【环球网科技综合报道】9月10日消息,通义宣布推出数字人李白,基于通义大模型打造,集合通义多模态技术实力,不仅在外貌上还原唐代诗人李白的中年形象,更在眼神、言谈举止间融入对李白诗词意境的理解与艺术再现。打开通义App,输入“李白”,便能和数字人李白开启一场即兴对话,既能吟诗作对,也可聊聊科技发展。
和需要大量视频作为训练数据,对真实人物进行复刻的传统数字人不同,通义推出的李白数字人,只需要一张图就可以生成具有全身动态的数字人,在这背后,是阿里通义大模型能力的“六剑客”。
大脑来自通义的模型Qwen,其语⾔理解、知识、代码、数学及多语⾔等多项能⼒显著领先。表情跟自然呼吸态来自EMO模型,最大化地保留模型创造力,使人脸表现力大大提升。肢体动作上,通义采用了强控制方法AnimateAnyone,用针对人体建模的骨架图片来驱动人物动作,也是曾爆火全网的“全民舞王”背后的技术。
语言模型来自通义语音实验室的CosyVoice技术,基于海量数据训练的生成式语音大模型,能够实现1-3句话声音克隆。为了让数字人有更好的实时对话能力,数字人李白还采用了VideoReTalking技术,它可以根据音频自动匹配嘴型。
未来,视觉语言大模型VL(Vision-Language)也将被应用在数字人交互领域,在情感识别、虚拟现实交互上提供更优质的互动体验。未来打开摄像头,用户便能与李白打破时空结界、体验身处一世的实时视频通话。
“李白是中国传统文化的一张名片,数字人李白让这位跨越千年的文学巨匠以全新的形态‘活’在当下,与全球观众互动,激发更多人对古典文学的兴趣与热爱。”通义数字人产品经理龙慧表示,未来,从线上教学到虚拟旅游,数字人将在教育、文化旅游、数字娱乐等多个领域展开广泛应用的计划。