全球涌动的AI+数字人技术革新之下，数字人单纯的文字模态远远不够。快手在高精度、适用于多场景的传感器驱动多模态数字人系统应用过程中，典型的跨模态生成任务，需兼顾清晰度、计算效率、真实感、可控性等方面，已形成属性鲜明的应用方案。

　　在日前举办的2024首届中国数字人大会开幕式上，快手视觉生成与互动中心负责人万鹏飞针对“多模态数字人技术及产业应用”进行主题分享并提出观点。

　　万鹏飞指出，多模态数字人技术的核心在于其能够根据不同的输入形式，如传感器、文本/音频、视频等，实现多样化的驱动形式。这种技术的实现，一方面提升效果的上限，也增加了技术实现难度，另一方面推动了快手在数字人采集建模、绑定、动捕驱动、大模型生成互动、交互渲染等技术领域的全面进步。

　　“在商业化、本地生活、电商、招聘等多元场景中，数字人应用巨大潜力。”万鹏飞以快手官方虚拟主播“关小芳”为例，展示了身份型数字人的应用成果。通过整合ASR、VLM、LLM等多个自研大模型能力，“关小芳”已具备多模态感知、决策、生成能力，互动延时低于2秒且支持用户打断，极佳的性能表现和极低的推理时延，使快手平台吸引来超200万粉丝的关注。

　　“数字人技术在内容生产领域的应用已经达到新的高度”。据万鹏介绍，快手推出“快手智播”生成式数字人平台，支持超过1000种数字人形象的生成，通过用户提供的3分钟视频素材就能快速完成个性化定制。该平台融合了语音、图像及大模型等多种人工智能技术，提供了直播/离线视频制作、配套脚本生成、素材管理等能力。用户通过平台实现云端实时驱动快速开播，打造7×24小时不间断的直播间，极大地增强了用户的观看体验。既能降低内容生产的门槛，又能提高自主内容生产的效率。

　　“相比真人主播成本，快手生成式数字人每月投入不足真人的20%，支持万路以上直播间并发。降本优势带来“快手智播”平台服务的商家数量已破万，数字人直播及短视频日均消耗规模超过2000万。”万鹏飞表示，多模态数字人降低内容生产门槛提效经营，可见数字人技术广泛应用的未来之速。（光明网记者 王一涵）