揭秘AI数字人3.0：“人类模拟器”上线，AI已学会喜怒哀乐！

随着AI技术的进步，数字人，这一曾经只存在于科幻作品中的概念，如今已经逐渐走进现实生活。

从最初的粗糙模仿到现在真假难辨，被广泛应用于短视频、直播等实际场景，数字人技术经历了翻天覆地的变化。

数字人的1.0时代：嘴型驱动

通过上传图片，然后以文本驱动嘴唇动作来生成声音和视频。

这种方式虽然实现了让照片开口说话，但是仅能做到口型勉强对上，面部表情则十分僵硬，且身体其他部分几乎没动，动作的协调性和自然度都有待提高，一看就很假。

数字人 2.0：真人实拍渲染

这一阶段，通过录制真人视频作为样本，再以文本或声音进行驱动。数字人的动作和表情跟真人一样，视觉上已经难辨真假。

但是呢只能展示样本视频的情绪和状态，缺乏个性和情感，没有喜怒哀乐；动作形态上同样如此，较为单一，无法灵活展示丰富多元的拟人化状态。

数字人 3.0：人类模拟器

国内AI数字人头部企业硅基智能，推出的新型数字人 MOTM-X 和 EMOTE-X 深度学习模型，AI数字人已正式进入3.0——人类模拟器时代。

借助深度学习模型和强大的计算能力，数字人不再受限于真人视频样本，能够更加逼真地模拟人类的肢体动作、微表情、情绪。模拟适应各类高度拟真的表情动作。

如果说Sora是通用世界模拟器，MOTM-X 和 EMOTE-X就是人类模拟器。虚拟和现实界限再也分不清了。

MOTM-X人类表情模拟器

EMOTE-X技术模型，可以让数字人根据不同的文本内容，展现出27种不同的情绪。无论是快乐、悲伤，还是兴奋、恐惧，EMOTE-X都能让数字人表现得淋漓尽致。

有了EMOTO-X表情模拟模型，数字人可以高度模拟真人表现。

• 增强表现力：输入一段文本，数字人就能活灵活现地表演出来。

• 实时情绪反馈：数字人会根据脚本内容，实时自动调整表情和语调。

• 模仿人类微表情：通过学习大量人类视频，EMOTE-X能让数字人几乎完美地复制人类的细微表情。

• 场景适应性：在不同的对话场景中，数字人会自动调整自己的表现方式。

MOTM-X人类动作模拟器

MOTM-X能根据你给的文本或者视频，让数字人精确地模拟出人类的肢体动作。不管是在虚拟社交场合，还是制作视频内容，MOTM-X都能让数字人显得超级逼真，好像他们真的在跟你互动一样！

①文本驱动

②样本视频驱动

总结来说，MOTM-X数字人动作模型，能实现下面几个优点

• 文本驱动：只要输入文字，让数字人动起来，动作丰富又自然。

• 视频驱动：给MOTM-X看个视频样本，它就能完美复制里面的动作。

• 实时渲染：动作生成速度快，在直播或者游戏中，能实时渲染和观看。

• 准确率高达97%：不用担心动作做不到位，MOTM-X几乎每次都能完美执行你的指令哦！

除了技术效果的提升外，MOTM-X和EMOTE-X数字人模型采用最新深度优化算法，对算力要求极低，甚至不需要云端GPU，用本地手机或电脑算力，也能够运行。

数字人开源

目前，硅基智能的数字人开源模型及代码，已在GitHub上线，这是目前全球首个2D真人级别，且支持实时渲染的数字人模型代码。目前已经获得3500+Stars，必须得点个赞。

开源地址：

https://github.com/GuijiAI/duix.ai

有了硅基AI开源数字人，任何中小企业和个人开发者，都可以根据开源技术模型，低成本、高效部署最前沿的AI数字人，构建AIGC数字人内容或应用。

今年高校毕业人数预计达到1179万，当下环境就业压力也逐渐增大，如果你是大学毕业生，硅基智能还有个自由职业、创业扶持计划，免费送出1000万AI数字人，帮助大学生用AI技术创业就业。

科技平权，希望越来越多的厂商也加入开源阵线，促进整个AI行业健康快速发展，造福社会。