5秒生成数字人，华为云聚焦元宇宙底层技术 想要快速的做一个数字人，现在可以马上拥有！这就是华为云MetaStudio全流程、场景化的数字人服务。只需5秒，就能生成自己的专属的卡通风格数字人。 只需上传一张正面照，便可基于华为云人脸识别算法，精准模拟用户脸部深度信息，而且能够更加精准控制形变。同时，系统还能自动进行材质适配，选取肤色、发型、眉毛、眼睛、胡须等等。 这就是技术变化带来的魅力。 2022必是元宇宙与数字人进一步爆发的一年。元宇宙在2021年的胜利，是观念制造乌托邦的胜利。它的泛滥并不依托某一技术的飞跃式发展，而在于承载了当下互联网人对未来的美好想象。未来，谁攻克了技术，谁就优先拿到元宇宙的入场券。 其实早在2007年，初音未来就掀起了虚拟偶像的狂潮，她本是雅马哈为了增加音频制作软件的销售而创造出的虚拟歌姬，却在PGC叠加UGC的形式下创造了许多经典的单曲，产生了众多UGC二次创作的衍生内容，缔造了虚拟偶像的神话。此后，从游戏公司到娱乐公司，再到近几年的数字公司，各大商业体推出的虚拟偶像及数字人数不胜数。 从技术上来说，现阶段的数字人更多的是计算机生成的、具有三维形象的人物 IP，停留在逼真的外壳阶段，在技术和交互上仍有很大进步空间。以目前的大多数时尚数字人为例，他们的存在形式仍以图片为主，主要原因是视频呈现极难控制，且制作成本极其高昂，更不要说实现拟人化的动态直播和对话。 而随着大厂的加入，虚拟数字人逐渐开启多元化发展：外在观感层面，依托新一代引擎和技术，超写实数字人、虚拟分身已经与现实存在的人类真假难辨；功能应用层面，具备更多服务属性的虚拟员工、虚拟主播开始呈现规模应用趋势。 技术先行，实现“数字人自由” 虽然虚拟人赛道火热，但技术突破却一直非常难。研发周期长，投入成本高，也让虚拟人行业出现了拔苗助长，浮躁的情况。 华为云CTO张宇昕接受采访时表示，去年开始元宇宙概念爆发式增长，华为对于技术的炒作并不感兴趣，关心的是能不能在这些多喧嚣的声音中通过自己的思考抓住背后的本质，抓住技术基础。 张宇昕解释称，华为也认为元宇宙是一个重要方向，本质是数字世界和物理世界的融合。要做到技术上有支撑必须有做好以下三点：首先，要在数字世界里面能够生产内容，也就是数字内容的生产。其次，围绕这些内容做数字世界的应用，围绕数字内容做应用开发，尤其是3D内容的应用开发。第三，数字内容和物理世界实体之间的互动，数字内容之间的互动，或者数字对象之间的互动，以及数字对象和物理世界对象之间的互动，这些都要有强大的互动框架来实现数字内容之间的协同。 数字人的制作是一个相对复杂的流程，同其它工业化制程一样，不仅包括产品的迭代，也伴随生产工具的革新。但不是所有的公司都能够养得起技术团队进行试水和孵化数字人，一个超写实虚拟数字人形象恐怕至少要投入100至200万制作费用才能不至羞于见人，甚至即便投入了也未必能做出令人满意的角色。那对有实际需求，但缺少技术储备的应用方而言，能够提供相对简单的一站式接入方案的华为云MetaStudio则是一个优秀的选择。全流程、场景化的数字人服务，对制作公司而言就是解放了双手，让创意在后续的内容和运营可以进行更大发力。 在6月15-16日举行的华为伙伴暨开发者大会2022期间，以“创新无限，一切皆服务”为主题的技术论坛上，华为云媒体服务产品部部长吕阳明深入介绍了华为云MetaStudio数字内容生产线的整体方案。并系统化阐释了MetaStudio如何助力“数字人”内容创作与应用。华为云MetaStudio正式上线全流程、场景化的数字人服务，包含数字人生成服务和数字人业务服务。有了华为这种大厂提供的平台一站式服务，相信数字人的风口将在游戏、影视、传媒、直播、金融、教育、医疗等领域不断涌现。 据华为云媒体服务产品部部长吕阳明介绍，华为云MetaStudio风格化数字人服务可以满足数字人的低成本快速定制。用户只需上传一张正面照，便可基于华为人脸识别算法，精准模拟用户脸部深度信息，包括276个脸部特征点。再通过将基模和面部分区，结合华为2012实验室自研的几何形变算法，让模型更逼真。它还采用了包含12万个顶点加12万面片的高精度基础模型，基于15个面部分区，能够更加精准控制形变。同时，基于多维特征自动匹配头发、眼睛、眉毛等等。只需5秒，就能生成自己的专属的卡通风格数字人。 在数字人直播方面，华为云MetaStudio通过普通摄像头即可实现对人体动作和表情的高精度捕捉。通过采用有深度信息的人体特点训练数据集和识别算法，其动捕准确度可提升至90%。再结合华为云强大的SparkRTC服务，让驱动时延低于100ms，动作更加流畅。 而针对影视综艺等行业对数字人真实性的更高要求，当前业内采用手工方式，通常需要2个月才能做出相对较好的数字人模型，流程复杂，投入巨大。而借助华为云MetaStudio的写实数字人服务，光笼拍摄后几小时内就可以自动完成模型生成、纹理补全、材质生成，通过AI纹理补全算法来对模型进行着色，让皮肤质感更加自然；再结合人工精修，将整个制作周期减少到7天以内，极大减少了艺术家制作写实数字人的周期和成本。 真人3D视频服务初露锋芒，使数字人进入千行百业 MetaStudio数字内容生产线在2022年聚焦数字人生成和场景化应用，推出五大数字人服务：风格化数字人服务，面向社交、会议等偏UGC场景；写实数字人服务，面向政企代言、电视综艺、影视等偏PGC场景；真人3D视频服务，面向虚拟演唱会、3D照相馆等场景；数字人直播服务，面向互娱、教育、企业、电商等直播场景；数字人视频制作服务，面向政企产品宣讲、教育课件制作、新闻播报等场景。 华为云云上3D视频虚实融合的制作方式，极大提升了虚实融合制作的效果。基于华为云数字内容生产线的元宇宙数字人IP直播业务、短视频业务，受到了多豆乐等众多合作伙伴的广泛认可。在长沙马栏山音视频创新中心构建的体积摄影棚中，通过72台世界领先级高精度拍摄系统，对对象每个角度的色彩及深度光场信息进行采集，直接将真人动作视频扫描成mash化的几何模型，无需驱动即可应用到后期视频制作当中。同时基于海量训练数据，AI加速几分钟便可生成模型。 以多豆乐漫娱传媒基于华为云MetaStudio开发3D直播数字人的为例，“方小锅”是国内首个拥有千万粉丝量级的为Z世代动漫短剧IP而打造的元宇宙AI数字人。“方小锅”数字人项目在今年1月立项，根据方小锅原画形象，华为云从完成3D建模到贴图、纹理、材质、灯光、渲染、动画，全部制作完成用了不到两个月的时间。 方小锅的首要应用场景是直播业务，基于华为云的强大云上存储和云算力的能力，为多豆乐提供在云上实时渲染的直播解决方案。通过单目摄像头视觉驱动，无需昂贵的动捕设备，动捕准确率可以达到90%以上。同时主播侧还可以通过端侧APP或云侧界面进行直播业务的管理，灵活调整数字人直播背景等业务参数。数字人直播业务可以帮助方小锅一键推流到虎牙、斗鱼、抖音、视频号等各大直播平台。 第二个应用场景是短视频业务，基于多豆乐对AI视频的需求，通过对方小锅数字人语音基库、标准动作基库、表情基库的建立，和实时图谱的深度学习，通过语音驱动一站式配置，输入文本，即可生成多样化的动态视频，节省了专业团队制作的时间和人力成本。 强大技术驱动，变革影视工业 其实不仅于此，数字人服务只是华为云的诸多核心能力之一，华为云也已经对影视工业带来了深远影响，一部90分钟的3D电影渲染通常需要6个月，但在华为云的丰沛算力的协助下仅需2周时间即可完成。 打破中国影史票房纪录的电影《长津湖》，它就是在华为云与赞奇科技打造的云渲染平台的支撑下，完成了“万核渲一图”的突破。电影场景涉及冰天雪地，有战争、烟雾、爆炸等，需要大量视效参与制作的镜头，但因为档期紧张，留给后期制作加渲染的时间不到两个月。 在两个月内，要完成测试、修改、定稿、渲染，对整个后期制作和渲染还是具有一定难度的。但华为云为赞奇科技提供了 All in Cloud 的“端到端”云渲染解决方案，从计算、存储、网络三个方面提供全方位技术方案支撑。在后期渲染中，华为云提供了数千台高配服务器，仅耗时两周就完成了《长津湖》的渲染任务，从而保证了电影准时公映。 在《乘风破浪的姐姐2》中，华为云还将4K技术第一次在行业内应用于超大型综艺节目中。凭借多年来与音视频行业密切合作的经验，在存储和算力方面都有着成熟的解决方案与技术经验，已经制作出一套完善的制作指南与标准。华为云通过代理文件和原文件实时处理等成熟技术，已经能够实现上百路机位视频流同时剪辑处理，极大加速了综艺后期生产制作效率，至对未来8K、乃至整个行业的节目制作理念与技术提升都会得到更好地释放和促进作用。 华为云让数字内容生产的技术门槛降低，用户能看到同类水准的东西越来越多，审美品味也会随之提高，对优秀作品的需求会放大。届时用户不只会被虚拟数字人漂亮的形象吸引，而会更进一步看到TA背后的表演、内涵甚至于精神。那么那种只靠一张皮、一张图，而缺乏形象背后深度运营能力的数字人肯定都会快速退潮。 所以如何能在这个赛道长期、持续的发展下去，已经成为了新的命题。正在兴起的元宇宙，可能给数字人带来更大的价值拐点。我们曾经在科幻电影中看到的那些智能助手，也许有一天就会出现在你我身边。 -全文完-