百度数字人平台推微表情大模型:每秒9个微表情,能采访李彦宏
作者 | 博雯 编辑 | 赖捷 “看懂的前途一片AI漫剧了。” 最近,一股“教人类模仿AI表演”的热潮正在兴起,相关视频在抖音最高点赞过20万,在小红书也有不少点赞过1....
“看懂的前途一片AI漫剧了。”
最近,抖音上掀起一股“教人类模仿AI表演”的热潮,相关视频最高点赞过20万;小红书上也有不少笔记点赞过10万。点开这些视频,博主们一本正经地“教”用户,怎么让自己的表演“像是AI生成的”。
有博主说,演生气、嫌弃这类激烈情绪,五官必须乱飞,表情越夸张越好;也有人讲,喊别人名字时别真喊对,故意错一两个字的才像。甚至还有人出了一期“AI脸仿妆”,一眼看去,三角眼、法令纹、人机笑全齐了,几乎要让人生出[[保留7]]。说到底,AI视频里用力过猛的演技、含糊不清的台词、生硬到搞笑的转场出现得太频繁,套路感就是这么被总结出来的,观众也才有槽可吐。
不过,现在终于有模型开始死磕AI脸和微表情,专门针对这块做优化。
11月12日,百度旗下的全场景数字人平台[[保留11]]
视频生成、实时交互,熟悉AI产品的人并不陌生。问题是,为什么还要专门做一个微表情大模型?它能落地到哪些现实场景?和视频Agent、视频模型、实时交互结合起来,又会有什么效果?
每秒8-9个微表情,AI的演技又往上抬了一截。
案例直接摆出来看。
下面这段出自最新发布的
先是被对方放狠话,她眼睛稍稍睁大,错愕、失神都写在脸上;跟着意识到对面男主处境危险,她低下头,眉头轻蹙,眼里浮起泪光,嘴唇抿住,下巴还轻轻发颤,心疼和隐忍一起出来了;泪滑下来的同时,女主眉头渐渐松开,视线也定住不再飘;最后抬起头,把心疼收起来,坚定地选择帮男主。
10秒里情绪转了好几次。这一回人物五官没再像开头那个案例那样使劲过猛,也没有“各动各的”,而是凑在一起表达一种复杂情绪,连面部肌肉都随情绪起伏,带出细小的纹理变化。
所以整个过程一句台词都没有,剧情的走向照样看得明白。好表演,有时候真不靠台词。
技术上,这个微表情大模型从6个维度、200多个子维度去拆人物表情。神态、情绪、动作幅度之外,不同镜头角度、光影氛围下的表演也算进去,细到眼睛睁多大、眉毛挑多高、嘴角是绷着还是微张,以及一个表情从出现到消失占几帧。
拆得这么细,夸张的瞪眼、两边嘴角使劲往下撇这类单一情绪表现,自然就少了。
目前,百度一镜。下面是另一个表演案例:
这样的表演,基本做到了
光把微表情做细还不够。要做出能打动人的短漫剧,从剧本到镜头都离不开专业创作。
短漫剧Studio就是针对这一点搭起来的一站式AI视频制作平台。
以一段为可口可乐量身做的营销广告为例:品牌方只消输入一句自然语言需求,编剧Agent先定下从“伯牙子期抚琴”的典故切入,接着往下推进。
画面左侧是基于
剧情往后走,导演用相当粗暴的方式把伯牙抚琴解构掉。伯牙脸上的情绪一层层递进:先是震惊,双眼睁大;接着茫然,眼神飘忽;最后转为审视,抬眼打量。
把上面这些底层能力拼起来,不光能一键出片,本土剧本也能转绘成海外剧本。字幕和台词翻译、人物转绘、场景本土化适配都包含在内,出海同样一键完成。
再看这段表演:贵族学院背景,男女主在天台吵了起来。剧情冲突、服设,还有那首熟悉的AI漫剧BGM,都相当经典。
用
台词、字幕跟着一比一换掉,主角成了经典的欧美脸女主和金发碧眼的帅哥,男主还套上了运动衣。欧美校园里,站食物链顶端的通常是校队王牌体育生,这么一转,倒真贴当地文化。校园里的场景陈设也没丢原来的剧情走向,只是更合欧美审美。换成西班牙语版同样能转,男女主转眼就变成拉美裔长相:
3D动漫风格的转绘也有,跟真人版摆在一起看,画风更清新、更美型。
成本是大家最在意的一头。眼下视频生成最低能压到0.2元/秒;速度上,视频多长、生成就花多久,1:1,10秒的片子10秒出。
给
数字人还能做什么?
短漫剧之外,数字人的实时互动也是一块重头。2026百度世界大会上,百度把自家的数字人IP形象请了出来。两人见面先自然握手、寒暄,访谈间的背景陈设挺有氛围,言行举止也不见生硬,差点让人忘了对面是个数字人。
受访者话还没说完,镜头已经转向数字人。
说白了,这套东西的底子正是把
视频播客访谈只是它落地的场景之一。
眼下汽车4S店里接待客户,它能用多种语言交流,讲车、约试驾都不在话下;客户随时插话追问,它也能顺着往下接。延时压在2秒以内,全天不下线。生成这样一个数字人,一张照片或一段语音就够。
换成日语市场,它的表情同样自然,接话也顺:
教育场景里它也能用,能生成一段讲课视频,还能配上对应的PPT:
到了电商直播这块,就更
它的前身,原本就是电商直播工具“
而现在,
眼下,GMV
再回头看文章开头提到的那些教人“演得像AI”的博主,会发现一种挺有意思的反差:大家还在从铺天盖地的AI视频里归纳通病、再把它变成玩梗的段子,百度数字人已经跳出了单纯拟人化工具的框架。
它不再只是比拼“怎么才能更像人”,也并非许多人刻板印象中念稿的“虚拟主播”。Agent、表情控制、实时交互这些技术被捏合到一起,落到更多场景里——短漫剧从剧本生成到出海转绘,电商直播的实时互动,4S店的全天候接待。数字人正一点点嵌入各行各业的业务流,从概念走向生产力本身。