原標(biāo)題：搜狗發(fā)布AI合成主播 背后技術(shù)“搜狗分身”同時浮出水面

騰訊科技訊（孫宏超）11月8日消息,，在11月7日開幕的第五屆世界互聯(lián)網(wǎng)大會上，搜狗宣布其與新華社合作開發(fā),、全球第一個全仿真智能合成主持人——“AI合成主播”正式亮相,，同時搜狗未來人工智能的核心技術(shù)“搜狗分身”也獲得了廣泛關(guān)注。

據(jù)介紹,，觀眾只要向“AI合成主播”輸入一句既有的新聞文本,，屏幕上就會出現(xiàn)一位合成的新華社新聞主播，他不僅會用和真人一樣的聲音進(jìn)行播報,，連唇形,、面部表情也能完全吻合。這樣的視頻效果,，無論看上去還是聽起來,，都與現(xiàn)實中的新華社主播的本人播報沒有太大差別。

在合成主播的開發(fā)過程中,，搜狗公司的相關(guān)技術(shù)人員同新華社的新聞主播一同進(jìn)行了各種探索嘗試,，在“搜狗分身”技術(shù)的支持下，通過人臉關(guān)鍵點(diǎn)檢測,、人臉特征提取,、人臉重構(gòu)、唇語識別,、情感遷移等多項前沿技術(shù),，并結(jié)合語音、圖像等多模態(tài)信息進(jìn)行聯(lián)合建模訓(xùn)練后,，“AI合成主播”正式誕生,。

同時，據(jù)搜狗公司智能語音事業(yè)部總經(jīng)理王硯峰介紹,，“搜狗分身”技術(shù)是搜狗人工智能的核心技術(shù)之一,，誕生于搜狗“自然交互+知識計算”這一人工智能理念之下。該技術(shù)能夠利用搜狗的AI能力,，從圖像表情,，聲音語言習(xí)慣，邏輯思維等層面對AI進(jìn)行擬人化訓(xùn)練,，然后克隆制造人類的AI分身,，進(jìn)而幫助人類提高信息表達(dá)和傳遞的效率。該技術(shù)是支撐“AI合成主播”正常運(yùn)轉(zhuǎn)的核心,。

會后,，搜狗公司CEO王小川接受騰訊科技等媒體采訪，以下為部分采訪實錄（在不改變原意情況下有所刪減）

媒體：像剛剛主持人說的,，會不會他就失業(yè)了,？

王小川：首先AI技術(shù)分為了感知技術(shù)和認(rèn)知技術(shù)。感知是有聲音的,、有圖像的,，感知技術(shù)方向上，機(jī)器基本有機(jī)會可以做到跟人一樣好,。但是在認(rèn)知技術(shù)方向上,，機(jī)器背后的推理、知識,、思考,，以語言為核心的邏輯性的東西，機(jī)器的處理能力是有限的,，這種情況下,，涉及到人的高級活動的時候，機(jī)器現(xiàn)在是做不到的,。

媒體：以后有可能做到嗎,？

王小川：現(xiàn)在沒有這個技術(shù),。如果是在垂直領(lǐng)域里，特別細(xì)分的特定領(lǐng)域,，像法律或者醫(yī)療,，面越窄，機(jī)器更有機(jī)會在這個特定的領(lǐng)域里做到更接近人類,。不能把AI當(dāng)成大的詞兒,，AI里面有很多內(nèi)涵。在這種情況下,，把AI上升到跟人們認(rèn)知相關(guān)的事情,，機(jī)器在里面只能做輔助，是沒有辦法取代人類的,。但如果只是聽個聲音,，看個圖像，現(xiàn)在像Face++或者商湯做的事情,，機(jī)器就已經(jīng)能取代一部分感知上的事情了,。對于人類的高級活動，現(xiàn)在機(jī)器取代人類是沒戲的,。高級活動叫認(rèn)知,，低級活動叫感知，目前的機(jī)器可以做到感知,，這是先給大的框,。

媒體：您怎么看AI合成主播，人類跟機(jī)器是怎樣的關(guān)系,？取代還是配合,？

王小川：名字我們跟新華社定了，叫AI合成主播,。這項技術(shù)里面涉及三個合成：聲音合成,、表情合成、唇型合成,，特別是唇型合成,。因為本身虛擬這個詞，畫個卡通畫也叫虛擬,，如果叫虛擬主播的話別人容易較真,，說這個東西怎么叫虛擬，所以我們叫AI合成主播,。AI合成主播和人類的關(guān)系是取代還是配合這個問題的話,，如果只是感知問題，不涉及到后面的語言組織、撰寫深度稿件的話,，它是可以去跟真人接近的,。

媒體：意思是人可以做寫新聞稿的人，剩下的事就交給它,？

王小川：如果想做到惟妙惟肖,，比如什么地方該發(fā)怒，什么地方該柔情,，這樣的事情機(jī)器很難做到，因為稿子的內(nèi)容機(jī)器是不懂的,，它不理解真正的含義,。如果只用視覺和聽覺表達(dá)，AI合成主播可以接近真人,，一旦與內(nèi)容有高度相關(guān)性,，機(jī)器的作用就會弱一些。

媒體：搜狗的AI合成主播跟微軟小冰做的主播有什么差異,？

王小川：搜狗的AI合成主播是真人的形象,，小冰給的是虛擬形象，聲音跟真人不一樣,，也沒有表情和唇型的變化,。AI合成主播真的是合成之后，能夠起到真人的替身作用,。

媒體：這個技術(shù)除了在主播領(lǐng)域,，還有哪些其他場景的應(yīng)用？

王小川：比如說現(xiàn)在我們跟凱叔講故事談,，以前是凱叔去講故事,，以后可能就會變成你的爸爸媽媽給你講故事。在我們大的理念下,，主播是其中一塊,，之后要把它個性化，變成其他的人,。

媒體：搜狗現(xiàn)在有考慮進(jìn)一步怎么去做么,？

王小川：未來搜狗輸入法的方向，我曾經(jīng)講過是叫輔助對話,，就是幫你去說話,。去年搜狗上市的時候，我一天收到三千條祝福的微信,，如果我用語音回,，我也要說三千條，而且發(fā)信息的人不一樣，有的是記者朋友,，有的是老同學(xué),，那么回復(fù)內(nèi)容也不一樣，這個時候你就需要個分身了,，它能用你的個性幫你去說話,，幫你去做機(jī)械性的、重復(fù)性的勞動,。搜狗有兩個理念,，一個理念就是讓機(jī)器能夠成為你的分身，一個是讓機(jī)器成為你的助理,。搜狗搜索做問答就是要成為你的助理,。這是搜狗AI兩個核心的方向。

媒體：在語言這塊,，門檻并不高,？

王小川：語言這塊門檻挺高，高德地圖合成林志玲的聲音的時候,，林志玲是讀了非常多句話的,，不是固定的“向左轉(zhuǎn)向右轉(zhuǎn)”的句子。搜狗現(xiàn)在只要求十幾分鐘的數(shù)據(jù)量就夠了,，可以用很小的數(shù)據(jù)合成一個人的聲音,。

媒體：為什么？是有什么算法的突破嗎,？

王小川：所謂小數(shù)據(jù)其實也是離不開大數(shù)據(jù)的,，機(jī)器要看很多聲音，然后找到這個人的聲音特征跟別人有什么不一樣,，所以小也是大,。我們以前說嬰兒學(xué)習(xí)很快，看一張圖片就會了,，其實他是看了很多圖片之后再看一張圖片,。所以對特定領(lǐng)域來說，數(shù)據(jù)越小越好,，但是要掌握足夠多的通用領(lǐng)域的數(shù)據(jù),。因此這里涉及到的技術(shù)，既要有海量聲音的訓(xùn)練,，同時能做到用更少的聲音數(shù)據(jù)訓(xùn)練特定人的聲音,，這是有技術(shù)壁壘的。

媒體：合成主播商業(yè)化的節(jié)奏會不會比之前做的其他AI落地的項目要快一點(diǎn),？

王小川：最快的話,，第一是翻譯，翻譯是剛需。不只是翻譯寶,，搜狗搜索支持用中文搜索全球信息,，用中文閱讀全球信息，這是應(yīng)用了翻譯技術(shù)的,。翻譯是搜狗的使命之一,，輸入法輸入中文轉(zhuǎn)成外文，搜索能搜外文轉(zhuǎn)成中文,。我們本身是做信息橋梁的公司,，所以翻譯是很重要的，這也是最快落地的技術(shù),。首先是語音,、圖像，然后是翻譯,，翻譯之后是分身,，訓(xùn)練一個人的數(shù)據(jù)之后,，幫助他去做表達(dá),。最后是問答，就是個人助理,，幫你回答問題,。對于消費(fèi)者而言，這是技術(shù)演進(jìn)的路線,。

媒體：搜狗做通用訓(xùn)練的時候,，語音素材是怎么拿到的，是平常語音輸入的時候的語音嗎,，還是怎么樣的,？

王小川：我們有很多合作，很多標(biāo)注,。比如現(xiàn)在我們跟喜馬拉雅有合作,，他們讀的東西我們可以拿過來用，盡可能多的采集不同的語音,。

媒體：除了醫(yī)療以外,，搜狗也在做法律相關(guān)的內(nèi)容搜索，對這種領(lǐng)域的選擇標(biāo)準(zhǔn)以及下一步擴(kuò)展垂直搜索的規(guī)劃是什么,？

王小川：首先最大的是醫(yī)療,，法律是中間有明顯的知識結(jié)構(gòu)化能力在，這個知識邊界是相對有權(quán)威和規(guī)范的,，在這種情況下,，我們可能去做一個選擇。但是醫(yī)療還是遠(yuǎn)遠(yuǎn)優(yōu)于法律的。

媒體：搜狗還會擴(kuò)展其他領(lǐng)域嗎,？

王小川：其他領(lǐng)域,，百科我們還是想努力能把它做得更加權(quán)威和真實?？傊行╊I(lǐng)域,，互聯(lián)網(wǎng)的信息不夠好，我們希望能夠在里面能用新的方法做好,，用AI技術(shù)或者用不同的方式,。

媒體：為什么要做搜狗號，這塊內(nèi)容是怎么樣的,，為什么要介入這個市場,？

王小川：因為今天做平臺，就像頭條或者像抖音,，一頭是用戶在里面去消費(fèi),，一頭生產(chǎn)方是合作關(guān)系，這種合作不是光簽合同的,，確實能夠做個平臺,，把它放進(jìn)來了，但搜索引擎不是,，搜索的模式是抓來的,，頭條號或者說像這樣的搜狗號很大意愿是希望增加內(nèi)容的合作比例，是更規(guī)范,，比如這里大家廣告做多少,，有一定的互相的共識，這樣能夠提升合作的內(nèi)容和質(zhì)量,，讓用戶體驗更好,。

媒體：會覺得做得晚嗎？

王小川：再早對我們講也不會成為戰(zhàn)略上的突破點(diǎn),。

媒體：這種信息流的改變會給搜狗帶來更大的營收嗎,？

王小川：會有一些，信息流廣告主要是基于APP,，搜狗APP或者瀏覽器,，能有些補(bǔ)充。如果APP量特別大,，收益是大的,。

媒體：之前您說一直刷抖音，刷頭條,，很容易沉迷進(jìn)去,，搜狗號能不能改變這件事情,？

王小川：我們做搜狗號很大層面是為搜索服務(wù)的，而不是只說為做信息流這件事情,。第二,，有些東西改不改變，比如游戲,，我們就不做了,，對我們而言，從我們興趣愛好經(jīng)驗上不是游戲,，游戲一樣,，滿足你沉迷在里面，一直獲得虛擬世界,，有太虛幻景表達(dá)這樣的概念,，人是需要的，但是怎么去引導(dǎo),，我們沒有這方面創(chuàng)造引導(dǎo)能力,，我們愿意把我們的優(yōu)勢發(fā)揮在我們自己擅長的地方上，我們讓信息表達(dá)更加簡單,，我們做翻譯,，我們在中間去做問答技術(shù)。

媒體：搜狗搜索以后在流量渠道或者獲客層面有什么樣的想法,？

王小川：渠道方面有兩個事是要突破的,，一個地方是利用自有的流量渠道,，比如用戶在輸入法輸入的時候,，如果甄別到他有這樣的意圖，我們能直接給他提供更好的信息滿足他,，甚至給別人做分享,，這個事情上我們還有大的空間提升的，搜索跟輸入行為的連接,，第二我們希望在搜索結(jié)果里,，能有更好的差異化或者權(quán)威性，就像之前做的微信內(nèi)容,，現(xiàn)在我們是著力在強(qiáng)調(diào)醫(yī)療健康內(nèi)容,，希望內(nèi)容上有差異化，使得用戶變成主動使用,，而不是靠合作的,，QQ瀏覽器或者手機(jī)廠商，這樣的話成本會降下來,。

媒體：搜狗AI方面戰(zhàn)略還是比較聚焦的,，有沒有考慮相關(guān)多元化或者更多AI的軟件或者科研或者硬件,？

王小川：不考慮，我覺得我們已經(jīng)張得很開了,，我們在信息文明時代核心就是對知識或者對語言的理解,，做AI我認(rèn)為要滿足幾條，今天說AI是屬于大公司做,，大公司有幾個,，第一個有場景，有數(shù)據(jù),，所以你做AI,，如果你沒場景，沒有數(shù)據(jù),，只做技術(shù),，這件事情是很困難的，我們數(shù)據(jù)和場景是在用戶表達(dá)和信息獲取里,，在輸入和搜索里,，所以我們圍繞場景做這件事情。第二,，中間是需要在這里面有持續(xù)的投入,，投入里很多創(chuàng)業(yè)公司或者沒有商業(yè)模式的公司，它今天投這樣,，如果哪天市場沒打開,，那可能這個東西就掉下去，我們是有足夠資金去投,，但是也希望跟可見的商業(yè)價值去匹配,，我們做翻譯已經(jīng)沒有考慮商業(yè)，已經(jīng)在拓展,，我們最近一共支持500場同聲傳譯,，我們已經(jīng)努力往外拓展的時候，往外拓展不是考慮商業(yè)問題,，還是圍繞我們的使命來進(jìn)行,，就是表達(dá)和獲取信息更簡單，以及未來讓機(jī)器部分取代人或者給人提供服務(wù),。

媒體：單純同傳這個問題,，機(jī)器有沒有可能取代人？

王小川：不能,，做不到,。如果用好的人，機(jī)器是趕不上的,，但是有很多地方是因為你沒有優(yōu)秀的同傳或者出國旅游沒法給一個人配一個人,，這種情況下,，機(jī)器可以去作用，翻譯往簡單走是重復(fù)性勞動,，但是真的好的翻譯是有知識,，有思考的，你讓他思考的東西,，機(jī)器就沒人強(qiáng),，開放性思考，如果只是棋盤上封閉思考,，機(jī)器下圍棋,，可以干，但是開放性的環(huán)境,，機(jī)器是不夠的,。

媒體：會考慮在多媒體搜索上有一些布局嗎？

王小川：搜索核心是以語言為核心的,，如果離開了文字,，只是畫圖，這是不夠的,。我們是有圖像搜索能力,，有聲音去做搜索，但核心要點(diǎn)是在閱讀理解,，這個事情不是我們最受益或者是我們突破點(diǎn)最大的地方,。我們突破是在語言的理解里面，這個更難,，比5G還難,。

媒體：從硬件的產(chǎn)品上，未來有可能做OEM嗎,？

王小川：有可能,，但是現(xiàn)在通過自己的東西把它給做透了,，再開放,，就像亞馬遜一樣，之前做echo的音箱,，也是自己做,，自己做才有機(jī)會跟別人一塊玩，否則第一天就是B2B2C,，你不知道客戶在哪兒,，或者跟客戶沒有形成正面的習(xí)慣，to C公司不夠的,，先把自己做透,，然后發(fā)現(xiàn)能力不夠了,，再開放。

媒體：要到達(dá)真正的AI個人助理,，還要多久,，還要突破哪些東西？

王小川：我們之前20年,，我們稱之為信息時代,，每個時代都有它的起點(diǎn)，就像最早輪子發(fā)明,，有了農(nóng)業(yè)時代,，輪子發(fā)明，可以推著小車去種地了,，這是原始走過來,。后來有蒸汽機(jī)，進(jìn)入工業(yè)時代,，后來有了計算機(jī)和互聯(lián)網(wǎng),，我們進(jìn)入信息時代，信息時代大的特點(diǎn)就是能夠跨地域,，跨時間,，時空跨越進(jìn)行信息的傳遞。像e—mail或者IM就能跟大家進(jìn)行遠(yuǎn)程的交流,，或者把信息放在網(wǎng)上,，然后你用搜索檢索到，在這種情況下,，輸入法,、搜索引擎和通訊軟件是對新時代最核心的應(yīng)用，你剛才問的問題是AI個人助理往下20年里很重要的事情,。

媒體：它真的到能夠很好地幫助人,，協(xié)助人的階段，還要多久,？

王小川：垂直領(lǐng)域慢慢就有了,，真的輔助人，給普通人做翻譯,，也是AI助理,，以前靠真人，現(xiàn)在靠機(jī)器能做一部分了,，再往下,，像我們垂直場景里，我們也在做機(jī)器幫你做自動回復(fù),，給銷售公司或者客服公司在用,。他已經(jīng)開始在做,，但是他需要領(lǐng)域支持，是要靠人把這種知識進(jìn)行訓(xùn)練之后再做,，不是只有思考能力,。所以往下是靠數(shù)據(jù)驅(qū)動做這件事情，你讓它只會幫助人,，他現(xiàn)在沒有取代人,，現(xiàn)在看不到技術(shù)取代人，但是幫助人的事已經(jīng)開始發(fā)生了,。

媒體：這里是賣解決方案嗎,？

王小川：我們是to C，我們會把它用到消費(fèi)者,，讓消費(fèi)者使用更方便,。

媒體：AI合成主播或者未來做的AI合成影像，未來的使用場景是什么樣,？

王小川：合成主播,，今天給我們核心能力要做對話和問答，同時可以互動的,，因此在醫(yī)療,，在法律，在一些人機(jī)交互里,，承擔(dān)了一個讓人更友好溝通的角色,，但真正服務(wù)內(nèi)容是去要面對內(nèi)容的，就是把服務(wù)帶進(jìn)去,。另外一種場景就是今天看到一種,，交給新華社，他們有編輯在里面寫出稿子來,，機(jī)器只是讀的角色,，是單向的，不是雙向的,，所以他只是自然交互,，在知識計算里還沒有把這個能力放進(jìn)去。

媒體：搜狗未來的戰(zhàn)略是AI+IoT（物聯(lián)網(wǎng)）,，可以這么理解嗎,？

王小川：IoT只是一個界面，我不能把IoT放在這么高的高度去,，AI是核心，去幫助人表達(dá)獲取信息,，IoT只是中間幫助你表達(dá)獲取信息的入口,。

媒體：搜狗為什么不做智能音箱,？

王小川：這個產(chǎn)品的核心點(diǎn)在于足夠低價便宜，不是靠技術(shù)驅(qū)動的,，沒有這方面的能力,，只能靠資金驅(qū)動，沒啥AI在里面,。相當(dāng)于虧著錢賣,，像打車外賣是燒錢的活，我們其實是不會做的,，沒那個能力,。

媒體：人工智能賺錢的拐點(diǎn)是什么時候？

王小川：人工智能是項技術(shù),，你說技術(shù)賺錢,，這個詞是不成立的，你要變成某個業(yè)務(wù)才能變成賺錢的事情,。而且人工智能技術(shù)尤其還需要數(shù)據(jù)驅(qū)動,，所以小公司更困難。它是一個場景,，能做附加的東西,，這個不是從拐點(diǎn)上來看的。所以這是社會大分工,、讓數(shù)據(jù)交換,，讓小公司給大公司提供技術(shù)服務(wù)，看現(xiàn)在的趨勢,，人工智能還真是大公司的事,。另一條，如果政府做了很大的數(shù)據(jù)開放,，可能會帶來新的投資機(jī)會,，等于小公司有機(jī)會獲得數(shù)據(jù)了，如果政府開放數(shù)據(jù),，可能會帶來新的機(jī)會,，這個事不知道會不會發(fā)生。

媒體：科創(chuàng)板塊有一個新的進(jìn)展,，會不會投資一些公司,？會不會自己上。

王小川：我們模式不會變的,，我們不會投資賺錢,，這不是我們干的活，我們做不過其他專業(yè)機(jī)構(gòu)的。談到我們自己,，因為我們在美國已經(jīng)上了,，國內(nèi)環(huán)境，科創(chuàng)板塊如果做成功了,，有巨大的意義,。但是這東西就看政策，只知道這個事發(fā)生了,，但是最后怎么演化,，希望它成功，對中國是革命性的意義在,。

媒體：在選擇2C智能硬件的產(chǎn)品的時候,，您覺得現(xiàn)在還有哪些場景不被滿足的？

王小川：第一,，需要有更好的錄音筆,，真的是給老師，自媒體的人做演講的時候或者雙方談合同的時候,，只要有商務(wù)活動都能用到,，這是需要做的一件事情，但還不是品牌性的產(chǎn)品,，要是能力上有升級,，會有新的產(chǎn)品，我認(rèn)為努力帶來大家一起新的技術(shù)的思考,，也可能是跟硬件廠商合作,。

媒體：在數(shù)據(jù)及隱私保護(hù)這塊有什么新的變化嗎？

王小川：第一尊重隱私,，保護(hù)隱私這是屬于很嚴(yán)肅的話題,，得去做遵守，是符合法律和用戶的文化,，但是我們知道如果一邊倒,，隱私不可侵犯，這個視角是特別有害的,，因為只有別人了解你的個性,，才能給你更好的服務(wù)。所以這種情況里,，從社會整體的價值看,，個人能夠把自己一些數(shù)據(jù)開放開，讓企業(yè)知道,，可以提供更好的服務(wù),，這種事情在安全情況下,，該去倡導(dǎo)的一件事情，所以歐盟的做法,，最后會把自己坑死掉的,，用戶消費(fèi)者也不買賬,，最后沒能服務(wù)升級,，倒變成整體落后了。

媒體：當(dāng)搜狗新開一項業(yè)務(wù)的時候,，什么是取決于這個業(yè)務(wù)要不要開,，最大的思考維度是什么？

王小川：第一個,，我們知道未來趨勢是什么,，這個得知道，這是一個源頭,。但是第二個事情為什么是我們做,，我們在做這事的時候，跟我們價值觀也好,，跟我們的能力也好,，跟我們當(dāng)前的狀態(tài)也好，有什么樣的關(guān)系,。為什么是我,，這個事情也是很嚴(yán)肅的事。這個事最好有全局的使命,，如果這是在趨勢里,，在你的使命里，你會努力去做,。

媒體：在搜狗公司您對自己的定位更像職業(yè)經(jīng)理人還是聯(lián)合創(chuàng)始人,？

王小川：其實我雙重屬性都有，我同時承擔(dān)著創(chuàng)始人的精神作用和引領(lǐng)方向,，但是因為股權(quán)關(guān)系,，我又得像職業(yè)經(jīng)理人干活，這個是挺獨(dú)一無二的狀態(tài),。