讓數(shù)字人去工作讓人類去思考去創(chuàng)造——專訪杭州一知智能科技有限公司董事長、CEO 陳哲乾

民營企業(yè)是蕭山發(fā)展的一張金名片，不僅是推進新型工業(yè)化的主體，更是與蕭山共生共榮、彼此成就的命運共同體。區(qū)融媒體中心推出“我們企業(yè)在蕭山”全媒體微訪談，深入企業(yè)，聆聽蕭山企業(yè)家們的改革創(chuàng)新實踐故事。本次訪談對象是杭州一知智能科技有限公司公司董事長、CEO陳哲乾。

記者：陳總，先給我們介紹一下公司的產(chǎn)品吧。

陳哲乾：這個模塊就是一知所有的產(chǎn)品矩陣，一知本身的定位是基于人機交互技術(shù)去找到更多的載體，幫助企業(yè)跟用戶之間更好地互動。比如說我們的第一個產(chǎn)品，是以電話作為載體，我們會有智能客服，智能地外呼，呼出、呼入都有。此時此刻，由一知機房里對外服務(wù)的員工，我們稱為“AI員工”，有20萬。

記者：這個看起來這么逼真，它也是數(shù)字人嗎？

陳哲乾：這個產(chǎn)品，是數(shù)字人短視頻。建模之后，只需要輸入文字，就可以呈現(xiàn)出我在拍視頻的那個狀態(tài)。這就解決了請真人主播價格昂貴的問題。

記者：這樣做出來的直播，會不會只是簡單地重復(fù)一些錄好的話術(shù)？能不能實現(xiàn)和用戶的互動？

陳哲乾：對一知來說，要做的事情就是要讓觀眾在平均三分鐘之內(nèi)，不要感受出主播有任何問題，感覺到就是一個非常真實的主播?；A(chǔ)的比如說互動問題，以及如何更逼真，包括各種特寫，這些技術(shù)一知在開發(fā)這個產(chǎn)品的第一課其實全部都解決掉了。

記者：目前在市場上使用我們數(shù)字人主播的品牌或者直播間多不多？我們的市場占有率大不大？

陳哲乾：我們在消費領(lǐng)域市場占有率應(yīng)該算是行業(yè)第一了，占據(jù)頭部位置。比如說像美妝行業(yè)市場占比將近40%，雅詩蘭黛、唯品會、歐萊雅、薇諾娜，這些其實差不多都是頭部品牌。

記者：數(shù)字人最核心的技術(shù)在哪些方面？

陳哲乾：數(shù)字人核心技術(shù)第一個模塊是語音識別，就是你講的話它要聽得懂，然后是語音合成，讓它能夠像人一樣去發(fā)聲，讓你不會感覺到它很機械，這兩個可以理解成機器人的大腦，它背后其實是大量的算法聚集在一起。還有一塊AIGC，是把數(shù)字人的皮膚做出來，所以我們會看到像AI換臉技術(shù)，還有人臉生成技術(shù)等。

記者：陳總，我們要制作一個這樣的虛擬主播，大概需要幾個步驟？

陳哲乾：可以理解成三個步驟。第一步，一般會對主播進行妝造。第二步，主播妝造完畢之后，所有的燈光全部調(diào)好，面前會有一個提詞器，主播只要對著這個提詞器大概說5分鐘的話，我們可以捕捉到主播的音色，以及他發(fā)每個音的時候整個面部的肌肉、嘴巴、唇動以及牙齒之類的。我們采集好這個視頻之后，第三步，進行訓(xùn)練。訓(xùn)練也很快，大概三個小時就訓(xùn)練好了，之后這個模型后續(xù)就只需要輸入文字就可以用了。

記者：這樣的主播放進去，直播間搭建好，還需不需要公司其他的工作人員，比如說助播、中控再來操作？

陳哲乾：都不用了，已經(jīng)完全是自動化了。你可以理解成我花半小時把直播間整個搭建好，然后一鍵啟動，人可以離開。

記者：當(dāng)時為什么選擇數(shù)字人這個賽道？

陳哲乾：我覺得剛好可以用兩句話回答，第一句話是“相信科技終將帶來的極致力量”。為什么做數(shù)字人呢？因為技術(shù)可以幫助人類在工作中大幅度提高效率。

把這個技術(shù)變成像人一樣的員工，所以把它定義為“數(shù)字人”，或者我們稱為“數(shù)字員工”。我們希望數(shù)字人能夠發(fā)揮的價值，正印證了一句話：“機器應(yīng)該工作，人類應(yīng)該思考”，讓數(shù)字人、機器去工作，把人類的精力騰出來，去做一些有思考性、創(chuàng)造力的工作。