搜狗AI合成主播走出国门，向世界证明中国AI

▲点击上方 雷锋网 关注

厚积薄发快速迭代，搜狗AI合成主播不断带来亮眼表现。

 文 | 新智造 

随着搜狗AI合成主播技术升级，在完成两次版本迭代后，近日因实现“跨语言”出海而再度引起海外市场高度关注，成为海外媒体行业明星产品。

AI技术创新落地国际市场

搜狗官方近日对外公布，其已与阿布扎比媒体集团达成合作，将推出全球首个阿拉伯语AI合成主播。对于此次合作，阿联酋文化和知识发展部部长努拉表示，阿布扎比媒体集团此次研发及应用AI合成主播符合其战略需求，将通过人工智能等数字化技术实现媒体智能化升级。

阿布扎比媒体集团是阿联酋的大型媒体企业，旗下包括阿布扎比电视台、广播电台、阿文《联邦报》、英文《国家报》及杂志、网站等主流媒体，在海湾和阿拉伯地区拥有较高的知名度和影响力。据悉，本次该集团与搜狗合作打造的AI合成主播，将应用于迪拜电视台有线频道及社交媒体端，用以播报时政新闻为主的栏目。

随着我国政府「一带一路」的政策加持，中国AI科技领域的优秀企业开始在全球范围内崭露头角。搜狗官方也表示，此次搜狗AI合成主播出海，一方面，正是响应国家「一带一路」政策号召的针对性发展战略；另一方面，对全球媒体行业而言，随着搜狗AI合成主播背后的「搜狗分身」技术的升级迭代，把AI的触角延伸到多个语种的信息领域，将进一步促进AI合成主播在全球范围的应用普及。

此次同阿布扎比媒体集团的合作，助力搜狗以AI技术的创新应用成功撕开了国际市场，提升了海外知名度。后续，在国家利好政策的持续加持下，搜狗在全球范围内AI落地应用或许值得更多期待。

搜狗AI不断突破，合成主播养成记

2018年11月7日，在第五届世界互联网大会上，搜狗与新华社联合发布了全球首个全仿真智能AI主持人，搜狗AI合成主播首次亮相。

首个AI合成主播以著名主持人邱浩为原型，具体功能方面，搜狗CEO王小川在发布会上介绍称，“由真人主播面对镜头录制一段播报新闻视频，「搜狗分身」技术凭借这段视频，将真人主播的声音、唇形、表情动作等特征进行提取，然后再通过语音合成、唇形合成、表情合成以及深度学习等技术，克隆出具备和真人主播一样播报能力的AI合成主播。后续只需要提供文字，AI合成主播就能准确无误的像真人主播一样播出新闻。”

相对而言，搜狗的第一代AI合成主播虽然惊艳，却仍难免存在一些遗憾，如搜狗AI合成主播此前原型只有男性，没有女性；合成主播只有面部表情，没有肢体动作。而这些，也正是搜狗今年年初针对其AI合成主播重点升级的方向。2019年2月-3月，搜狗AI合成主播实现两次版本迭代，从过去的「坐着播新闻」升级成结合肢体动作的「站立式播报」，并上线全球首位AI合成女主播「新小萌」，进一步增强了用户的新闻视听体验。

版本迭代的同时，搜狗AI合成主播的定制周期也在不断缩减。雷锋网了解到，由于早期技术不成熟，需要用到大量的数据。现在录制一个人，可以放在一天的时间内，把音频和视频全部录完，同时录得数据也比较少。现在几个小时的视频资料就可以形成一个逼真形象。

雷锋网了解到，搜狗AI合成主播自2018年11月正式面世半年以来，经历了两次重大版本迭代，从「坐」到「站」，从「男」到「女」，如今更从汉语到多语种，这正源于搜狗在AI技术上多年来的积累优势。从做搜狗搜索引擎到做搜狗输入法，再到做搜狗浏览器，在过去十年里，搜狗技术团队在互联网、大数据、AI技术上有了长足的积累。而搜狗AI合成主播正是基于此前的技术积累在媒体领域的创新落地应用。

搜狗AI合成主播核心：「搜狗分身」技术

AI合成主播只需要输入文字或语音文本，就可以实时高效输出音视频合成效果，获得实时的播报视频。被行业所惊叹讨论的是，AI合成主播不仅能用和真人一样的声音进行新闻或节目播报，连唇形、面部表情也能够吻合。

那么搜狗打造AI合成主播所用到的「搜狗分身」技术为何物？

搜狗公司语音交互技术中心总经理王砚峰介绍，「搜狗分身」技术是搜狗人工智能的核心技术之一，诞生于搜狗「自然交互+知识计算」这一人工智能理念之下。

具体而言，搜狗分身技术是搜狗人工智能推出的多模态合成技术，可以基于少量真实音视频数据，快速迁移生成虚拟的分身模型。使用时输入一段文本，即可生成与真人无异的同步音视频。

AI合成主播主要有两大核心技术支撑：通过人工智能技术，采集人的面部表情并标签化，并根据语义合成表情；通过机器学习自动生成仿真语音。而这两大核心技术也正是基于搜狗语音合成和图像生成的两大引擎：

• 在语音合成引擎中，基于用户少量音频数据，使用搜狗个性化语音合成技术，快速学习用户音色、韵律、情感等多维度特征，建立输入文本与输出音频信息的关联；

• 在图像生成引擎中，使用搜狗人脸识别、三维人脸重建、表情建模等技术对人脸表情动作进行特征学习和建模，建立输入文本、输出音频与输出视觉信息的关联映射，最终生成输出分身视频。

前文提到，在不到半年的时间，搜狗AI合成主播便历经了多次版本升级：除了语言能力，逐渐加入微表情、肢体语言等能力，从汉语语种拓展到英语、阿拉伯语等多语言语种。短时间内多方面能力的迅速迭代，也恰恰体现了搜狗AI技术的行业领先性。

AI合成主播将走向何处？

依托「搜狗分身」技术创新的信息传播形式，AI合成主播能够帮助传媒行业在融媒体转型、新闻时效性和跨语种传播能力等方面再上台阶，推动其智能化发展。

据新华社官方信息显示，AI合成主播自上线新华社以来已播报新闻3400余条，累计时长达10000多分钟，参与了包括第五届世界互联网大会、首届进博会等重要会议报道。同时，此次同阿布扎比媒体集团联合推出的首个阿语主播，也将上岗迪拜电视台有线频道及社交媒体端的时政新闻栏目。

雷锋网了解到，虽然搜狗AI合成主播目前主要应用于媒体领域，然而，搜狗的目标不仅仅是媒体领域。王小川前不久表示，作为AI合成主播的技术核心，「搜狗分身」技术未来还将应用于娱乐、医疗、健康、教育、法律、金融等多个领域，通过提供个性化的行业解决方案，为不同职业赋能，从而提升整个社会的信息生产力，用AI科技来让人类生活变得更加美好。

- END -