文 | 財經(jīng)無忌 白嘉嘉
作為AI的分支，數(shù)字人堪稱2023年最炙手可熱的商業(yè)故事之一。只要幾千元的成本，再花上一些時間錄制音頻和視頻，大模型就能訓練出數(shù)字分身，從嘴形、說話節(jié)奏到肢體語言，幾乎和本人一模一樣的。
然而，這片藍海最近起了一些波瀾——一家叫Heygen的數(shù)字人企業(yè)，遭到了行業(yè)頭部企業(yè)的聲討。
Heygen是它的美國名字，在國內(nèi)，它叫詩云科技。兩邊都注冊公司的直接收獲是，Heygen可以分別在兩個市場開展業(yè)務，卻不需要履行相應的合規(guī)義務。
譬如，為了防止AI技術被用于違法行為，國內(nèi)的企業(yè)在為客戶提供服務時都需要進行身份認定，而Heygen卻沒有設立相應的機制，不僅破壞了行業(yè)的成本邏輯，還讓這個本就年輕的市場更加脆弱。
一個現(xiàn)象是，瞄準中小商戶的流量焦慮，大量投機者利用Heygen來制作數(shù)字人，并聲稱有技術和能力運營數(shù)字人直播，但真正開播后，商戶收到的卻是無盡的違規(guī)和封禁。
這個現(xiàn)象背后反映的問題是，數(shù)字人產(chǎn)業(yè)鏈嚴重割裂，部分掌握技術的廠商為了擴大市場份額和影響力，故意放任下游“野蠻生長”。而商戶則被部分服務商過度吹噓數(shù)字人能力的話術蒙蔽，成為了惡性競爭的代價。
1、數(shù)字人亂象：貼牌、套殼、盜版......
2023年7月，孫旭感受到了餐飲市場的寒意，他頻繁地在朋友圈刷到同行關店或轉(zhuǎn)行的消息，剩下的另一部分同行，正為了自救猛烈地推出各種優(yōu)惠活動。“這個行業(yè)淘汰率一直不低，但今年（2023年）明顯更高了”，他說。
2023年堪稱餐飲業(yè)的“死亡之年”。 企查查數(shù)據(jù)顯示，2023年1月到9月，全國餐飲累計吊銷99萬家，是2022年的4倍。其中僅6月就吊銷了18.05萬家，包括一些曾經(jīng)在行業(yè)內(nèi)有一席之地的頭部品牌。
眼見市場越來越卷，孫旭想找一些新渠道來為店里引流。直播是他的首選，但一上鏡就怯場，另招一名主播又太貴。后來又嘗試約了一些本地的小網(wǎng)紅來探店，但轉(zhuǎn)化率同樣堪憂。
或許是因為算法“洞察”了孫旭的意圖，幾個數(shù)字人視頻被推送到了他的手機里。
雖然當時還沒出現(xiàn)泰勒斯威夫特的爆款視頻，但那些被拋出來的成品已經(jīng)足夠逼真，幾乎分辨不出來與真人的區(qū)別。這類視頻往往遵循同一個套路，在片頭讓觀眾猜接下來出現(xiàn)的幾個人中誰才是數(shù)字人，在片尾揭秘其實都是數(shù)字人。
如果追根溯源的話，這些視頻確實都由數(shù)字人技術制作而成。但推送這些數(shù)字人視頻到“孫旭們”面前的，卻未必是具備全鏈條能力的公司。
為了降低用戶使用門檻，頭部數(shù)字人公司往往會提供一批公共數(shù)字人給不愿意克隆自己形象的用戶選擇，就像在游戲里選擇角色那樣。同時，為了讓更多人愿意嘗試這項新技術，企業(yè)往往還會提供一定的免費時長。
這些“福利”為大量不具備底層技術和運營、開發(fā)能力的公司提供了鉆空子的余地。它們直接以個人的身份在頭部企業(yè)的官網(wǎng)定制視頻，并用來為自己的公司招攬業(yè)務，更有甚者選擇直接搬運其他公司的視頻到自己的引流賬號上。
在尋找數(shù)字人公司的過程中，孫旭幾乎“挑花了眼”，“198元AI虛擬主播數(shù)字人”、“17.6元虛擬主播教程”等廣告比比皆是。期間他也感到過不對勁，總感覺對方提供的樣品中有一些面孔很眼熟，“現(xiàn)在想起來可能是在短視頻上刷到過”。
其實不光是用戶，頭部企業(yè)也對市場上的套殼、貼牌亂象頗為頭疼。
成立于南京的硅基智能是國內(nèi)頂尖的數(shù)字人廠商之一，與北京的風平智能一同被稱為數(shù)字人界的“南慕容，北喬峰”。
硅基智能創(chuàng)始人司馬華鵬曾在接受財經(jīng)無忌采訪時表示，硅基智能的數(shù)字人視頻經(jīng)常被其他人盜用去吸引客戶。 這些公司不具備后期運營能力，無法幫助客戶取得較好的收益，但很擅長通過營銷引流，用破壞市場的超低價來招攬客戶。
事實上，數(shù)字人行業(yè)的亂象已經(jīng)在一定范圍內(nèi)引起了社會的關注。定焦、自象限、AI技術評論等多家媒體均展開過相關報道。
2、亂象叢生因為數(shù)字人“太年輕”？
數(shù)字人行業(yè)之所以顯得亂象叢生，本質(zhì)上是因為它還“年輕”。
數(shù)字人年輕？可能許多從業(yè)者不會接受這個看法，如果從手繪數(shù)字人起算，這門技術已經(jīng)發(fā)展了接近40年。
但很長的一段時間內(nèi)，數(shù)字人制作只能通過手繪、CG、動作捕捉等手段，成本高昂且智能水平不足，與其說它是數(shù)字人，更像是一個沒有靈魂的數(shù)字皮套。
2018年雖然得益于深度學習算法的進步，數(shù)字人制作成本從萬元、幾十萬元降低到了千元級別，但本質(zhì)上解決的仍是數(shù)字人的外形問題，沒有形成真正的生產(chǎn)力，因此2019年和2020年數(shù)字人創(chuàng)業(yè)潮很快就回歸了平靜。
直到2023年，以ChatGPT為代表的大語言模型帶來了賦予數(shù)字人“靈魂”的曙光，行業(yè)才迎來了它真正的質(zhì)變。來自清華大學的《數(shù)字人研究報告2.0》顯示，2025年數(shù)字人產(chǎn)業(yè)規(guī)模有望超過1000億。
前景廣闊的背面是市場缺乏對數(shù)字人的共識。
目前，“數(shù)字人”的概念非常寬泛，從動畫作品里的虛擬角色，到微軟小冰，再到通過全息技術“復活”的鄧麗君，甚至是讓照片“動嘴”，都被裝進了數(shù)字人的口袋。
消費者除非對數(shù)字人進行了深入的研究，否則很容易被賣家“數(shù)字人只能這樣”“這就是數(shù)字人”的話術迷惑，認為這只不過是又一個商業(yè)噱頭。
年輕帶來的第二個問題，是市場也還在適應這項新技術，規(guī)則常常發(fā)生變化。
2023年5月，抖音發(fā)布《抖音關于人工智能生成內(nèi)容的平臺規(guī)范暨行業(yè)倡議（以下簡稱數(shù)字人行業(yè)倡議）》，率先開放AI生成的圖片、視頻和數(shù)字人直播，但同時也意味著數(shù)字人要被“管”了。
《倡議》在圈里掀起了不小討論，作為最容易變現(xiàn)的領域，許多企業(yè)都寄希望于用數(shù)字人來降本增效。但同時，隨著數(shù)字人直播間的數(shù)量增加，質(zhì)疑聲也越來越多，諸如效果太假、市場混亂、價格不透明等。人們開始關心，在已經(jīng)信息爆炸的情況下，是否要允許“生育能力超強”的數(shù)字人來搶占大家本就已經(jīng)碎片化的時間。
雖然目前還沒有其他平臺跟進，但國家層面的立法卻從未停下，幾乎每個月都能看到新的規(guī)范或法規(guī)出臺。
變換的市場規(guī)則考驗著上游數(shù)字人供應商，即便有心踏實做生意，在團隊規(guī)模有限的情況下，也很難將服務做扎實。 目前，數(shù)字人直播間和賬戶被封仍是用戶反饋最多的問題之一。
3、專業(yè)才是數(shù)字人唯一的出路
在被封了3次之后，孫旭逐漸意識到，自己似乎被割了韭菜。
最初他對數(shù)字人員工很滿意，曾經(jīng)用它連續(xù)13個小時賣門店的團購券。雖然過程中數(shù)字人對觀眾的提問置若罔聞，但當時他相信自己已經(jīng)坐上了新時代的便車，數(shù)字人越來越智能只是時間問題。
然而問題很快就出現(xiàn)了，因為被判定為錄播，孫旭的直播間迎來了它的第一次封禁。
錄播是目前數(shù)字人直播最容易踩的坑之一，它只是根據(jù)提前錄入的腳本循環(huán)播放數(shù)字人視頻，與背靠大模型實時生成內(nèi)容的數(shù)字人有本質(zhì)區(qū)別。這些區(qū)別很難用肉眼辨別，但在數(shù)據(jù)監(jiān)測后臺上卻能被一目了然地辨認出來。
“最早一批嘗試數(shù)字人直播技術的商家，很多是被錄播割了韭菜?！睌?shù)字人代理公司負責人張現(xiàn)說，很多商家此前沒做過直播，不熟悉平臺規(guī)則，但對數(shù)字人很感興趣，花萬八千，從代理商那里買到一款錄好視頻的數(shù)字人，但很容易被封”。
除了錄播，數(shù)字人質(zhì)量差、口型對不上、交互能力低下、視頻質(zhì)量等問題均有可能導致客戶的使用體驗下降，甚至封禁。雖然有些公司提供指導服務，會一步步教客戶如何解封直播間，但整體來說，仍沒有公司能保證不會被封號。
不過也有一些企業(yè)確實利用數(shù)字人實現(xiàn)了效率翻倍。
硅基智能透露，某酒旅行業(yè)頭部品牌的數(shù)字人直播間內(nèi)，2023年已經(jīng)收獲了超過10億的GMV（商品交易總額）；某咖啡品牌的單一數(shù)字人直播間，僅在單日的5小時內(nèi)，就收獲了85.6萬的營收。
為什么有的人能用數(shù)字人賺錢，有的人不行？
本質(zhì)上，數(shù)字人仍舊是一款工具，而不是具有主觀能動性的人，它所能發(fā)揮出的潛力，與使用者對行業(yè)的理解程度高度相關。換而言之，只有懂得KnowHow的人，才能用好數(shù)字人。
以最基本的交互為例。為了防止大模型幻覺導致數(shù)字人在直播間內(nèi)胡說八道，市場上90%以上的數(shù)字人公司使用的都是“關鍵詞匹配”技術。通過關鍵詞來匹配問題和答案，只要觸發(fā)了關鍵詞，它就能匹配到并反饋給觀眾。
機械的匹配機制下，數(shù)字人直播間往往枯燥乏味。但如果直播間運營商儲備了相應的語料庫，知道主播說哪些話、怎么安排直播節(jié)奏能調(diào)動直播間氛圍，即便同樣基于“關鍵詞匹配”技術，直播效果上也會呈現(xiàn)出較大的差異。
客觀來說，數(shù)字人直播的門檻其實并不低，它既需要客戶對技術有一定了解，能分辨錄播與真正的數(shù)字人之間的區(qū)別，還需要客戶對直播行業(yè)有基本的常識。
指數(shù)起量，打破真人直播的上限，24小時無休……這些詞句常被用于介紹數(shù)字人的優(yōu)點。與單獨的個體相比，數(shù)字人固然在“繁衍能力”和“勞動時長”上有先天優(yōu)勢。但如果放到整個直播大盤中，24小時無休和主播數(shù)量爆炸早已經(jīng)在多年前就成為了現(xiàn)實。
或許，直播平臺并不在意屏幕前的那個是數(shù)字人還是真人，嚴密的平臺規(guī)則和推薦機制已經(jīng)注定，只有“專業(yè)”才是突出重圍的殺手锏。