韩国人工智能初创公司 Cleon 开发的应用程序“Camello”通过一张肖像照片和 30 秒的视频，在 10 分钟内实现了一个不仅外表和体型相似而且还能用自己的声音说外语的虚拟角色。
虚拟人比人类更像人的时代正在来临。虚拟人活跃在广播员、天气预报员、银行柜员等各个领域，被认为是超越广告业蓝筹的人类领域。最近，一种甚至可以只用一张照片就可以创建一个与您相似的虚拟人的技术出现并引起了人们的关注。虚拟人越来越普遍，什么样的技术正在创造它们？
“虚拟人”是通过将人工智能 (AI) 算法、大数据分析和自然语言处理等技术应用于使用计算机图形 (CG) 制作的人物形象而创建的生物。因为是虚拟存在，所以有时被称为“虚拟存在”，因为是通过数字技术创造的人，所以也被称为“数字人”。
创造虚拟人的技术已经达到了难以将其与人类区分开来的复杂程度。事实上，英国和美国的一个研究团队用 400 对虚拟和真实人类的图片对 315 人进行了调查，发现分类命中率为 48.2%。虚拟人脸和声音可以从真人那里借来，也可以完全从头开始创建。还可以通过合成几个人的脸来创建虚拟脸，还可以包括情感表达。
在 9 月 2 日至 6 日在德国柏林举行的欧洲消费电子展“IFA2022”上，只需一张人像和 30 秒的语音数据，就可以打造出与真人外形、身体一模一样的虚拟人形状和声音在 10 分钟内。技术引起了我的注意。 “Camello”基于 Deep Human 技术。 CAMELO是结合了“变色龙”和“英雄”的名字，是由韩国AI创业公司Cleon开发的视频制作解决方案（app）。
Deep Human 有效地应用 AI 深度学习来实现实际可用的软件环境。深度学习是一种用于对对象或数据进行分类或聚类的技术。它是一种机器学习，可以训练计算机对物体进行分类，就像人脑对物体进行分类一样。 Deep Human 通过深度学习多次绘制许多人脸来学习识别人脸。通过反复学习，它甚至可以通过看一张正面的照片来预测一个人的个人资料。
使用著名的 deepfake 技术创建新的视频和语音至少需要 100,000 张照片。然而，Deep Human 的图像生成技术的核心是“轻量级”。它以近乎实时的速度实施这些技术，只需一张图片和 30 秒的语音。因此，创建虚拟人的成本显着降低，制作时间也大大缩短。
视频中的人不仅可以创建和我一样的人，还可以轻松更换视频的主角。您可以自由选择性别、范围、背景等，通过体型创建技术可以表达简单的手势。此外，自动视频配音应用“Klling”可以根据视频中人的声音同步嘴唇的动作。这意味着通过应用声音，视频中的人可以根据声音改变嘴巴的形状。例如，如果你输入一个想要的句子，“今天要下雨了”，它实际上会产生一个与句子和声音相匹配的嘴形。
即使加载韩语录制的语音，也可以使用自主开发的语音翻译（STS）技术将其转换为英语、中文、日语和西班牙语。特别是，它通过根据每种语言的发音合成嘴巴的形状来减少尴尬。这是因为人工智能会分析和学习一个人的语气、语调、速度、发音和音高。最后，通过改进学习字符的语音特征将如何用其他语言表达来创建语言模型。
多亏了 Cling，可以制作多语言内容，而无需寻找和外包可以翻译和配音的专业人士的复杂过程。内容可以在许多领域进行翻译，例如游戏、电影、社交媒体和新闻。配音一个反映声音和情感的 2 小时视频大约需要 3 天。与以色列初创公司 Deepdub 的配音技术相比，它简单快捷。 DeepDub 的解决方案需要每分钟的语音数据，配音一部两小时的电影需要四个多星期的时间。
虚拟人在美国（Lil Michela）、日本（额头）、中国（华志兵）和泰国（Eileen）也很受欢迎。使用计算机生成图像（CGI）技术的虚拟人由来已久，但随着技术的进步，他们现在活跃在文化产业的各个领域，跨越界限，以至虚实相混。虚拟人应用最广泛的领域是广告和营销。这是因为可以创建一个与公司所需的形象完全匹配的模型，并且与真实的人类不同，它允许同时进行活动而不受时间和空间的限制，具有很好的营销效果。
公司选择虚拟人作为模型的最大原因是什么？风险很低。与人类不同，虚拟人不会生病也不会变老，广告也不会因为卷入校园暴力（暴力）、酒驾、约会谣言等各种谣言而停止。另一个优点是，与过去在广告中使用名人等人体模型相比，它需要更少的劳动力和时间。
尤其是虚拟影响者在熟悉数字文化的年轻人中很受欢迎，银行和保险公司想要获得年轻客户也希望使用虚拟人作为模型。