近日，火山語音發布了首位超寫實數字員工小燦，在同步推出的首秀TVC中，小燦憑借高效的工作能力以及溫暖可人的性格引起多方關注，她的到來將會引領怎樣的改變?

　　善聽會說能想：提升工作效率的好幫手

　　小燦作為火山語音團隊聯合朝夕光年江南團隊共同打造的S級超寫實數字人形象，名字源于“火山”兩字的結合，拼音“can”在英文中表示“可以、能夠”的意思，這也意味著小燦從“出生”就是工作的最佳輔助。雖然加入數字人產品矩陣不久，但小燦同樣依托團隊長期積累的成熟語音交互技術，具有語音識別、自然語言處理、情感識別等多種功能，傳承“善聽”、“會說”、“能想”的多重能力，能夠做到與用戶面對面實時交互來提供更加高效服務。

　　逼真情感表達：技術與人文兼具

　　盡管小燦是虛擬數字人，但火山語音團隊仍然通過強大的技術能力，幫助TA構筑了從外形、動作到語言、情感交互的超寫實形態。外形上，憑借團隊3D超寫實數字人整套形象設計、資產制作、高成本影視級cg管線視頻內容的制作能力，讓小燦無論在外形動作，還是面部微表情抑或是皮膚肌理、發絲材質等各方面高度逼真，深度還原了真人影像，改變了大眾對數字人的一貫認知。

　　除卻精致的外在，小燦通過火山語音團隊豐富且領先的對數字人AI的驅動能力，實現了更加近似真人的口型動作表現。例如AI驅動口型方面，團隊通過使用行業領先的非自回歸模型的唇形生成網絡，合成與輸入文本或語音完全匹配的唇形，準確率高達98.55%。

　　“在AI驅動動作上，我們基于創新的Motion Blening技術，在動作切換時可生成過度幀，使數字人在切換各類動作時不僅可以做到毫秒級切換，還可以做到平滑效果自然無感知。”除此之外還在AI表情口型聯合建模，基于語音語義的動作生成即co speech技術上，都有極具前瞻性的預研工作，并已取得階段性成果，后續將全部應用于數字人視頻創作、交互以及直播等場景。

　　值得提及的是，小燦還具備“一條音頻秒級別音色復刻”(zero shot TTS)的能力，可以做到高保真還原真人音色、說話風格以及聲學環境等特點，在核心技術架構全自研的基礎上，關鍵指標均保持業界前沿。此外韻律模塊基于自回歸GPT類大模型，目前訓練數據超過20萬個小時，架構可擴展性很強，未來預計可支持100萬小時以上數據訓練;模塊支持code-switch，即無論prompt為中文或者英文，都可支持直接輸出中文、英文及混合內容。整體來說，小燦無疑是目前數字人研發領域藝術與技術高度融合的產物，但她不僅僅是一個超寫實數字人形象，更是高效且有溫度解決問題的好幫手。