帶你了解虛擬人、數(shù)字人、虛擬數(shù)字人三者的關(guān)系，聊聊“數(shù)字人”的定義~

目前，虛擬人、數(shù)字人、虛擬數(shù)字人，這些與數(shù)字人有關(guān)的術(shù)語，在網(wǎng)絡(luò)上非常流行。 8月18日，明星龔俊數(shù)字人出現(xiàn)在百度與央視新聞聯(lián)合舉辦的“百度世界大會2021”上，并且上了熱搜。

今年5月，香港雀巢咖啡推出了新的虛擬代言人“Zoe”，并發(fā)布了名為《Re/Imagine》的品牌宣傳視頻。Zoe 也是香港一個由品牌創(chuàng)建的虛擬代言人。

香港雀巢咖啡虛擬代言人“Zoe”

屈臣氏也在5月份推出了X蘇打汽水廣告，由虛擬偶像imma作為其虛擬代言人。imma由日本公司AWW制作并運營。事實上，imma還有幾個兄弟姐妹。

屈臣氏X蘇打汽水虛擬代言人imma

同樣在5月，代號為“AYAYI”的超寫實數(shù)字人在社交平臺上走紅。它在小紅書上發(fā)表的一篇筆記獲得了近300萬次觀看，近10萬點贊，一個晚上，它擁有近40,000名粉絲。

AYAYI

虛擬人、數(shù)字人、虛擬數(shù)字人有什么區(qū)別？這些術(shù)語目前還沒有標準化和統(tǒng)一的定義。在這篇文章中，小編試圖從字面上、技術(shù)上以及強調(diào)的目的幾個方面來闡明它們的定義和它們之間的關(guān)系。討論其定義和關(guān)系的意義在于對數(shù)字人領(lǐng)域進行規(guī)范化和標準化，從而在交流過程中傳遞準確清晰的定義，建立統(tǒng)一的認知，更有利于行業(yè)發(fā)展。

名詞歷史

從歷史上看，醫(yī)學(xué)研究領(lǐng)域是最早使用虛擬人這些名詞的——20世紀80年代起，人類醫(yī)學(xué)開始針對人體結(jié)構(gòu)、生理反應(yīng)和物理反應(yīng)發(fā)展數(shù)字化模擬技術(shù)，并發(fā)起了一系列針對人體的研究計劃。包括人類基因組計劃(human genome project，HGP)、虛擬人類計劃(virtual human project，VHP)、可視人類計劃(visible human project，VHP)和人類大腦計劃(human brain project，HBP)。21世紀初，美國科學(xué)家聯(lián)盟（FAS）基于上述計劃成立了數(shù)字人聯(lián)盟。目標是實現(xiàn)對DNA、蛋白質(zhì)、細胞、組織、器官、系統(tǒng)以及整個生命運作機制的精確模擬。

恰巧日本在1982年以《超時空要塞》中的林明美角色為基礎(chǔ)包裝了一位虛擬歌手，她的專輯成功進入了當(dāng)時的知名音樂排行榜。

《超時空要塞》角色林明美

1984年，英國創(chuàng)造了一部以Max Headroom的虛擬人物為主角的短片。播出后非?；鸨?，播出期間節(jié)目的收視率翻了一番。

Max Headroom

2007年，日本克理普敦未來媒體推出了虛擬歌手初音未來，一經(jīng)推出便大受歡迎。自推出以來，其創(chuàng)作熱度一直持續(xù)至今?？梢哉f，初音未來打開了虛擬人創(chuàng)作的大門。

初音未來

2019 年，視覺特效公司的軟件研發(fā)負責(zé)人 Doug Roble 博士在 TED 演講中實時展示了由他的表演驅(qū)動的數(shù)字化身 Digi Doug。

Doug Roble在TED演講中演示Digi Doug

與醫(yī)學(xué)研究的目的不同，本文中提到的虛擬人、數(shù)字人、虛擬數(shù)字人的目標是通過計算機圖形（CG）技術(shù)創(chuàng)造出接近人類圖像的數(shù)字化形象，并賦予其特定的 角色的身份設(shè)定，在視覺上拉近與人的心理距離，為人類帶來更真實的情感互動。

虛擬人

網(wǎng)絡(luò)上流行的虛擬網(wǎng)紅和虛擬主播被稱為虛擬人。之所以稱為虛擬，一是因為角色的身份是虛構(gòu)的，在現(xiàn)實世界中并不存在，比如在Instagram上擁有超過300萬粉絲的熱門虛擬網(wǎng)紅莉爾·米克拉，她虛構(gòu)的身份設(shè)定是生活在洛杉磯的一名19歲女生。

Lil Miquela

如果身份是虛構(gòu)的，那么電視劇或電影中人類演員扮演的角色也可能是虛構(gòu)的，但人類角色不能稱為虛擬人，第二是因為虛擬人在現(xiàn)實世界中沒有身體，它是通過計算機圖形技術(shù)虛擬化的。虛擬人的本體存在于計算設(shè)備（如電腦、手機）中，通過顯示設(shè)備呈現(xiàn)出來，使人可以通過眼睛看到。

第三點是它具有人類的外觀和行為模式。虛擬人具有人體的外觀和結(jié)構(gòu)，表現(xiàn)出的行為模式與人相似。虛擬人的影象通常呈現(xiàn)出某種人類活動。例如，初音未來的角色設(shè)定是一名 16 歲的歌姬，生日是8月31日，她身高和體重分別為158cm和42kg，擅長流行歌曲、搖滾音樂和舞蹈。網(wǎng)上流傳的初音未來的圖片和視頻，主要是歌舞類型。

數(shù)字人

“數(shù)字人”一詞來自英文Digital Human。中文翻譯為“數(shù)字人類”，簡稱數(shù)字人。目前，數(shù)字人還沒有統(tǒng)一的定義。之所以稱其為數(shù)字人，是強調(diào)它存在于數(shù)字世界中。數(shù)字世界是人類設(shè)計的在計算設(shè)備上運行的代碼和數(shù)據(jù)。它是運行在計算設(shè)備上的程序。數(shù)字世界的底層操縱著0和1這樣的數(shù)據(jù)。與人類的物理世界相比，物理世界是真實的，數(shù)字世界是虛擬的。數(shù)字人基本符合虛擬人的第二、三項特征。略有不同的是，數(shù)字人的身份可以根據(jù)現(xiàn)實世界中的人物進行設(shè)定，外貌也可以完全一致，按照真人還原制作的數(shù)字人也可以稱為數(shù)字孿生，比如數(shù)字王國制作的 Digi Doug。

數(shù)字王國軟件研發(fā)主管Doug Roble的照片和其數(shù)字孿生渲染圖的對比

虛擬人與數(shù)字人，如果虛擬人的定義摒棄了一項虛擬身份設(shè)定的要求，強調(diào)他們存在于虛擬數(shù)字世界的性質(zhì)，那么和數(shù)字人就沒有區(qū)別。

虛擬數(shù)字人

中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟總體組和中關(guān)村數(shù)智人工智能產(chǎn)業(yè)聯(lián)盟數(shù)字人工作委員會發(fā)布的《2020 年虛擬數(shù)字人發(fā)展白皮書》（以下簡稱“數(shù)字人白皮書”）中對虛擬數(shù)字人的描述是：

與上述醫(yī)療領(lǐng)域的數(shù)字化人體不同，本文所分析的虛擬數(shù)字人（以下簡稱“數(shù)字人”）是指具有數(shù)字化外形的虛擬人。與具備實體的機器人不同，虛擬數(shù)字人依賴于顯示設(shè)備而存在。虛擬數(shù)字人應(yīng)具備以下三個特征：一是擁有人的外觀，具有指定性別、外貌、性格等人物特征；第二，擁有人的行為，具有用語言、面部表情和肢體動作表達的能力；三是擁有人的思想，具備識別外部環(huán)境，可以與他人交流和互動的能力。

數(shù)字人白皮書中對“具有數(shù)字化外形的虛擬人物”的描述，強調(diào)了虛擬人物的性質(zhì)。，關(guān)于虛擬人物的定義，沒有解釋。百度百科對虛擬人物的定義是：

虛擬人物是指現(xiàn)實或歷史中不存在的人物。它可以存在于電影、電視劇、游戲、漫畫等創(chuàng)作作品中虛構(gòu)的人物。

根據(jù)百度百科對虛擬人物的定義，那么數(shù)字人白皮書中描述的虛擬數(shù)字人是對上述虛擬人描述的延伸。除了外表和行為，還增加了思想和交流互動的部分， 如果嚴格按照上述各定義的特征要求，數(shù)字人的范疇包括虛擬人，虛擬人的范疇包括虛擬數(shù)字人。

現(xiàn)在來看，大多數(shù)虛擬數(shù)字人不具備思考能力，他們與外界的交互大多是通過人工操作，比如虛擬主播。目前通過人工智能技術(shù)提供的交互能力，其能力與人力幼童相比也是非常初級的。主要是因為目前人工智能的智能水平還比較低，能做的事情非常有限。對此，用過智能音箱的朋友應(yīng)該都深有感觸。無論是小度、小愛同學(xué)、天貓精靈，他們都只能針對一些句式問題給出有效的答案。

虛擬數(shù)字人是否必須滿足數(shù)字人白皮書中描述的三個特征并不直接——“應(yīng)該為宜具備”。宜是一個多義詞。作為形容詞有“合適”的意思，作為動詞有“適合于”的意思，作為助動詞有“應(yīng)當(dāng)”和“應(yīng)該”的意思，但在現(xiàn)代漢語中是主要用作否定詞（不合適）。這里應(yīng)該理解為助動詞“應(yīng)該”比較合適語境，即“數(shù)字人應(yīng)該具備以下三個特征”，即不要求必須具備，只是期望具備。在不要求思考、交流和交互能力的前提下，虛擬人與虛擬數(shù)字人是等價的，虛擬數(shù)字人強調(diào)虛擬身份和數(shù)字化制作特性。

對于不要求必須具備交流互動能力，，數(shù)字人、虛擬人和虛擬數(shù)字人這三個概念可以認為是等同的。網(wǎng)上很多文章指的是這個級別的定義，三者經(jīng)常被混淆使用。嚴格來說，上述對數(shù)字人的定義范圍更廣，后文使用“數(shù)字人”一詞來進行討論。

2D數(shù)字人與3D數(shù)字人

2D是指幾何中的二維，而3D指的是幾何中的三維。2D是平面空間，3D是立體空間。2D數(shù)字人與3D數(shù)字人的區(qū)別不僅體現(xiàn)在視角上，還體現(xiàn)在制作技術(shù)上。從呈現(xiàn)的角度來看， 2D數(shù)字人只能從單一的角度進行瀏覽。一般來說，視角是在生產(chǎn)過程中確定的，用戶不能自行改變視角。但3D 數(shù)字人可以從任意視角進行瀏覽。至于是否開放視角供用戶自己調(diào)整，由產(chǎn)品制作團隊根據(jù)產(chǎn)品設(shè)定來定義。目前大部分顯示設(shè)備都是2D的，很多3D作品也是2D呈現(xiàn)的。比如科幻動作片《阿麗塔：戰(zhàn)斗天使》是3D制作的，影院同時放映2D和3D版本。但即使是3D版也只能有立體效果，無法調(diào)整視角。在制作技術(shù)上，3D數(shù)字人需要制作三維立體模型，2D數(shù)字人則不一定需要。為什么沒有必要，因為傳統(tǒng)的制作方式一般直接做2D圖像即可，而新的趨勢也有使用制作3D模型渲染成2D圖像的方法來制作。  

照片寫實數(shù)字人

數(shù)字人的外觀風(fēng)格可以有多種類型，通常由藝術(shù)家定義，如卡通、寫實等。在3D數(shù)字人方向，特別強調(diào)外觀和動作看起來非常逼真，渲染效果達到很難區(qū)分是照片還是渲染圖的程度?？梢苑Q之為照片寫實數(shù)字人（photorealistic digital human），典型代表是Siren。

Siren渲染圖

為什么今天要討論照片級寫實數(shù)字人？因為這是3D動畫行業(yè)數(shù)字人研究的最近進展。實現(xiàn)非常真實的動作，要達到動作尤其是表情非常真實的效果是非常難且復(fù)雜的，在很多方面都存在挑戰(zhàn)，但也正是最接近真實人類外表的效果，人類在情感上接受度會更高。數(shù)字人可以應(yīng)用在娛樂、醫(yī)療、金融、快消等多個領(lǐng)域，比如在電影中扮演某個角色，作為銀行的虛擬客戶經(jīng)理，或者作為你的虛擬助手。這些應(yīng)用程序需要通過數(shù)字人傳達非常真實的人類情感。這些應(yīng)用要通過數(shù)字人傳遞非常真實人類的情感表現(xiàn)，因此對數(shù)字人的外觀、表情、聲音、動作都希望達到與人類無差異的水平，這也推動了照片寫實數(shù)字人的發(fā)展。2021 年初，虛幻引擎開發(fā)商 Epic Games 推出了 MetaHuman Creator，用于快速創(chuàng)建非常逼真的數(shù)字人，并可以通過動作捕捉系統(tǒng)在虛幻引擎中實時驅(qū)動和渲染。

MetaHuman Creator 界面

近年來，明星代言人丑聞不斷，對代言品牌產(chǎn)生了非常大的負面影響。虛擬人設(shè)立的數(shù)字人作為品牌代言人，避免了人設(shè)崩盤的風(fēng)險。而且，數(shù)字人類可以7X24小時工作，這是人類也無法做到的。目前，目前多個行業(yè)都在進行數(shù)字人作為人類替代或補充的應(yīng)用探索，這也是數(shù)字人走向商業(yè)化的一種模式?，F(xiàn)在很火的元宇宙（Metaverse），正是一個巨大的虛擬數(shù)字世界，數(shù)字人在其中扮演著非常重要的角色。

數(shù)字人的浪潮正在席卷而來，無論是商業(yè)還是技術(shù)上，數(shù)字人在未來都有很大的發(fā)展空間。那么，我們離好的玩家中的虛擬世界還有多遠呢？