1. 首頁 > 生活百科 > >

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

電商ai羅永浩朱蕭木

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片

羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”

文章圖片



《日常生活中的自我呈現》一書中 ， 歐文?戈夫曼將戲劇表演引入社會學 。 他提出 ， 人們在日常互動里 ， 會依照預設的“劇本”（即社會規范） ， 借助行為管理進行表演 ， 在他人心中留下良好印象 。
按照這個理論 ， 數字人直播總被吐槽 ， 原因就是數字人的演技太差 ， 無法呈現出真人主播一樣的觀感 ， 表情僵硬、手勢不自然 ， 無法給大眾留下好印象 。
就在最近 ， 數字人主播界突然出現了一位演技實力派——羅永浩 。 羅永浩數字人在百度電商的首場直播 ， 以長達連續近7小時的高強度直播 ， 實時解答彈幕問題 ， 動輒輸出“羅式段子” ， 還與助播朱蕭木互相拋梗接梗 ， 刷新了大眾心中數字人的觀感 。
甚至有人問老羅 ， “是不是你在扮演數字人” ， 簡直倒反天罡 。

難辨真假、技驚四座的羅永浩數字人 ， 到底是怎么實現的？6月17日的百度AI開放日慧播星專場現場 ， 百度集團副總裁吳甜 ， 揭秘了羅永浩數字人背后的技術秘密 。 最關鍵的就是 ， 基于文心大模型4.5T的“劇本”生成與多模協同 。
618硝煙正燃 ， 而一場以AI大模型為核心驅動的電商效率革命 ， 正拉開序幕 。

大家有沒有這樣的經歷：
評論區的彈幕太多 ， 留言總是得不到主播的回復；
想看直播 ， 但真人主播已經下班了 ， 錯過了專屬紅包和優惠；
自己直播帶貨 ， 但一面對鏡頭就緊張 ， 直播效果不盡如人意；
等頭部主播來助農直播 ， 還得看對方的差旅安排和時間調配……
數字人被視為解決人力局限、實現全天候直播的理想方案 。 然而 ， 以往的數字人一直無法惟妙惟肖地飾演真人主播 ， 槽點主要集中在幾個方面：

演得不像 。 數字人的表情、手勢與肢體細節與文案對不上 ， 產生“恐怖谷”效應 ， 讓觀眾感到詭異 。
缺少互動 。 傳統數字人面對超出預設范圍的問題 ， 無法像真人主播那樣靈活應對 ， 只能唱“獨角戲” ， 讓觀眾喪失了參與直播的積極性與體驗感 。
時長不夠 。 很多數字人只能將短視頻循環播放 ， 難以支撐長時間且一致的內容生成與交互需求 ， 低質量內容不僅影響用戶體驗 ， 還可能被平臺限流甚至處罰 。
行為不可控 。 數字人一旦出現失誤 ， 不僅會損害品牌形象 ， 還可能引發輿論危機 ， 這也是許多頭部主播和品牌對數字人直播持謹慎態度的重要原因 。
數字人扮演真人主播 ， 需要跨越重重技術挑戰 。 那百度電商直播間的羅永浩 ， 又憑啥成為直播“實力派”？

6月15日羅永浩數字人在百度電商 ， 完成了數字人主播的極限挑戰 ， 做到了不少業內首個 。
業內首個超級頭部主播數字人直播 。 羅永浩的粉絲特別多 ， 對真人主播的風格十分熟悉 ， 需要數字人有極高的還原度 。 數字人羅永浩在直播間妙語連珠 ， 與觀眾高頻互動 ， 舉手投足間散發著熟悉的羅氏魅力 。

業內首個超六小時超頭部主播數字人直播 ， 突破了AI視頻生成極限時間 ， 生成的產品講解內容就多達9.7萬字 。
業內首個多數字人直播 ， 雙人配合 ， 告別了一個數字人尬聊的局面 。 羅永浩和朱蕭木的搭檔 ， 高度還原了真實主播與助播的直播狀態 。 兩個數字人主播能做出喝奶茶、拎可樂等細節動作 ， 還實現了與直播間用戶彈幕的實時互動 。
這一系列操作下來 ， 刷新了不少人對數字人的固有印象 。 而羅永浩數字人的誕生 ， 只用了幾個月的時間 ， 究竟是如何習得媲美真人的“直播神技”？我們扒開了數字人背后的一整個大模型“導師團” 。

一場精彩的數字人直播 ， 絕非單一技能的炫技 。 想象一下 ， 如果數字人語言表達生動流暢 ， 卻搭配著僵硬機械的表情和動作 ， 或是語音語調平淡乏味 ， 如同 “讀稿機器” 。 這正是傳統數字人技術的痛點：語言依賴臺詞模型 ， 語音靠TTS 合成 ， 表情肢體等視覺表現由視頻合成 ， 各模態模型“各自為政” 。 數字人的臺詞、表情、動作完全不在一個節奏上 ， 觀眾瞬間就會“出戲” 。
作為業內首個多模高度融合數字人 ， 羅永浩數字人的出色表現 ， 正是得益于百度多模協同的數字人技術 。

按照歐文?戈夫曼的理論 ， “劇本”是戲劇表演的核心 ， 演員需依劇本塑造符合期待的形象 。 數字人領域 ， “劇本”同樣是關鍵所在 。
擁有一個高質量的劇本 ， 就如同數字人有了總指揮 ， 讓語言、語音、視覺等不同模態圍繞劇本 ， 彼此協同配合 ， 才能讓數字人在直播中展現出渾然天成的表現力 。
以數字人羅永浩為例 ， 背后就有一個文心大模型的“導師團”進行助力：
首先 ， 是基于大語言模型的劇本生成 。
生成劇本的文心大模型 ， 相當于總導演兼總編劇 ， 通過臺詞 ， 為數字人賦予生動鮮活的“靈魂” 。 拿羅永浩數字人來說 ， 文心大模型4.5T需要攻克以下關鍵難題 。 其一 ， 風格定制 。 羅永浩犀利幽默、朱蕭木風趣灑脫 ， 每位主播都有獨特的語言風格 ， 文心大模型通過風格建模 ， 深度學習主播們的語言習慣、表達方式 ， 從遣詞造句到語氣節奏 ， 全方位貼合主播個人風格進行定制 ， 在模型生成的臺詞中精準復現 ， 讓數字人開口自帶主播“味道” 。

除了語言風格 ， 人設一致也是數字人獲得觀眾認可的關鍵 。 特別是在多角色配合時 ， 羅永浩作為主咖 ， 朱蕭木作為助播 ， 文心大模型在生成劇本時 ， 精準把握二人特點與分工 ， 使臺詞在語言上自然附和、緊密配合 。 比如在產品推薦環節 ， 主播重點介紹核心賣點 ， 助播適時補充細節、引導互動 ， 一問一答、一唱一和 ， 展現出符合人設的行為與語言邏輯 。
在文心大模型 4.5T的精心雕琢下 ， 生成了既有真人溫度 ， 高度還原主播個人特色 ， 又有網感 ， 能將商品賣點生動展現的直播劇本 。
接下來 ， 就是“劇本圍讀” ， 讓多模態系統基于劇本 ， 進行信息對齊 。
語音大模型作為口語導師 ， 視覺大模型作為動作導師 ， 先根據大語言模型生成的語音標簽和視覺標簽 ， 然后生成協調一致的語音和表情動作 ， 賦予數字人影帝、影后般的表現力 。
這個過程的難點 ， 是多個模型的對齊 。 想象一下 ， 如果語音模型理解的臺詞情感激昂 ， 而視覺模型呈現的卻是平淡表情 ， 數字人就會“表里不一” ， 讓觀眾倍感違和 。 百度AI數字人 ， 以大模型生成的劇本為統一標尺 ， 確保從臺詞到語音、從表情到動作 ， 各環節的理解與執行步調一致 。

比如羅永浩與助播數字人之間 ， 會出現頻繁的打斷說、同時說 ， 需要語音合成系統精準捕捉對話節奏 。 百度通過加入對話上下文解碼器 ， 整合歷史對話與當前信息 ， 讓數字人在互動時的語音銜接自然流暢 ， 重現真人搭檔的默契感 。
同時還建立了反向對齊的反饋機制 ， 也就是語音模型合成后 ， 會基于自身對文本的細粒度判斷進行優化 ， 再將這些信息反饋給視覺模型 ， 實現音畫間的精準匹配 ， 形成一個閉環的協同體系 。
通過多模系統的“劇本圍讀” ， 可以在劇本指引下 ， 完成聲臺行表的默契配合 ， 讓數字人在直播鏡頭前展現出媲美真人的表現力 ， 為觀眾帶來沉浸式的觀看體驗 。
六七個小時的直播 ， 數字人只能對著劇本“照本宣科”嗎？為什么數字人羅永浩還能在直播間跟用戶實時互動呢？這就要提到第三個關鍵能力：臨場發揮的靈活性與可控性 。
據吳甜介紹 ， 數字人直播就像拍電影 ， 演員的表演并不是照本宣科 ， 要有對劇本的理解和臨場發揮 。
其中 ， 劇本作為核心 ， 確保數字人行為邏輯的一致性 ， 而文心大模型則賦予其應對復雜場景的“應變力”和長時間的可控性 。
在時長如馬拉松式的直播中 ， 現實場景的復雜性遠超想象 。 用戶突如其來的刁鉆提問 ， 直播間場景內人物、商品、環境的自由交互 ， 都暗藏著不可控因素 。 讓數字人在復雜交互場景中也能游刃有余 ， 文心大模型是這場技術突圍的“智慧中樞” 。

一方面 ， 依托大模型的語言理解與生成能力 ， 結合直播場景的高頻需求進行針對性訓練 ， 賦予數字人實時理解用戶意圖的“洞察力” 。 在羅永浩數字人直播中 ， AI知識庫1.3萬次的調用 ， 9.7萬字的內容生成 ， 正是文心大模型強大創造能力的直觀體現 。
另一方面 ， 依托文心大模型4.5T的深度思考能力 ， 在劇本生成時先進行規劃和思考 ， 搜索最優路徑 ， 再通過評價和評估 ， 提升最終的可控性 。
當數字人在直播間自如切換講解模式、巧妙化解突發提問 ， 與用戶深度互動 ， 背后正是多文心大模型在持續穩定地發揮作用 ， 為數字人直播行業開辟出長時、靈活、可控、優質的全新賽道 。
總結一下 ， 羅永浩數字人直播的成功 ， 離不開百度大模型技術體系的托舉 ， 也是百度大模型技術實力的具象化呈現 。

歐文?戈夫曼的“擬劇理論”成為社會學經典 ， 在于其揭露了社會協作的基礎——每個人依據劇本扮演良好形象 ， 教師扮演好傳道授業的角色 ， 醫生恪守救死扶傷的職責 ， 整個社會才能有序運轉 。
當直播行業走過野蠻生長的黃金期 ， 流量紅利消退 ， 主播需要扮演什么樣的角色呢？或許是專業導購 ， 能夠對產品細節和專業知識娓娓道來；是貼心客服 ， 及時響應用戶的每一個疑問；是知心朋友 ， 在用戶需要的時候提供全天候陪伴……這樣才能與觀眾建立信任紐帶 ， 走向高質量發展 。
專業且敬業的真人主播 ， 培養不易 ， 開播成本也是中小商家所無力負擔的 。 這時候 ， AI數字人的技術革命 ， 成為打破直播效率困局的關鍵 。
在大廠紛紛布局數字人 ， 競爭白熱化的背景下 ， 百度依然憑借AI技術優勢 ， 構建起數字人的差異化能力：

一是先進 。 百度數字人直播的技術能力如劇本生成、多模驅動、一致性和高擬真性等 ， 是業界天花板 。 對數字人技術要求苛刻的超級頭部主播來說 ， 選擇百度數字人放大IP價值 ， 用自身的專業能力24小時服務用戶 。
二是專精 。 當部分企業投入海量資源研發通用型視頻生成技術時 ， 百度深耕數字人直播場景 ， 推出的慧播星數字人系統已服務超10萬商家 ， 覆蓋32個垂直行業 。 對中小商家來說 ， 通過百度數字人可以輕松開播 ， 品嘗到AI技術帶來的增長紅利 。
三是性價比 。 借助百度AI技術 ， 品牌商家可獲得“人貨場”的全面助力 ， 除了數字人 ， 還可以利用AI技術對商品進行深度分析和理解 ， 實現商品的智能管理和精準營銷 。 提升收益的同時 ， 百度數字人的綜合成本比真人主播要低 ， 而且隨著開播的場次越多 ， 它的邊際收益越高 ， 未來數字人的生產制作成本還會進一步的下降 。
這場從流量爭奪到技術深耕的變革 ， 正在重新定義直播行業的未來 。 當數字人頂流登上直播舞臺 ， 百度AI驅動的直播下半場 ， 也是智能電商的新篇章 。
【羅永浩數字人刷屏背后，文心大模型成為直播行業的“劇本總導演”】

    推薦閱讀