訓(xùn)練數(shù)字人：方案、定制與費用明細

隨著科技的不斷發(fā)展，數(shù)字人逐漸走進我們的視野并在眾多領(lǐng)域發(fā)揮著重要作用。無論是在娛樂、客服，還是新聞播報等方面，數(shù)字人的身影越來越常見。那么，如何訓(xùn)練數(shù)字人呢？

首先來看看數(shù)字人訓(xùn)練方案。不同的平臺和技術(shù)有著不同的要求。比如OpenBayes教程中的GeneFace++，前期準(zhǔn)備工作就很關(guān)鍵。要準(zhǔn)備一段3-5分鐘的視頻，這個視頻有諸多要求，畫面得清晰且是正方形尺寸（zuihao為512512大?。尘皕uihao為純色，人物面部要清晰且占比大、正面，采集畫面zuihao在肩部以上，人物動作幅度適中，音頻還不能有雜音，視頻名稱zuihao用英文。準(zhǔn)備好視頻后，要經(jīng)過一系列的操作步驟，像登錄平臺、克隆教程、選擇算力等，Zui后導(dǎo)入視頻，選擇訓(xùn)練步數(shù)開始訓(xùn)練。

騰訊云的“數(shù)智人”產(chǎn)品則只需要3分鐘真人口播視頻和100句語音素材，平臺就能通過音頻、文本多模態(tài)數(shù)據(jù)輸入，實時建模并生成高清人像，在24小時內(nèi)制作出與真人近似的“數(shù)智人”。

還有一些數(shù)字人訓(xùn)練需要更多的數(shù)據(jù)準(zhǔn)備。像快手的人工智能數(shù)字人訓(xùn)練師翟雨佳在訓(xùn)練數(shù)字人關(guān)小芳時，一開始就需要準(zhǔn)備幾十萬條數(shù)據(jù)，這些數(shù)據(jù)包含人工手寫的高質(zhì)量數(shù)據(jù)和模型生成的基礎(chǔ)數(shù)據(jù)，同時還要設(shè)計編排幾千字符的提示詞Prompt，包含人格和愛好等內(nèi)容，通過不斷優(yōu)化補充訓(xùn)練數(shù)據(jù)來讓數(shù)字人變得更聰明。

再說說數(shù)字人定制訓(xùn)練。在數(shù)字人的“形象”方面，無論是動作、表情還是口型等都需要具有高還原度的擬真效果。有的數(shù)字人制作過程中采用了三維重建、TTSA+音視頻驅(qū)動技術(shù)、ARKit表情識別和AIGC等多項核心技術(shù)，還配備多種克隆模式來保證數(shù)字人在外觀上的逼真程度。對于2D真人形象定制，有的會提供規(guī)范的SOP錄制手冊，方便用戶自助完成訓(xùn)練素材的錄制、編輯和上傳，實現(xiàn)高擬真度的形象表達。

在“聲音”上，也有不同的定制等級?；A(chǔ)版可以在線使用，系統(tǒng)自動分配20句文案簡單錄制，30分鐘就能捕捉關(guān)鍵聲紋特征克隆人聲。輕量定制版基于多種算法，15- 30分鐘有效音頻就能高保真還原音色，還能指定音色情緒。

Zui后，關(guān)于數(shù)字人訓(xùn)練費用明細。目前并沒有一個統(tǒng)一的標(biāo)準(zhǔn)。不同的訓(xùn)練方案、不同的平臺，其成本可能會有很大差異。有的平臺可能會根據(jù)使用的算力、訓(xùn)練的時長、定制的功能等多方面因素來計算費用。像OpenBayes平臺，新用戶使用特定邀請鏈接注冊可獲得一定時長的免費算力，但如果超出可能就需要付費獲取更多資源用于數(shù)字人訓(xùn)練。

數(shù)字人的訓(xùn)練是一個多方面綜合考量的過程，無論是訓(xùn)練方案、定制訓(xùn)練還是費用，都需要根據(jù)具體的需求和目標(biāo)來進行選擇和規(guī)劃。