搜狗分身技术

发布现场搜狗分身技术，是搜狗人工智能的核心技术之一，诞生于搜狗“自然交互+知识计算”这一人工智能理念之下，希望让机器以更逼真自然的形象呈现在用户面前，而不是冷冰冰的“机器人”。这项技术让机器首次做到逼真模拟人类说话的声音、嘴唇动作和表情，并且将三者自然匹配，做到惟妙惟肖，这是人工智能技术在模仿人类领域的一个新突破。^[1]

搜狗分身技术，包含语音合成和图像生成两大引擎，在语音合成引擎中，基于用户少量音频数据，使用搜狗个性化语音合成技术，快速学习用户音色、韵律、情感等多维度特征，建立输入文本与输出音频信息的关联；在图像生成引擎中，使用业界领先的搜狗人脸识别、三维人脸重建、表情建模等技术对人脸表情动作进行特征学习和建模，建立输入文本、输出音频与输出视觉信息的关联映射，最终生成输出分身视频。搜狗分身能够逼真模拟人类说话的声音、嘴唇动作和表情，并将三者自然匹配，让机器以更逼真自然的形象呈现在用户面前。

这项技术还可以批量复制无数个风格各异的人类形象，满足用户的各种个性需求，从而提升不同行业和职业的信息生产传播效率。^[2]

行业领先的语音合成技术：Blizzard Challenge 2018两项全球第一

高表现力音色：支持数十种音色

个性化合成：使用少量数据即可生成说话人的合成音色

风格迁移：可实现说话人多种风格迁移

业界首创基于文本驱动的唇形合成模型

输入文本 → 唇形合成 → 输出唇形序列

计算机视觉：MegaFace 2018人脸识别任务第一，Pascal VOC挑战赛第一

人机对话：NTCIR 2017短文本对话第一，NLPCC 2018语义理解第一^[3]

运行原理第一步：本尊面对镜头录制一小段音视频数据；

第二步：搜狗“分身”提取本尊的个人特征（如声音、唇形、表情动作等）；

第三步：利用（语音合成+唇形合成+表情合成）*深度学习技术合成“AI分身”。

AI合成主播AI合成主播

2018年11月7日，在第五届世界互联网大会，搜狗公司与新华社联合发布的全球首个合成新闻主播——“AI合成主播”，是搜狗分身技术的一次重要实践。^[4]

媒体：AI合成主播，提升新闻报道的时效和质量

医疗：电话随访

教育：AI合成教师，辅导教学

法律：AI合成法律顾问，法律咨询

家庭：陪护孩子、亲人

2019年12月6日至8日，由国家新媒体产业基地和钛媒体集团联合主办的“2019 T-EDGE全球创新大会”在北京隆重举办，期间，大会发布了“年度前沿科技产品”榜单，凭借创新性、领先性和实用性，搜狗分身技术与华为欺凌990 5G芯片、银河一号卫星等产品共同上榜，而以搜狗分身技术为基础和核心的搜狗自由AI合成主播“雅妮”则在大会举办工程中协助主持工作并获得一致好评。