Цифровой аватар

Цифровой аватар (кстати, рабочее название этого решение было “виртуальный диктор”) — это виртуальная модель человека, которая работает 24/7 и может пригодиться для выполнения самых разных задач:

• диктор для новостей, прогноза погоды, рекламы;
• ассистент на инфоматах или на сайтах;
• амбассадор бренда;
• доктор (телемедицина);
• персональный помощник;
• секретарь;
• лектор;
• тренер и т.д.

Любая задача, где нужен виртуальный персонаж, похожий на живого человека, говорящий по определенным скриптам с заранее заданными текстами, может быть решена с помощью цифрового аватара.

Среди клиентов CDNvideo большой процент телеканалов, поэтому у нас сервис начал свое развитие, как полезный для телевидения инструмент генерации видео-контента.

Аватар полностью избавляет от влияния человеческого фактора и может работать круглосуточно.

Добавим к этому экономию на оборудовании и обслуживающем персонале — и на дистанции разработка собственного цифрового сотрудника начнет генерировать не только контент, но и прибыль.

Но чем дальше мы занимались совершенствованием нашего сервиса, тем больше областей его применения находили вокруг. Например, вели переговоры о разработке виртуального тренера для сети спортивных клубов (это было особенно актуально во время пандемии, когда фитнес мог бы компенсировать часть убытков за счет предложения онлайн-услуг для своих клиентов).

Gartner включил цифровых аватаров в свой Hype Cycle и считает, что хайп вокруг цифровых аватаров будет продолжаться еще 10 лет до выхода на «плато продуктивности». Но уже сейчас видно, как технология постепенно выходит из зоны хайпа в реальное применение.

Создание аватара проходит в несколько этапов:

1. В студии записываем видео реального человека, который будет служить прототипом для аватара. Это нужно, чтобы снять мимику и жесты, получить голос с необходимым набором интонаций. Для создания качественной модели уйдет несколько часов записи, во время которых актер будет читать разные тексты.

2. Подключаем нейросети для обучения аватара: он должен правильно генерировать речь, а движение губ должно соответствовать произносимым звукам (липсинк). Обычно до старта работы цифрового аватара уходит около 2-3 недель на обучение нейросети.

3. Готовим текст для озвучивания, расставляя важные интонационные знаки — это дополнительная подсказка для аватара, которая помогает приблизить его речь к естественной.

4. Генерируем видео в нужном качестве (в зависимости от объема текста, на это уходит от нескольких секунд до 10 минут).

5. ??????? (тут множество вариантов применения)

6. PROFIT!

В наших планах развитие сервиса до реальной коммуникации с пользователем: подключение распознавания речи/текста и генерация ответов на его основе. Для того чтобы цифровой аватар мог работать в режиме реального времени, общая задержка (включая распознавание речи, обработку и генерацию видео) не должна превышать комфортные для разговора 250 мс. Если запустить сервис в распределенном облаке (Edge Computing), то для 90% пользователей России сетевая задержка до него не превысит до 15 мс. Тогда на обработку и генерацию видео останется 235 мс – это реализуемо.

Распределенное облако у нас уже есть, так что будущее наступит совсем скоро!