当听障人士实现手语自由：手语AI平台的产业狂想

    盼望着，盼望着，春天的脚步近了，雪容融也终于正式上岗，迎来了自己的主场——2022北京冬残奥会。
    本届冬奥会不仅是运动员们的竞技舞台，更是科技公司“秀肌肉”的绝佳舞台。诸多科技亮点之中，大家可能都注意到了，冰墩墩和雪容融有一位共同的“同事”——手语数字人。
    2月4日晚开幕的冬奥会上，央视新闻AI手语主播正式上岗，陪伴听障人士见证了一场场精彩绝伦的比赛。即将开幕的冬残奥会，这位手语数字人也义不容辞，将披挂上阵，让听障人士实时感受冰雪运动的魅力。
    
    创造丰厚的冬奥遗产，为国家、主办城市、人民群众带来长期的、积极的收益，也是成功办奥的重要标志之一。在日常生活中，手语数字人能不能继续发光发热，为听障人士提供服务呢？
    我们关注到，3月3日，央视新闻AI手语主播的制作者——百度智能云曦，又推出“AI手语平台”，通过分钟级生成手语合成视频、手语主播实时直播等能力，为手语服务的普及难题，提出了科技平台化的新解法。
    同时，百度智能云曦灵还发布了“AI手语平台一体机”，让一些需要硬件交互的场景，比如医院、银行、车站等公共场合，插电即可提供手语服务，快速部署无障碍窗口。
    平台化和软硬协作的革新，正在让手语数字人走上一条与社会价值长期对接、一同成长的进化之路。
    科技巨头们都在积极打造手语数字人，反映出哪些潮水的方向？数字生命与智能技术的温情加速照进现实，这究竟意味着什么？
    数字生命觉醒时：手语数字人的能力体系
    百度智能云曦灵平台赋予手语数字人哪些特殊能力？我们不妨以人类手语老师的标准来审视一下。
    有一种“难”，叫朱广权的手语老师，想要实时且准确地翻译出朱广权的妙语连珠，千挑万选的央视手语老师有时也难免手忙脚乱。而在此前与朱广权的在线pk中，这位由“百度智能云曦灵”打造的首个AI手语主播，面对朱广权不断抛出的超高速顺口溜，立马就能做出反应，表现出流畅、精准的业务能力。
    综合来看，手语主播的华丽炫技，以及冬奥会上的扎实服务，来自百度智能云曦灵平台提供的三个方面的基础能力：
    1．理解能力。
    真实世界中，很容易受到噪音干扰，人类手语老师必须听清、听懂新闻内容，不然翻译出来也可能是错误的，一通比划猛如虎，但无法真正投入使用。
    想要听清，需要领先的语音识别能力。百度智能云曦灵平台融合了百度自然语言处理技术，成熟领先的全双工ASR（Automatic Speech Recognition）语音识别模型，近场中文普通话的识别准确率，能够达到98％以上。
    轻松搞定各种语音内容，即使段子手朱广权的神级语速也不在话下，这为后续数字人的手语翻译打下了坚实的基础，使得AI手语平台一体机更好地应用于不同场景中。
    2．翻译能力。
    感知之外，手语老师要分析、归纳重要信息，根据语句整体意思进行精炼和语序调整，将其转换成手语语言。
    一些厂商研发的手语数字人直接采用“手势汉语语料”，好处是无需重新标注，节省时间，问题是生硬地按照说话顺序将手语手势连接起来，并不能算是“人类高质量手语”。
    举个例子，“我想回家”并不是将这四个汉字依次比划出来，而是按照“家”、“回”、“我想”的顺序来表达。
    因此，想要翻得准，手语数字人必须学会自然手语语序。百度智能云曦灵平台就基于“国家手语语法规则”，联合手语语言学专家，特殊教育专家、天津理工大学等，邀请上百位听障学生做数据标注，形成了近千万的高质量训练数据。
    有了数据，接下来就是模型设定与训练。基于百度多年积累的神经网络翻译技术，设计了从中文文本到手语符号的翻译方法，打造出了业内首个基于神经网络的精炼度可控手语翻译模型，让手语数字人的翻译可懂度达到85％以上，媲美主流的中英，中日等方向的机器翻译结果。
    3．表达能力。
    手语中，手势必不可少，还需要表情、口型、动作等肢体语言的配合，帮助听障人士更好地理解。比如疑问句“吃饭了吗“，不仅要做出吃饭的手势，还要配上疑惑的表情，眉头皱起、眼睛睁大。
    要让手语数字人声情并茂、手舞足蹈地表达，尤其是3D人像，有着不小的技术难度。一些手语数字人动作过快，有时又存在卡顿不连贯的情况。为了训练手语数字人的“声台形表“，百度智能云曦灵平台也是煞费苦心：
    表情上，百度智能云用4D扫描数据，积累了超1万个脸部面4D数据，借助高精数字人“文字到形状的跨模态面部表情生成技术”，能够准确生成微笑、开心笑、wink、吹泡泡、白眼、思考等表情。口型合成准确性达98．5％，a和e这样发音时表情接近的字母，都可以细致的区分。
    驱动时，通过个性化TTS，根据输入的文本／语音信息来进行自适应，结合多种预置动作，驱动数字人的唇形、肢体、表情、手势等自动生成。多模态的手语表达，能够传递出更丰富、准确、易于理解的信息。
    
    同时，百度智能云曦灵平台搭载的开放域对话平台PLATO－XL，是百度基于百亿级训练参数、多年搜索及知识图谱积累而训练出来的，被认为是当前最大规模的中英文对话模型。通过它可以快速驱动数字人实现直播、动画等内容，达到多场景下的实时沟通。
    纵观手语数字人的能力体系，不难发现，头部科技公司相继推出了自己的手语机器人，除了体现科技的人文关怀之外，还隐藏着技术发展的必然。
    必须在算力、数据、算法三方面都有强大的能力，在语音、视觉、NLP、知识图谱等领域都有领先优势，才能让手语数字人真正觉醒在屏幕前、生活中。
    百度作为国内AI 技术布局更完整的公司，能最快地实现手语数字人的大规模应用，原因正在于此。
    数字生命的平台化复制：手语数字人插上产业之翼
    在冬奥会和即将到来的冬残奥会上的大规模应用，几乎代表了现阶段数字虚拟人的最高水平，是典型的数字生命：具备完成复杂目标的能力（通过手语翻译传递赛事信息），以及实时学习进化的能力（收集信息、实时互动、做出回应，而非提前录制）。
    正如未来生命研究所的创始人：迈克斯·泰格马克所说，数字生命是一种能够自我复制的信息处理系统，物理结构是其硬件，行为和“算法”是其软件。这决定了，手语数字人必须向软硬协作、规模复制的方向发展。
    3月3日，百度智能云曦灵发布AI手语平台和“AI手语平台一体机”，或许正在为手语数字人插上产业腾飞的翅膀。
    为什么这么说？手语数字人虽好，却不能低估技术产业化的难度，至少有几座大山横亘在前面：
    第一座大山，是效率之谜。
    对于新兴的手语数字人领域，制作难度大、周期长、技术门槛高，服务的群体相对较小，很多行业和企业在引入之前都会顾虑，会不会需要大量的人力财力成本，会不会效果不好没人用，思前想后就是等等再说。要让全社会听障人士都享受到技术红利，还是要尊重产业规律，降低新技术的应用门槛，真正让手语数字人的制作“降本增效”。
    
    百度智能云曦灵的手语数字人平台，出现得恰逢其时。“AI手语平台”具备“视频手语合成”“直播手语合成”“文本转手语”“语音转手语”四大功能，可实现普通视频合成为手语视频、实时直播中增加手语画面、文字翻译为手语、语音实时翻译为手语等多种效果。AI手语平台可搭载在各类APP、网站、小程序中，让听障人士也能轻松实现线上社交、娱乐休闲、课程学习等各类需求。
    同时，百度智能云曦灵还设置了三大平台，让手语数字人可以被快速、标准化、高效地生产和交付。比如在人设管理平台上，根据不同的场景搭配设置不同的人设，比如银行中引入的手语数字人可以专业、严谨，景区中使用的手语数字人则亲和、活泼等，适应千行百业的需求。
    平台化、标准化、体系化的能力，使得AI驱动的2D数字人，生产周期只需要几个小时，3D虚拟偶像一两个星期就能开发出来，轻松飞越效率这座大山。
    第二座大山，是体验之困。
    大家可能注意到了，在百度智能云曦灵发布 “AI手语平台一体机”之前，几乎所有的手语数字人都是以软件形式存在的。专门打造一款手语数字人硬件，真的有必要吗？
    从根本上来说，我们所知的所有生命形式都有着生物“硬件”的载体，有技术人员认为，“生命3．0”阶段的数字生命，不仅要具备设计自身软件的进化能力，还能设计自身硬件。
    很多银行、医院等都在引入人形智能机器人，来增加用户的体验感。具体到手语数字人，作为未来在社交、电商、直播、客服、导游等领域的服务载体，企业与听障用户交互的关键入口，如果只能通过软件来互动，显然是不够方便。
    但是，开发一个人形手语机器人又涉及到一个相当漫长且复杂的产业链，很容易让企业望而却步。
    百度智能云曦灵此次发布的全离线一体机V3以及端云结合一体机P3，搭载了“AI手语平台”的核心功能， AI手语数字人可以像手机、电脑一样被快速、批量生产，到线下生活的各个角落中服务听障人群。
    其中本地全离线一体机，在一些网络情况不佳的区域，比如偏远的山村、景区等地，依然能够进行手语翻译、人像渲染等操作，提供文本转手语、语音转手语等服务。
    端云结合一体机，则通过云端计算＋本地渲染的形式，也能灵活地实现手语服务。
    
    第三座大山，则是进化之难。
    衡量一个数字生命的标准之一，就是具备自主学习、自主适应、自我进化的能力，这需要全面的AI能力支撑。目前，整个手语机器人的产业链还没有被完全打通，尽管一些企业打出了“手语数字人“的概念，但只能在部分场合、部分视频中露脸。
    推动手语数字人在真实的产业场景之中不断升级，是AI产业化中必不可少的一种能力。在中国的AI科技企业当中，像百度这样具备从底层算力、开发框架到产业解决方案的全栈AI能力的公司，并不多见。
    目前看来，百度的全栈AI能力融入到百度智能云曦灵当中，给数字人升级能力带来了无限潜力，也将加速手语数字人这一“新物种“的全场景覆盖。
    通过与产业的深度融合，手语数字人也将变得越来越复杂和聪明，进化成为真正的数字生命。
    目前，我国有近2780万听障人士，而手语翻译老师只有1万人左右，许多场景中无法快速跟上手语服务，在飞速发展变化的社会中，很容易造成新的不公平。
    而百度智能云曦灵的AI手语平台，让手语数字人的规模化复制变得更加可行；“AI手语平台一体机”，让数字人技术带来的体验更加丰富和多元。
    数字生命的平台化复制，是社会责任不会变成空谈的前提，意味着商业价值与技术普惠的一次和解，也预示着手语数字人市场的快速打开。
    AI产业的无形之变：手语数字人带来的连锁反应
    平台化和软硬一体，规模复制的产业落地效率与直观的体验价值，让百度智能云曦灵在手语数字人的竞争中，已经获得了先发优势。
    技术无障碍除了让残障群体受益，还将给企业自身和整个产业带来意想不到的收获。手语数字人的普及，换来的是AI受众的扩大和手语服务的延展，会让许多我们习以为常的场景出现明显的扩容与创新，并引发一系列连锁反应。
    首先，AI手语解决方案不断复制到各行各业，让听障人士乐于去用，企业和机构乐于引入手语服务，让手语数字人的落地场景会愈加丰富，在公益属性、社交、传播营销等领域的价值将一一显现。
    
    其次，数字人作为公认的虚拟世界入口，带来巨大的商业空间，已经成为互联网科技企业的下一幕竞争焦点。抢占数字人规模化生产的机遇，培养B端市场的信任感与忠诚度，有助于在接下来的市场竞争中占据优势。
    更进一步，百度智能云曦灵在技术的领先性和全面性，决定了其有资格参与甚至主导数字人行业标准的建立，将吸引大量开发者和产业链上下游加速汇聚到生态体系内，推动技术不断迭代和应用持续创新，预先探索数字人的商业模式，带动云计算、AIoT等领域的增长，对于中国数字经济的发展有着重要作用。
    以前提到智能科技，大家可能更多地关注独角兽、投融资、数字经济等宏大概念，而现在，手语数字人这样的智能新物种，正在给残障群体日常生活中的“小事”带来便利。
    从冬奥主播到AI手语平台，百度智能云曦灵向世界证明，只需要打开一个通道、接通一座桥梁，技术红利就可以源源不断地汇聚到那些需要它的人群当中。
    许人类一个更美好的未来，这或许是AI故事里，最温暖人心的章节。