Omniverse Audio2Face加速AI虛擬數(shù)字人的語音與表情訓練

元宇宙熱潮迭起，推動了虛擬數(shù)字人產(chǎn)業(yè)發(fā)展。當前，隨著虛擬人技術日益成熟，相關產(chǎn)業(yè)鏈逐漸成型，以及虛擬人的智能化、多元化應用不斷完善，數(shù)智人發(fā)展逐漸成為行業(yè)趨勢。

深圳幻影未來信息科技有限公司（以下簡稱“幻影未來”）專注于虛擬人互動的內(nèi)容研發(fā)，是領先的虛擬人及互動方案、AI 數(shù)智人創(chuàng)新提供商。借助NVIDIA Omniverse Audio2Face和NVIDIA RTX GPU，幻影未來加速虛擬人 Kiko 的語音及表情訓練，助力打造高品質(zhì) AI 數(shù)智人。

虛擬人語音互動與表情變化仍需優(yōu)化

虛擬現(xiàn)實技術的演進和虛擬人行業(yè)的逐步發(fā)展，帶動直播、電商、娛樂行業(yè)等逐漸開展虛擬人產(chǎn)業(yè)布局?；糜拔磥韽奶摂M人直播入手，蓄力將虛擬人 Kiko 打造成虛擬人 IP。由于目前虛擬人主播與觀眾之間的溝通場景仍需豐富，幻影未來立足技術背景，著力開展虛擬人的技術升級。

利用現(xiàn)有技術，虛擬人主播可實現(xiàn)語音輸入輸出及相應動畫展示，但仍缺乏相應的互動力和表現(xiàn)力，因此，在語音互動和表達的基礎上，驅(qū)動虛擬人產(chǎn)生豐富而逼真的表情以提升與用戶之間的溝通水平、加強虛擬人與用戶間的情感交流仍是行業(yè)發(fā)展的痛點。

Omniverse Audio2Face + RTX GPU

加速虛擬人訓練與升級

幻影未來通過 NVIDIA 初創(chuàng)加速計劃了解到，借助 NVIDIA Omniverse Audio2Face 可以直接將虛擬人語音轉(zhuǎn)換為嘴型和表情動畫，其在使用和測試后，對輸出的表情 BS 進行改造并訓練自定義模型，同時借助 NVIDIA RTX GPU，加速對虛擬人訓練大量數(shù)據(jù)的交換與處理。

Omniverse Audio2Face 是一款由 AI 提供技術支持的應用，僅憑借一個音頻來源便能生成面部表情動畫。Audio2Face 可簡化 3D 角色的動畫制作，與任何配音音軌匹配，在交互式應用場景中可以使用該應用，也可將其用作傳統(tǒng)的面部動畫創(chuàng)作工具，實時運行結(jié)果或烘焙結(jié)果都可輕松獲得。借助 Omniverse Audio2Face，幻影未來只需錄制語音音軌，輸入到該應用中，即可生成生動的虛擬人面部表情。

虛擬人模型訓練包括數(shù)據(jù)采集和清洗、數(shù)據(jù)處理和數(shù)據(jù)訓練，訓練過程中數(shù)據(jù)量龐大，對數(shù)據(jù)處理能力要求較高，幻影未來借助 RTX GPU，相較于常規(guī)硬件訓練方法而言，訓練時間可縮短至 10 分鐘左右，訓練速度提高了 99% 以上。

數(shù)智人服務場景拓寬

元宇宙基礎服務潛力無限

NVIDIA Omniverse Audio2Face 與 NVIDIA GPU 加速平臺賦能幻影未來實現(xiàn)虛擬人語音和表情動畫升級，使傳統(tǒng)虛擬人向數(shù)智人的升級成為了可能。幻影未來的虛擬人表現(xiàn)力解決方案助力豐富數(shù)智人服務場景，推動了元宇宙基礎服務的豐富和發(fā)展。

幻影未來創(chuàng)始人兼 CTO 姜龍表示，“未來元宇宙中的應用軟件一定不是以 APP 形式展現(xiàn)，也一定不會是需要通過點擊操控 UI 的形式出現(xiàn)，我相信未來元宇宙中的所有服務是以數(shù)智虛擬人形式出現(xiàn)，通過自然交互的方式來進行，這一天不會太遠?！?

審核編輯 ：李倩