多模态交互、深度学习和 AIGC是 AI 数字人的三大特征

　　首先，在应用层面，多模态交互是 AI 数字人的“核心力”。

　　我们认为，具备足够自然和拟真的多模态交互能力，是数字人在更广泛的应用场景中逐步替代真人角色的关键。所谓“多模态交互”，即是将深度学习神经网络和计算机图形学相结合，充分模拟人与人之间自然真实的交互方式，实现“听得懂，看得见，说得出”的人机交互效果。

　　拥有多模态交互能力的 AI 数字人，不仅能够呈现传统语音对话无法展现的多媒体信息，通过结合计算机视觉技术，还能完成身份识别、手势识别、情感识别等多项交互任务，让交互过程更加丰富且高效。与此同时，可视化的写实形象也赋予了 AI 数字人独特的情感温度，有助于建立人性化的情感纽带。

　　其次，在价值层面，深度学习是 AI 数字人的“创造力”。

　　每一个 AI 数字人背后都有一个“智慧的大脑”，可以基于语音语义理解等技术，结合不同领域的知识库和海量数据训练，进行深度学习和迭代升级，让自己变得越来越“聪明”，越来越专业，从而能够快速适应瞬息万变的市场变化和细分化的场景需求，不断打破即有的应用边界，为用户持续创造新价值和新体验。

　　第三，在制作层面，AIGC 是 AI 数字人的“生产力”。

　　高制作成本和长制作周期掣肘数字人产业规模化发展。传统数字人生产过程中，从人物建模到动画设计和制作等各个环节几乎都依赖人工“雕琢”而成。譬如，以人物建模为例，传统建模环节大概要花费数月时间。此外，要让模型动起来，前面的准备工作（蒙皮、BlendShape 等）以及后续的动画制作及优化环节也需要花费数月时间，无论是时间成本还是人工成本都是一个相对较大的投入。

　　AIGC 重塑生产流程，在人物模型的重建、动画准备和制作等各个环节辅助数字人自动化生成，大幅加速数字人生产，降低制作门槛和成本投入，是 AI 数字人生产力之本。以人物建模环节为例，例如，商汤科技为软银大会打造的软银 COO 今井康之的 AI 数字人形象，即是基于少量照片的面部扫描，结合 AI 算法快速生成数字人高精度 3D 模型，将传统以月计算的制作周期缩短至数天内完成。