隨著互聯(lián)網(wǎng)的快速發(fā)展，在5G、人工智能、虛擬現(xiàn)實等新技術浪潮的帶動下，虛擬數(shù)字人技術步入成長階段，從外觀的數(shù)字化逐漸深入到行為的交互化、思想的智能化、模式的創(chuàng)新化。2022年北京冬奧會是運動員的競技場，也是機器人、數(shù)字人的秀場。冬奧手語播報數(shù)字人、新華社冬奧特約“數(shù)字人”記者、百度智能云AI手語主播、騰訊3D手語數(shù)智人“聆語”、AI氣象服務虛擬人“馮小殊”等等。隨著未來各領域規(guī)模不斷擴展，智能客服行業(yè)有望持續(xù)快速增長。

虛擬數(shù)字人是以語音智能、計算機視覺、自然語言理解、機器翻譯、人像建模、數(shù)字人驅動及合成等AI技術，以熱線、互聯(lián)網(wǎng)等渠道為載體，具有對物理世界的感知、認知與表達能力，“孕育”面向5G時代的、具備感知智能、認知智能、表達智能的多模態(tài)智能交互，實現(xiàn)人機交互的數(shù)字虛擬人。

01走近數(shù)字虛擬人

1982年世界第一位虛擬歌姬林明美誕生，數(shù)字虛擬人行業(yè)經(jīng)歷了萌芽、探索、初級和成長四個階段。隨技術逐年突破，制作過程亦得到有效簡化，從最早的手工繪制到現(xiàn)在的 CG（Computer Graphic，計算機圖形學技術）、人工智能合成。在虛擬數(shù)字人產(chǎn)業(yè)鏈中，基礎層提供軟硬件的支撐；平臺層為制作及開發(fā)提供技術；應用層為應用領域提供解決方案，賦能各領域發(fā)展。數(shù)字虛擬人產(chǎn)業(yè)進入門檻高，差異化顯著，受眾群體不斷拓展，因而數(shù)字虛擬人價值凸顯，應用領域不斷拓展，未來有望加速商業(yè)化進程。

數(shù)字虛擬人集合人臉、手勢、圖像、情緒、語音等多模態(tài)完成交互流程，收集客戶聲音/畫面等交互信息，通過語音識別（ASR）、人臉識別、手勢識別、情緒識別、圖像識別，數(shù)字人后臺進行信息組織，通過對話系統(tǒng)（ChatBot）、自然語言處理（NLP）、知識圖譜、預測/推薦等技術來實現(xiàn)數(shù)字人認知功能，結合業(yè)務知識庫和對話設計模型，確定數(shù)字人需要表達的文字、情緒、動作傳遞給客戶。隨著元宇宙熱潮，數(shù)字虛擬人作為先發(fā)場景產(chǎn)業(yè)更加備受關注。

02數(shù)字虛擬人的架構

數(shù)字虛擬人具有形象能力、表達能力和感知互動能力三方面的特征：

1.擁有人的外觀，具備相貌、性別、性格等人物特征。

2.擁有人的行為，具備用語言、面部表情、肢體動作等表達的能力。

3.擁有人的思想，具有識別外界環(huán)境、并能與人交流互動的能力。

為此，數(shù)字虛擬人一般具有以下的架構設計：

（1）人物形象設計，即人物生成，人物建模方面 2D 數(shù)字人較為簡單，3D 數(shù)字人需要額外使用三維建模技術。

（2）語音生成模塊和動畫生成模塊，可分別基于文本生成對應的人物語音以及與之匹配的人物動畫。

（3）音視頻合成模塊：可將語音和動作合成視頻，再顯示給客戶。

（4）交互模塊：使數(shù)字虛擬人具備交互能力，即通過語音語義識別等識別客戶意圖，并根據(jù)客戶意圖決定數(shù)字虛擬人后續(xù)的語音和動作，驅動數(shù)字虛擬人輸出對應的下一輪交互。

交互模塊主要是根據(jù)業(yè)務場景需求劃分，分為交互型數(shù)字虛擬人和非交互型數(shù)字虛擬人。非交互型數(shù)字虛擬人只有單向輸出，沒有對客戶的感知，即依據(jù)決策生成對應的人物語音和動作，合成音視頻呈現(xiàn)給客戶。

交互型數(shù)字虛擬人則根據(jù)驅動方式不同，可分為智能驅動型數(shù)字虛擬人和真人型驅動數(shù)字虛擬人。智能驅動數(shù)字虛擬人是通過系統(tǒng)自動識別并解析客戶側輸入的信息，根據(jù)解析和決策結果驅動人物模型生成響應的語音和動作，使得數(shù)字虛擬人和客戶互動。真人驅動數(shù)字虛擬人，是通過真人來驅動數(shù)字虛擬人，主要原理是真人根據(jù)客戶側輸入的信息，與客戶實時語音，同時通過動作捕捉采集將真人的表情、動作呈現(xiàn)在數(shù)字虛擬人形象上，從而與客戶進行交互。

智能驅動數(shù)字虛擬人的人物模型基本是預先訓練生成的，可通過對應的信息驅動生成語音和對應動畫。全雙工技術將推進數(shù)字人交互方式的演變，使得數(shù)字人擁有一次喚醒、多次交互能力，具備實時智能響應、隨時打斷、智能糾錯、多輪對話等功能。

03數(shù)字虛擬人的實踐

數(shù)字虛擬人，是一款能夠以數(shù)字人形象與客戶進行實時語音交互的智能多語種多模態(tài)交互客服機器人，不僅為客戶帶來“真人面對面”實時服務臨場感，同時在對話過程中同步展示文字、圖片、圖表等可視化服務信息，實現(xiàn)業(yè)務咨詢、辦理、查詢、營銷，可以7×24小時在線協(xié)助客戶自助解決問題，全面提升客戶體驗。

中國移動通信集團在線營銷服務湖北分中心于2022年8月25日上線查詢話費、查詢流量場景，截至8月28日，數(shù)字虛擬人共服務客戶1218余次，實現(xiàn)數(shù)字虛擬人從無到有的重大突破，期待逐步形成數(shù)字虛擬人的健康、有序、良性發(fā)展。

數(shù)字虛擬人服務的推出，實現(xiàn)了從“聽+說”“說+看”的人機交互升級到“聽+說+看”的人機交互：

1.服務模式變革

客戶在互聯(lián)網(wǎng)渠道的客服入口中，可以享受同熱線側一樣的一對一的面對面視頻服務?？梢蕴嵘郎贤ㄐ剩s短客戶交互時長。

2.營銷增值變革

在服務過程中，由面對面的視頻代替文圖聊天，增加客戶粘性，在與客戶實時交互中獲取客戶訴求，挖掘營銷機會。

3.信息傳播變革

當遇到緊急故障，可以通過主動給客戶播放一個虛擬人的聲情并茂視頻來代替單一的圖文提示。

4.降本增效變革

智能應答是針對在線人工座席降本增效，數(shù)字虛擬人則是針對5G視頻人工客服降本增效。

技術迭代將會成為業(yè)務創(chuàng)新的主要驅動力，多模態(tài)交互的多元特性帶來業(yè)務場景新變革，全新的“數(shù)字虛擬人”融合熱線智能語音機器人及互聯(lián)網(wǎng)智能文本機器人特點，形成“聲文同顯”優(yōu)勢，重構信息組織結構，極大縮短業(yè)務交互耗時，同時通過植入互聯(lián)網(wǎng)生態(tài)運營元素，發(fā)揮自身聲影并茂的特點，增加互動趣味性和粘性，全面提升客戶體驗，發(fā)揮出越來越大的作用。

04數(shù)字虛擬人運營思考

數(shù)字虛擬人，融合熱線智能語音機器人及互聯(lián)網(wǎng)智能文本機器人特點，形成“聲文同顯”優(yōu)勢，重構信息組織結構，極大縮短業(yè)務交互耗時，同時通過植入互聯(lián)網(wǎng)生態(tài)運營元素，發(fā)揮自身聲影并茂的特點，增加互動趣味性和粘性，提升客戶駐留時長；實現(xiàn)多渠道業(yè)務融合，促進服務協(xié)同和精準營銷。

1.為5G視頻服務代言

客戶進入5G視頻服務中，為客戶展示一個虛擬人像，后面支撐服務的依然是真人座席，目的是為客戶提供統(tǒng)一美好形象。

2.人工服務語音定制

對于情緒波動較大的座席，可啟用統(tǒng)一數(shù)字虛擬人聲音，及時對一些臟字進行過濾，為客戶提供情緒更穩(wěn)定的人工服務。

3.故障高峰時的提示

遇到故障高峰時，用數(shù)字虛擬人在自助服務階段聲情并茂為客戶提供提示。

4.話務高峰時的疏忙

集中扣費導致的話務高峰時，可以通過直觀的卡片及視頻播報，為客戶更直觀的釋疑；對于并不需要進行扣費釋疑的客戶，可以在服務開始時，就加掛卡片，預提醒客戶話務高峰，盡量通過自助服務解決訴求。

5.查詢高峰時的展示

賬單查詢高峰時，可以通過慣性客戶預測，在通過聲音播報時，同步為客戶提供更為直觀賬單信息卡片，以及客戶看過賬單后可能的訴求推薦卡片。

6.5G流量包的營銷

對于5G流量包營銷上，在語音播報時，可以提供數(shù)據(jù)圖加文字的形式更直觀的為客戶展示優(yōu)惠及好處，還可以加掛客戶關注的問題，讓客戶既能快速了解其想看的信息，還能快速地解決疑惑。在服務過程中，通過客戶的表達及客戶消費狀態(tài)，獲取到客戶有辦理5G流量包的價值，實時的視頻通訊能通過更高的粘性，提升自助辦理的營銷轉化。

7.緩解視頻座席壓力

5G視頻服務推廣后，視頻服務訴求高峰時，可以通過數(shù)字虛擬人分流解決客戶，可以通過自助服務解決的訴求，緩解人工壓力。

8.提升復雜業(yè)務效率

在線服務，更多的是文字聊天，如果客戶的訴求是先查扣費情況，再查賬單，再查詢歷史賬單，實時的視頻通訊服務能更快速地滿足客戶訴求，縮短服務時長。

9.輸出視頻營銷服務

對于一些重點業(yè)務，需要通過視頻進行營銷的，可以通過數(shù)字虛擬人直接進行文字和動作配置，更快輸出營銷服務視頻。

隨著業(yè)務場景的不斷豐富，數(shù)字虛擬人將對接公司重點發(fā)展任務，例如寬帶排障、權益領取、終端銷售等各個方面，力求取得規(guī)模化的增效降本，促進公司“推進數(shù)智化轉型，實現(xiàn)高質(zhì)量發(fā)展”的發(fā)展主線的落地實施。