近日，北京百度網(wǎng)訊科技有限公司的“虛擬對(duì)象驅(qū)動(dòng)方法、深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練方法及裝置”專(zhuān)利獲授權(quán)（申請(qǐng)公布號(hào)：CN115345968A）。
根據(jù)專(zhuān)利摘要顯示的信息，則以專(zhuān)利涉及人工智能相關(guān)的深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、虛擬 / 增強(qiáng)現(xiàn)實(shí)和圖像處理技術(shù)領(lǐng)域，可應(yīng)用于虛擬數(shù)字人、元宇宙等場(chǎng)景。
具體實(shí)現(xiàn)方案包括：響應(yīng)于獲取的語(yǔ)音數(shù)據(jù)，確定初始語(yǔ)音特征；對(duì)初始語(yǔ)音特征進(jìn)行時(shí)序增強(qiáng)處理，得到目標(biāo)語(yǔ)音特征；基于目標(biāo)語(yǔ)音特征和目標(biāo)虛擬對(duì)象的基準(zhǔn)面部圖像，生成唇形圖像序列；根據(jù)唇形圖像序列，對(duì)目標(biāo)虛擬對(duì)象進(jìn)行驅(qū)動(dòng)，使目標(biāo)虛擬對(duì)象執(zhí)行與語(yǔ)音數(shù)據(jù)匹配的唇部動(dòng)作。
簡(jiǎn)單來(lái)說(shuō)，依靠該專(zhuān)利，基于人工智能深度學(xué)習(xí)，虛擬數(shù)字人在發(fā)聲時(shí)，嘴唇部分的肌肉動(dòng)作能夠更為貼近真人，從而實(shí)現(xiàn)整體擬真度的提升。
在后續(xù)，基于這一技術(shù)，以及百度公布的類(lèi)ChatGPT項(xiàng)目文心一言（ERNIE Bot），百度有望推出高度擬真，且可以與用戶(hù)自然對(duì)話(huà)的虛擬形象。