服裝類和珠寶類直播需要主播真人親自穿戴，版型是否合身，材質(zhì)是否親膚，都需要通過實際展示，這也是直播的題中之義。而母嬰類和科技類的商品則需要更專業(yè)的呈現(xiàn)方式來提高可信度，建立和消費者的信任關系，數(shù)字人尚且還不能做到。

其次是“似真非真”的尷尬。

盡管在直播過程中，數(shù)字人可以點對點歡迎、感謝活躍用戶、感謝刷禮物用戶，甚至普遍性地能根據(jù)預設關鍵詞自動回復，在短時間內(nèi)難辨真假，但與真人相比，它們的交互性仍顯不足。

人們甚至會感覺這種“像真人卻不真實”的效果，產(chǎn)生所謂的「恐怖谷效應」。

「恐怖谷效應」是指在制作仿真人類外貌和行為的機器人或數(shù)字人時，人類會在其逼真程度達到一定階段時感到反感或恐懼，而不是產(chǎn)生親近感。這個概念最早由日本機器人學家與作家森俊男于1970年代提出，用以描述當機器人越來越像人類時，人類的情感反應出現(xiàn)突然的下降，然后隨著機器人更加逼真而再次上升。

當虛擬數(shù)字人的外貌和行為越來越接近真人，但仍然有一些微小差異，這種差異會讓人感到反感或不自在，因為它們接近真實但又不完全相同。有時直播間的觀眾看了半個小時，突然發(fā)現(xiàn)原來主播并不是真人，會有人產(chǎn)生不適的感覺。

迭代快，技術復雜，資源消耗大，發(fā)展不平衡，信息不透明，都直接或間接地導致這個行業(yè)魚龍混雜。有的數(shù)字人真假莫辨，有的只是“可動照片”，動動口型，表情非常不自然。

數(shù)字人的制作涉及到多個技術領域，包括計算機圖形學、人工智能、機器學習等。不同技術的復雜度和成熟度不同，可能導致一些團隊在某些方面取得突出成果，而在其他方面表現(xiàn)較差。

此外，數(shù)字人的質(zhì)量和逼真程度通常依賴于大量的訓練數(shù)據(jù)和計算資源。一些大型科技公司可能有更多的資源用于數(shù)據(jù)采集、模型訓練和優(yōu)化，從而能夠創(chuàng)造更高水平的數(shù)字人。相比之下，小型公司或團隊可能受限于資源，也會導致數(shù)字人的質(zhì)量較低。

03

懸在我們頭頂?shù)倪_摩克利斯之劍

即使在魚龍混雜的市場中選擇了適合而滿意的服務，在數(shù)字人的發(fā)展道路上，依然有一個繞不開的問題，即虛擬數(shù)字人的版權歸屬。

數(shù)字人的生成通常依賴于真人提供的圖像、聲音和動作數(shù)據(jù)。一旦數(shù)字人生成后，可能會引發(fā)有關版權和知識產(chǎn)權的爭議。誰擁有生成數(shù)字人所需的原始數(shù)據(jù)的權利？誰有權決定數(shù)字人的使用和分發(fā)？這些問題可能引發(fā)法律糾紛和知識產(chǎn)權爭議。

更早以前的虛擬人，以超現(xiàn)實或2D的形象存在，如在抖音上爆火的虛擬美妝達人柳夜熙，或者是依賴中之人配音的Vtuber絆愛，他們和現(xiàn)實世界的人的聯(lián)系其實并沒有那么緊密。

數(shù)字人是基于真人視頻、動作捕捉、語音識別等技術生成的，必然建立在真人模型之上。即使存在由多個人面部特征組合的合成人，并不直接與任何另一個現(xiàn)實中存在的人相同，也依然需要這個基礎。然而，一旦數(shù)字人生成后，它們與原始人的聯(lián)系逐漸淡化，可以脫離原始人的行動，數(shù)字人能根據(jù)輸入的文案自動生成視頻。

商家購買的實際上是一次克隆自己的機會，在提供自己數(shù)分鐘的口述視頻后，基于視頻中的動作、發(fā)音、表情，捕捉特征并生成一個高度近似本人的數(shù)字分身。

方便起見，一些小商家會選擇自己的臉作為數(shù)字人的形象，即使是員工，也可能是持有公司股權的員工。如果實在其貌不揚，也能夠選擇將美顏功能拉滿，依然還算看得過去。即使為形象業(yè)務俱佳的主播制作了數(shù)字人分身，離職后要么不允許商家繼續(xù)使用，要么還是長期支付使用費用。

而前面提到的合成人形象雖然不存在版權問題，但在一些平臺，“公?！笨梢杂糜谥谱鞫桃曨l，但用于直播會被封號。所謂“公?！保褪菙?shù)字人企業(yè)制作的合成人形象，一般會同時送給多個客戶共同使用。

由于數(shù)字人可以根據(jù)預設的文案自動生成內(nèi)容，它們有可能被用來傳播虛假信息、造謠傳謠或進行欺騙。數(shù)字人的逼真外表和語音可能讓人難以分辨真?zhèn)?。雖然商家都或多或少以營利為目的使用數(shù)字人，在平臺的監(jiān)管下不必自掘墳墓，但是一個頂著真人外表卻無法直接追溯到具體的人的發(fā)言始終存在這樣的風險。

今年五月初，抖音發(fā)布了關于人工智能生成內(nèi)容的平臺規(guī)范和行業(yè)倡議，倡議提到虛擬人背后的真人使用者，必須進行實名注冊和認證。其直播時，必須由真人驅動進行實時互動，不允許完全由人工智能驅動進行互動。此外，發(fā)布者應對人工智能生成內(nèi)容進行顯著標識，幫助其他用戶區(qū)分虛擬與現(xiàn)實，特別是易混淆場景。

AI數(shù)字人的繁榮不禁讓人想到《黑鏡》第六季第一集「Joan is Awful」，故事講述一位平凡的女子Joan意外發(fā)現(xiàn)自己的人生被翻拍成影集，在流媒體平臺上上演，由好萊塢大牌明星Salma Hayek挑大梁主演。Joan的生活與劇集幾乎同步進行，日?，嵤隆⒒薨档娜松孛芏荚谄聊簧先稳诵蕾p，而需要數(shù)月的時間拍攝的高質(zhì)量劇集通過AI數(shù)字人形象生成，能夠在極短的時間內(nèi)送到觀眾面前。

當Joan的生活被公開，她丟了工作和未婚夫，咨詢律師無果，決定采取極端措施宣泄自己的情緒。她去舉辦婚禮的教堂現(xiàn)場大便，至少能夠摧毀劇中演員的生活。如此不雅的行為讓主演Salma Hayek找上門，但即使是演員本人也沒有話語權，內(nèi)容生產(chǎn)公司簽訂的協(xié)議使之完全自由使用她的數(shù)字虛擬形象生成內(nèi)容。 演員無權停播這個節(jié)目，也無法控制自己的數(shù)字人形象在劇中的行為，因此兩人協(xié)商去砸毀量子計算機，為這個故事畫上句號。

劇中Streamberry公司創(chuàng)造的量子計算機，它能根據(jù)現(xiàn)實影像資料生成虛擬世界影像，并且完成整個虛擬世界節(jié)目的拍攝、包裝、剪輯。公司借助數(shù)字人形象完全讓電腦生成內(nèi)容，這種方式能夠降低傳統(tǒng)劇集拍攝成本，顯著提高內(nèi)容生產(chǎn)效率。劇中這臺計算機確實被砸壞了，但與之相近的運作方式卻正在我們身邊發(fā)生。

一個真假難辨的數(shù)字形象，使用權卻不完全掌握在自己手中，一旦其行動脫離自己掌控，后果將不堪設想，身份認同、行為掌控、個人隱私、倫理和道德考量乃至于技術與人性的沖突，種種問題都會逐一浮現(xiàn)。

AI數(shù)字人產(chǎn)業(yè)繁榮的同時，我們也須時刻銘記懸在我們頭頂?shù)倪_摩克利斯之劍。

關鍵詞：