近日，火山语音发布了首位超写实数字员工小灿，在同步推出的首秀TVC中，小灿凭借高效的工作能力以及温暖可人的性格引起多方关注，她的到来将会引领怎样的改变？
善听会说能想：提升工作效率的好帮手
小灿作为火山语音团队联合朝夕光年江南团队共同打造的S级超写实数字人形象，名字源于“火山”两字的结合，拼音“can”在英文中表示“可以、能够”的意思，这也意味着小灿从“出生”就是工作的最佳辅助。虽然加入数字人产品矩阵不久，但小灿同样依托团队长期积累的成熟语音交互技术，具有语音识别、自然语言处理、情感识别等多种功能，传承“善听”、“会说”、“能想”的多重能力，能够做到与用户面对面实时交互来提供更加高效服务。
逼真情感表达：技术与人文兼具
尽管小灿是虚拟数字人，但火山语音团队仍然通过强大的技术能力，帮助TA构筑了从外形、动作到语言、情感交互的超写实形态。外形上，凭借团队3D超写实数字人整套形象设计、资产制作、高成本影视级cg管线视频内容的制作能力，让小灿无论在外形动作，还是面部微表情抑或是皮肤肌理、发丝材质等各方面高度逼真，深度还原了真人影像，改变了大众对数字人的一贯认知。
除却精致的外在，小灿通过火山语音团队丰富且领先的对数字人AI的驱动能力，实现了更加近似真人的口型动作表现。例如AI驱动口型方面，团队通过使用行业领先的非自回归模型的唇形生成网络，合成与输入文本或语音完全匹配的唇形，准确率高达98.55%。
“在AI驱动动作上，我们基于创新的Motion Blening技术，在动作切换时可生成过度帧，使数字人在切换各类动作时不仅可以做到毫秒级切换，还可以做到平滑效果自然无感知。”除此之外还在AI表情口型联合建模，基于语音语义的动作生成即co speech技术上，都有极具前瞻性的预研工作，并已取得阶段性成果，后续将全部应用于数字人视频创作、交互以及直播等场景。
值得提及的是，小灿还具备“一条音频秒级别音色复刻”（zero shot TTS）的能力，可以做到高保真还原真人音色、说话风格以及声学环境等特点，在核心技术架构全自研的基础上，关键指标均保持业界前沿。此外韵律模块基于自回归GPT类大模型，目前训练数据超过20万个小时，架构可扩展性很强，未来预计可支持100万小时以上数据训练；模块支持code-switch，即无论prompt为中文或者英文，都可支持直接输出中文、英文及混合内容。整体来说，小灿无疑是目前数字人研发领域艺术与技术高度融合的产物，但她不仅仅是一个超写实数字人形象，更是高效且有温度解决问题的好帮手。
