真·羅永浩直播幹不過假·羅永浩？網友：不是老羅在演AI吧？_風聞

西風 發自 凹非寺

量子位 | 公眾號 QbitAI

羅永浩，幹不過羅永浩？？？

今年618大促，羅永浩數字人百度電商直播上崗，“一不小心”就創造了個紀錄——

帶貨單量超5月羅永浩真人百度電商直播首秀同期數據！

只見交個朋友直播間中，不單單羅永浩一個數字人現身，還有朱蕭木（交個朋友直播間副主播）數字人擔任“助播”。

倆“人”全程互動配合默契，説話、動作、神態那叫一個自然。

看視頻效果，和真人直播不能説一毛一樣吧，那也是真假難辨的程度！

甚至有人在評論區問老羅“你是不是真人在扮演AI，要是被威脅了就眨眨眼”。

就連羅永浩本人“羅氏幽默”的特色直播風格，數字人也能高度復刻。

比如羅永浩數字人賣花生油：

有人問吃花生油會不會變胖，胖也沒關係，我們有一款T恤可以穿到200斤，你在我直播間就能形成閉環。

各種花式回答，讓人眼前一亮又一亮，自嘲式回覆網友問“棉柔巾臉大得用幾張”，be like：

你臉大有多大？能有我210斤的臉大嗎？我也就使用一張就夠了。

一場直播下來倆數字人真的是贏麻了，戰績斐然：

不僅直播吸引了超1300萬人次觀看，GMV（商品交易總額）突破5500萬元。

甚至部分3C、食品等核心品類商品帶貨單量，羅永浩數字人超過了羅永浩真人5月份在百度電商直播首秀的同期數據，用户平均觀看直播的時長也超過了5月真人首秀。

這究竟是怎麼做到的？

數字人直播現在都進化成啥樣了？

在最新百度AI開放日慧播星專場現場，百度同步智能電商進展，其中就揭秘了羅永浩數字人背後的秘訣。

原來，這次出戰618的羅永浩數字人，是由百度電商數字人直播工具慧播星打造的高説服力數字人，本質上是一個具備形象+感知決策+行動的超級智能體。

相比以往數字人，慧播星高説服力數字人實現了四大突破。

首先，上線了業界首個雙數字人互動直播間，體驗大突破。羅永浩和朱蕭木兩個數字人能默契配合進行互動講解就是基於此。

雙數字人互動直播間還原了“主播+助播”真實直播狀態。

得益於百度視覺大模型+語音大模型的全面升級，雙人講解時採用雙音軌，不僅銜接更自然，而且支持打斷説、同時説，能適配更復雜的場景。

觀眾在觀看時很難看出什麼破綻，就像是在看真人直播。

其次，慧播星推出了全新大師級別劇本模式，直播內容實現了突破。

現在，直播劇本生成不再是簡單的腳本生成了，文心大模型4.5 Turbo加持，數字人能輕鬆復刻出個人直播風格。

這種人格化表達讓數字人直播告別機械感，有網感，懂熱點。

比如結合剛結束的四六級考試也能講段廣告詞：

另外一大突破是視覺上的，慧播星高説服力數字人在業內率先實現了多模高度融合。

數字人由動作驅動，動作、表情、語調等多模態都能自動貼合話術表達進行配合。

比如在介紹護膚品的功效時，數字人會一邊摸着自己的抬頭紋、頸紋，一邊講解。

另外，它還能基於腳本即時調度素材，畫面銜接也更流暢自然。

第四點是整體直播效果上的突破，負責直播控場的AI大腦全面升級。

在直播過程中，AI大腦會主動邀評，吸引直播間用户參與互動；同時能即時回覆用户評論，哪怕是複雜直播場景，應對起來也遊刃有餘。

除此之外還有多種玩法，比如發福袋、在評論區抽幸運觀眾送禮物等，智能體能夠即時控場促進轉化。

活動現場，百度還宣佈了百度優選和交個朋友正式達成戰略合作，羅永浩成為慧播星首席體驗官。

交個朋友副總裁吳加錄直言，看到羅永浩數字人的表現有被驚嚇到，逼近真的效果讓他擔憂——羅永浩本人要失業了？

背後“黑科技”：多模協同的數字人技術深入探究這一系列突破的底層邏輯，會發現百度採用的是自研的以語言模型為核心驅動、多模協同的數字人技術解決方案。

從技術上來看，數字人若要在長時間內維持高水準的一致性與擬真性表現，單一模型顯然無法滿足需求。

百度的技術路徑是以語言模型作為核心驅動單元，通過語言模型生成直播劇本，再通過劇本指導協調語音、視覺等多模態系統實現動態交互，最終塑造出有高表現力、形神兼備的數字人形象。

具體來看其中關鍵環節的技術。首先是劇本生成，其重點之一在於數字人台詞生成。

台詞包括多樣化風格、擬真化人設和具有吸引力的內容。

其中多樣化風格，涉及風格建模、風格生成和風格定製；擬真化人設，需要模型在台詞生成上建設相應的能力，包括人設建模、人設還原、多角色協同；吸引力內容靠的是內容規劃、深度思考以及知識增強。

此外，基於大語言模型的劇本生成也包含視覺標籤、語音標籤生成，以實現多模驅動的協同。

在大模型協同過程中，這些標籤是開放級的，由這些標籤驅動的語言來進行語調和風格的控制。

以羅永浩數字人劇本為例，基於文心大模型4.5 Turbo生成的劇本，需要展現主播的個人特色，具備典型的羅氏幽默風格，並能夠實現雙人主播的內容協同，動態實現豐富的即時互動。

劇本生成後，關鍵環節還包括語音合成和視頻生成。

語音合成方面，數字人場景對語音合成提出了更高的要求，和以往朗誦式語音合成有很大區別。

最主要的區別在於數字人需要語音自然流暢，但在講述不同內容時還要有抑揚頓挫感，在一些情況下甚至需要激情澎湃感以感染觀眾。

百度在這方面的做法是：

通過文本自控的語音合成大模型的，實現高復原的語音合成能力，再結合直播台詞及發音人特徵，合成風格適當、自然流暢的聲音。

具體到羅永浩數字人的這場直播，還要面對老羅和朱蕭木直播中雙人聲音配合的難點，對此百度採用了對話上下文編碼器，把對話歷史輸入和當前對話進行語音合成的統一推理計算，最終才讓我們看到了流暢、自然的雙人對話效果。

還有一個關鍵環節是數字人形象生成與驅動。

視頻生成方面需要進行高表現力動作對齊，以及支撐唇動、表情生成和對齊。更重要的是，數字人不只是一個視頻，數字人還要和用户即時進行動態交互。

目前市面上存在大量視頻生成模型，可以生成10s、20s，甚至30s的視頻。但數字人要進行直播工作，這些還遠遠不夠。

數字人需要的是小時級的一致性，而且還要高表現力，人、物、場要能自由交互。

百度為此建設了數字人形象生成和驅動的一整套技術，讓數字人具備多模協同、高表現力、複雜交互能力。

該技術是一個可控的、長視頻的生成工作；通過視頻、劇本、語言、骨骼等特徵，結合多模態視頻理解、跨模態信號生成、視頻生成等技術，實現了高一致性數字人長視頻的生成。

普通人都能人均一個“主播”頭銜數字人技術的突破，不只促成了羅永浩數字人直播的成功。現在使用數字人技術的門檻越來越低，即使沒有團隊、沒有直播經驗的新人主播，也能輕鬆get數字人分身。

一些中小商家早就用這種模式，實現7×24小時不間斷直播，訂單量猛漲。

真實案例如三農領域創作者東北翠花，通過短視頻分享東北的風土人情和美食，之前對於直播卻缺少經驗，效果一直不理想。

而通過慧播星，翠花的數字人直播間深度結合生活場景，利用極具地域特色的鄉村環境、貼近日常的呈現方式，構建強代入感的消費氛圍。

用户產生了情感聯結與消費信任，驅動訂單量實現10倍增長。

另一個案例是新會陳皮的源頭產地商家廣芸堂。

過去做真人直播時，廣芸堂一直受主播差旅、時間調配這些高額成本所困。數字人突破了這一限制，藉助技術優勢，一邊直觀呈現原料生長的真實環境，一邊通過靈活切鏡，把陳皮的色澤紋理、觸感細節等細微品質，全方位清晰展示。

“產地直採、品質可控”的概念轉化為可視化、可感知的體驗，大幅強化消費説服力，直接助推GMV實現160%的增長。

數字人技術的規模化落地，正是百度AI戰略深度實踐的重要印證。百度優選平台作為國內最早提出智能電商的平台，率先探索AI應用場景實踐。

數據顯示，目前已經有累計超過10萬的商家在百度通過數字人直播，覆蓋電商、教育、醫生、法律等幾十個行業，使用了數字人直播的商家GMV平均提升62%，降低了80%的開播運營成本。

現在，伴隨618大促，百度還發布了兩大計劃扶持商家：

夢蝶計劃，通過流量扶持，超頭主播數字人打造、預算扶持，實現百度優選超頭主播的數量倍增。

繁星計劃，再次追加10萬個慧播星數字人，投入1億元數字人消費補貼，千萬級別的運營扶持，幫助更多的普通人、中小企業開啓數字人直播。

數字人技術不是頂級主播的專屬，而是普惠共享的新型生產力。