真·罗永浩直播干不过假·罗永浩？网友：不是老罗在演AI吧？

罗永浩，干不过罗永浩？？？

今年618大促，罗永浩数字人百度电商直播上岗，“一不小心”就创造了个纪录——

带货单量超5月罗永浩真人百度电商直播首秀同期数据！

只见交个朋友直播间中，不单单罗永浩一个数字人现身，还有朱萧木（交个朋友直播间副主播）数字人担任“助播”。

俩“人”全程互动配合默契，说话、动作、神态那叫一个自然。

看视频效果，和真人直播不能说一毛一样吧，那也是真假难辨的程度！

甚至有人在评论区问老罗“你是不是真人在扮演AI，要是被威胁了就眨眨眼”。

就连罗永浩本人“罗氏幽默”的特色直播风格，数字人也能高度复刻。

比如罗永浩数字人卖花生油：

有人问吃花生油会不会变胖，胖也没关系，我们有一款T恤可以穿到200斤，你在我直播间就能形成闭环。

各种花式回答，让人眼前一亮又一亮，自嘲式回复网友问“棉柔巾脸大得用几张”，be like：

你脸大有多大？能有我210斤的脸大吗？我也就使用一张就够了。

一场直播下来俩数字人真的是赢麻了，战绩斐然：

不仅直播吸引了超1300万人次观看，GMV（商品交易总额）突破5500万元。

甚至部分3C、食品等核心品类商品带货单量，罗永浩数字人超过了罗永浩真人5月份在百度电商直播首秀的同期数据，用户平均观看直播的时长也超过了5月真人首秀。

这究竟是怎么做到的？

数字人直播现在都进化成啥样了？

在最新百度AI开放日慧播星专场现场，百度同步智能电商进展，其中就揭秘了罗永浩数字人背后的秘诀。

原来，这次出战618的罗永浩数字人，是由百度电商数字人直播工具慧播星打造的高说服力数字人，本质上是一个具备形象+感知决策+行动的超级智能体。

相比以往数字人，慧播星高说服力数字人实现了四大突破。

首先，上线了业界首个双数字人互动直播间，体验大突破。罗永浩和朱萧木两个数字人能默契配合进行互动讲解就是基于此。

双数字人互动直播间还原了“主播+助播”真实直播状态。

得益于百度视觉大模型+语音大模型的全面升级，双人讲解时采用双音轨，不仅衔接更自然，而且支持打断说、同时说，能适配更复杂的场景。

观众在观看时很难看出什么破绽，就像是在看真人直播。

其次，慧播星推出了全新大师级别剧本模式，直播内容实现了突破。

现在，直播剧本生成不再是简单的脚本生成了，文心大模型4.5 Turbo加持，数字人能轻松复刻出个人直播风格。

这种人格化表达让数字人直播告别机械感，有网感，懂热点。

比如结合刚结束的四六级考试也能讲段广告词：

另外一大突破是视觉上的，慧播星高说服力数字人在业内率先实现了多模高度融合。

数字人由动作驱动，动作、表情、语调等多模态都能自动贴合话术表达进行配合。

比如在介绍护肤品的功效时，数字人会一边摸着自己的抬头纹、颈纹，一边讲解。

另外，它还能基于脚本实时调度素材，画面衔接也更流畅自然。

第四点是整体直播效果上的突破，负责直播控场的AI大脑全面升级。

在直播过程中，AI大脑会主动邀评，吸引直播间用户参与互动；同时能即时回复用户评论，哪怕是复杂直播场景，应对起来也游刃有余。

除此之外还有多种玩法，比如发福袋、在评论区抽幸运观众送礼物等，智能体能够实时控场促进转化。

活动现场，百度还宣布了百度优选和交个朋友正式达成战略合作，罗永浩成为慧播星首席体验官。

交个朋友副总裁吴加录直言，看到罗永浩数字人的表现有被惊吓到，逼近真的效果让他担忧——罗永浩本人要失业了？

背后“黑科技”：多模协同的数字人技术

深入探究这一系列突破的底层逻辑，会发现百度采用的是自研的以语言模型为核心驱动、多模协同的数字人技术解决方案。

从技术上来看，数字人若要在长时间内维持高水准的一致性与拟真性表现，单一模型显然无法满足需求。

百度的技术路径是以语言模型作为核心驱动单元，通过语言模型生成直播剧本，再通过剧本指导协调语音、视觉等多模态系统实现动态交互，最终塑造出有高表现力、形神兼备的数字人形象。

具体来看其中关键环节的技术。首先是剧本生成，其重点之一在于数字人台词生成。

台词包括多样化风格、拟真化人设和具有吸引力的内容。

其中多样化风格，涉及风格建模、风格生成和风格定制；拟真化人设，需要模型在台词生成上建设相应的能力，包括人设建模、人设还原、多角色协同；吸引力内容靠的是内容规划、深度思考以及知识增强。

此外，基于大语言模型的剧本生成也包含视觉标签、语音标签生成，以实现多模驱动的协同。

在大模型协同过程中，这些标签是开放级的，由这些标签驱动的语言来进行语调和风格的控制。

以罗永浩数字人剧本为例，基于文心大模型4.5 Turbo生成的剧本，需要展现主播的个人特色，具备典型的罗氏幽默风格，并能够实现双人主播的内容协同，动态实现丰富的实时互动。

剧本生成后，关键环节还包括语音合成和视频生成。

语音合成方面，数字人场景对语音合成提出了更高的要求，和以往朗诵式语音合成有很大区别。

最主要的区别在于数字人需要语音自然流畅，但在讲述不同内容时还要有抑扬顿挫感，在一些情况下甚至需要激情澎湃感以感染观众。

百度在这方面的做法是：

通过文本自控的语音合成大模型的，实现高复原的语音合成能力，再结合直播台词及发音人特征，合成风格适当、自然流畅的声音。

具体到罗永浩数字人的这场直播，还要面对老罗和朱萧木直播中双人声音配合的难点，对此百度采用了对话上下文编码器，把对话历史输入和当前对话进行语音合成的统一推理计算，最终才让我们看到了流畅、自然的双人对话效果。

还有一个关键环节是数字人形象生成与驱动。

视频生成方面需要进行高表现力动作对齐，以及支撑唇动、表情生成和对齐。更重要的是，数字人不只是一个视频，数字人还要和用户实时进行动态交互。

目前市面上存在大量视频生成模型，可以生成10s、20s，甚至30s的视频。但数字人要进行直播工作，这些还远远不够。

数字人需要的是小时级的一致性，而且还要高表现力，人、物、场要能自由交互。

百度为此建设了数字人形象生成和驱动的一整套技术，让数字人具备多模协同、高表现力、复杂交互能力。

该技术是一个可控的、长视频的生成工作；通过视频、剧本、语言、骨骼等特征，结合多模态视频理解、跨模态信号生成、视频生成等技术，实现了高一致性数字人长视频的生成。

普通人都能人均一个“主播”头衔

数字人技术的突破，不只促成了罗永浩数字人直播的成功。现在使用数字人技术的门槛越来越低，即使没有团队、没有直播经验的新人主播，也能轻松get数字人分身。

一些中小商家早就用这种模式，实现7×24小时不间断直播，订单量猛涨。

真实案例如三农领域创作者东北翠花，通过短视频分享东北的风土人情和美食，之前对于直播却缺少经验，效果一直不理想。

而通过慧播星，翠花的数字人直播间深度结合生活场景，利用极具地域特色的乡村环境、贴近日常的呈现方式，构建强代入感的消费氛围。

用户产生了情感联结与消费信任，驱动订单量实现10倍增长。

另一个案例是新会陈皮的源头产地商家广芸堂。

过去做真人直播时，广芸堂一直受主播差旅、时间调配这些高额成本所困。数字人突破了这一限制，借助技术优势，一边直观呈现原料生长的真实环境，一边通过灵活切镜，把陈皮的色泽纹理、触感细节等细微品质，全方位清晰展示。

“产地直采、品质可控”的概念转化为可视化、可感知的体验，大幅强化消费说服力，直接助推GMV实现160%的增长。

数字人技术的规模化落地，正是百度AI战略深度实践的重要印证。百度优选平台作为国内最早提出智能电商的平台，率先探索AI应用场景实践。

数据显示，目前已经有累计超过10万的商家在百度通过数字人直播，覆盖电商、教育、医生、法律等几十个行业，使用了数字人直播的商家GMV平均提升62%，降低了80%的开播运营成本。

现在，伴随618大促，百度还发布了两大计划扶持商家：

梦蝶计划，通过流量扶持，超头主播数字人打造、预算扶持，实现百度优选超头主播的数量倍增。

繁星计划，再次追加10万个慧播星数字人，投入1亿元数字人消费补贴，千万级别的运营扶持，帮助更多的普通人、中小企业开启数字人直播。

数字人技术不是顶级主播的专属，而是普惠共享的新型生产力。

文章来自公众号“量子位”，作者“西风”