“数字人”与“数智人”，不止一字之差- 工业快报

今年的腾讯数字生态大会上，腾讯云小微发布了5款不同形象的数智人，并发布了腾讯语音智能等行业领先技术。以人工智能、云计算、大数据等技术为底座和基石，才能将全真互联网的产业部分构筑牢靠，才能成就数智人的真正应用和落地。

“数字人”和“数智人”，到底有什么差别？

手机里的智能语音助手，家里的智能音箱，企业的智能语音客服，都是“数字人”的一员，它们能和人进行语音交互，执行指令或者按既定程序完成对话，但从语音和互动上都相对生硬。

“数智人”则整合了语音交互、自然语言理解、图像识别等AI能力，外观形象更鲜活，与人之间的对话更自然，将人机交互从单纯的对话工具转变为真正的沟通交流。

与数字人相比，更加智能、人性化的数智人，显然更符合当下大火的元宇宙中虚拟形象的设定，更能满足马化腾去年对于全真互联网“推动信息接触、人机交互的模式发生更丰富的变化，致力于帮助用户实现更真实的体验”的展望。

无论全真互联网还是元宇宙，“上不了船的人将逐渐落伍”。从美国各大互联网巨头来看，大家都意识到了同样的问题，Facebook升级为Meta，谷歌专注于AI，最终目的都是抓住“全真”时代的船票。

全真互联网，或者元宇宙，建立在IoT、AI、云计算等多种先进技术的基础上，并且需要这些技术的整合应用。直到近年来，才有多点结合的技术落地。比如Google在2018年推出语音助手Google Assistant，可以冒充真人打电话、订餐馆等，真假难辨，让语音助手向“自然化”方向发展，被网友戏称“人工智障终于变成人工智能”。

看似简单的一款产品，背后是Google各方面强大的技术积累。不过在这方面，中国企业也不甘落后，比如腾讯旗下的数智人产品，腾讯云小微，就是类似于“数字员工”，能极大解放生产力。此前，数智人已经在金融、文旅、传媒等多个领域，初步通过了在真实落地场景中的应用检验。腾讯还推出了能在复杂场景中抓住主要语音的腾讯语音智能，更符合日常需求。

可以说腾讯的数智人是公众能感知到的，腾讯在全真互联网发展中的重要一步。

语音交互体验升级

9月15日，就在软银集团宣布将所持的全部ARM股权以400亿美元的

语音交互技术在日常生活中的应用已经不少，手机上的语音助手，家里的智能音箱，公司的智能客服，都是现在应用很广的语音交互技术。但是在使用或体验时人们也能感觉到，现在落地的主要设备其实都还不是真正的智能，基本都只是按设定好的关键词执行指令，或者用设定好的语言完成下一步对话的推进，相对生硬。

2018年谷歌的Google I/O大会上，展示了最新搭Google Duplex技术的Google Assistant。这个能进行持续对话、更自然、能响应用户同时提出的多重问题、甚至带有人类沟通语气词的语音助手，惊艳全场，不少媒体直呼Google Duplex是“极为逆天的人工智能黑科技”。

当时，别说中国企业，就是苹果和微软的语音助手Siri和Cortana，也只能进行单项、机械的对话。

AI语音交互为什么重要？因为在现在互联网的发展趋势，全真互联网，或者说元宇宙，都避免不了需要数字人的存在，而AI语音交互，则是让数字人无限接近真人的重要技术之一。

马化腾曾经说过，全真互联网是下一波趋势，“上不了船的人将逐渐落伍”。中国企业近几年在AI研发方面下了大功夫，慢慢地赶上甚至在一些细节处超越了国外的领军者。

以腾讯为例，今年腾讯的数字生态大会上，发布了云智能战略架构，并宣布腾讯云小微数智人是实现其战略的重要一环。

腾讯云小微在现有的基础上，整合了语音交互、自然语言理解、图像识别等更多AI能力，将“数字人”升级为“数智人”，拥有了更强大的表现力、识别力和感知理解能力，与人之间的对话更自然，将人机交互从单纯的对话工具转变为真正的沟通交流。

具体而言，腾讯云小微数智人拥有8种超细微面部情感表情以及数百种肢体动作，让虚拟形象的表情和动作更接近于真人形象。腾讯在此次大会上，还一次性推出了3D超写实、3D写实、3D半写实、2D真人、2D卡通五种数智人的风格，以满足各类场景服务需求。在形象选择方面，腾讯云小微数智人可支持定制化需求，并且还能为客户进行海量IP形象授权。

不止在外在形象上下功夫，腾讯云小微数智人可识别超34种语种、方言、翻译超过11个语种，拥有超过46万垂直行业场景热词库，也就意味着能适应更多客户的需求。

大会之前，数智人已经与平安普惠、故宫、新华社等，在金融、文旅、传媒等多个领域建立了合作，例如新华社推出的全球首个“AI合成主播”，到目前为止已经累计播报新闻超过1万条，保证播报零误差，可对日常和突发事件实时响应。

这些实践的成功，让腾讯云小微数智人初步通过了在真实落地场景中的应用检验，让我国的数智人相关技术和体验，更接近世界领先水平。

云小微的优势

试想一些场景：你在看智能电视，想要换台，但是旁边有打麻将的人刚好胡牌，大声笑闹，智能电视听不全你的指令，你只能到处找遥控器，或者等他们安静下来再换；或者你在开车，想用语音导航找目的地，副驾驶座位上的人却在大声打电话，语音导航导错了地方。

人是社会性动物，现实生活中上述场景很常见，但因为技术问题，语音交互如何排除干扰的问题，一直没能得到好的解决。

腾讯云小微和AI Lab联合发布的腾讯语音智能，则针对这一常见问题提出了解决方案。这是一款能够提升语音识别效果和效率的全链路AI+声学技术解决方案。

腾讯语音智能通过语音分离工作模式，极大提升了在复杂场景下语音采集、降噪分离和增强的效果，在复杂环境中大幅度降低了语音收集的错误率。数据表示，使用腾讯最新技术的语音识别，错误率可降低超过50%，可以更好地进行转写、理解和回复。

腾讯智能产品副总裁、腾讯教育副总裁李学朝接受媒体专访时，还提到腾讯数智人的另外几个优势。

“云小微、AI Lab和搜狗原来的AI数字人走到一起，所以我们现在打造的不仅从技术上，从产品上和场景上，应该是在业界看到的比较领先的。这里面的话，最典型的像最近有一次信通院针对数智人交付的评定，我们是拿的优良级，是唯一的厂商，这是代表对我们形象，也是智能各方面的认可，这也是从技术到产品的维度的认可。”

首先是在实际应用场景方面。中国各大互联网公司近几年都在AI技术研发上投入不菲，也获得了相应的回报，在中国AI行业中取得领先地位。但是，技术和应用之间，理论和实践之间，尚有差别。

腾讯云小微数智人就是最早一批落到实际应用场景的。有别于媒体上更多见的偏静态数字人，腾讯云小微数智人根据实际场景中的需求，训练数智人底层的AI算法，实现了不同行业和具体场景下的差异化，让用户可以跟数智人真正对话。

更早进入实际应用场景，意味着AI能接受更多来源于真实情景的训练，能更快基于已有的语种、方言、热词库，进行训练，从而更快“进化”。

另外，腾讯语音智能可以支持多种应用场景和设备，拥有优秀的场景适配性和通用性，面向实际场景的定制优化更简单、高效，为企业场景中的语音服务需求降低了运行和定制成本。

在媒体交流环节，李学朝还特别提到了与搜狗整合完成后，腾讯在2D真人方向获得提升。他认为，搜狗原来数字人尤其是2D数字人做得不错，搜狗的2D数字人在金融方向落地最早，而AI Lab主攻3D方向，搜狗和腾讯云小微叠加，对腾讯来说，在技术产品和场景落地方面都是增强。

更大的想象空间

“数智人正在走进我们的生活，在企业中承担岗位职责，为用户创造前所未有交互智能体验同时，提升企业服务效率和品牌形象。”李学朝在大会上表示。

比如，现在语音客服转人工客服的时候，中间还是会有声音的变化，让我们明确地感知到智能语音和人工服务的切换，而在数智人音视频传输更及时的前提下，可以让后面人工服务通过数智人表达，沿用数智人的声音和语气，让用户感受到是无缝切换，提升用户沟通体验，数智人客服可以7*24响应，成本仅为人工座席的约1/5，这一点在银行客服等服务行业尤为重要。

还有，疫情期间很多活动不得不转到线上，这时启用数字人讲解员，能最大限度减少现场人员数量，防止疫情传播风险。中国（深圳）国际文化产业博览交易会等活动中，已经做了虚拟讲解员尝试，像腾讯数智人这样能表达多种情绪、有多种肢体语言，并且能和观众对话、回答问题的数智人，才能更好地让用户在疫情期间突破空间、时间限制，享受如同到现场一般的互动性在线讲解游览体验。

人机交互模式从最早的文本客服，升级为语音客服，再到更“人性化”的交互系统，其商业化落地，在企业运行降本增效方面，起到重要作用。当我们被环球影城里威震天与观众们互动逗乐的时候，其实，一个真相是，这些问答都是由演员即兴表演完成的。我们可以想象，未来有一天，数智人经过训练，也可以达到同样的对话水平。

数智人的演进趋势是确定的。李学朝认为，目前有四大演进趋势，第一个是“听得清”，这个问题腾讯智能语音已经提出了解决方案；第二个是如何处理多音字或重名，腾讯已经有了解决思路；第三个是让数智人通过微表情、肢体语言等，变得更像真人；第四则是理解和表达情绪。

后面两个问题，腾讯云小微目前有8种微表情，足以使其比大多数数智人的表现更加细腻。不过，李学朝亦坦言，目前数智人对于交互中情感的“理解”，依然基于对文字内容的理解或者语义、语音情感的输入，“各个板块还是需要有这种深度的基础探索，让整体的数智人表现得更立体一点”。