通义推出数字人李白，化身“语文老师”进学校教诗词
9月10日，记者获悉，通义推出数字人李白，基于通义大模型打造，集合通义多模态技术实力，不仅在外貌上还原唐代诗人李白的中年形象，更在眼神、言谈举止间融入对李白诗词意境的理解与艺术再现。打开通义App，输入“李白”，便能和数字人李白开启一场即兴对话，既能吟诗作对，也可聊聊科技发展。
数字人李白刚上线，便于近期引入杭州刀茅巷小学，化身新学期一位特别的“语文老师”上了一堂公开课。“您写过的最长的诗是哪一首？”“《蜀道难》背后有什么故事？”通义数字人李白引发了学生们的极大互动兴趣。面对一个个的好奇提问，李白不仅有问必答，而且引经据典，与学生们诗词接龙。
图源/采访对象提供（下同）
这种寓教于乐的方式使语文课变得更加有趣且高效。杭州市刀茅巷小学语文老师王敏蕾表示：“平时的语文课堂中就是课本，还有多媒体教学，像数字人一起参与，我觉得小孩子不仅从数字人身上感受到不一样的课堂以外，还能学到课本以外的知识。”
和需要大量视频作为训练数据对真实人物进行复刻的传统数字人不同，通义推出的李白数字人，只需要一张图就可以生成具有全身动态的数字人，在这背后，是阿里通义大模型能力的“六剑客”。
大脑来自通义的模型Qwen，其语言理解、知识、代码、数学及多语言等多项能力显著领先。表情跟自然呼吸态来自EMO模型，最大化地保留模型创造力，使人脸表现力大大提升。肢体动作上，通义采用了强控制方法AnimateAnyone，用针对人体建模的骨架图片来驱动人物动作，也是曾爆火全网的“全民舞王”背后的技术。
语言模型来自通义语音实验室的CosyVoice技术，基于海量数据训练的生成式语音大模型，能够实现1-3句话声音克隆。为了让数字人有更好的实时对话能力，数字人李白还采用了VideoReTalking技术，它可以根据音频自动匹配嘴型。
未来，视觉语言大模型VL（Vision-Language）也将被应用在数字人交互领域，在情感识别、虚拟现实交互上提供更优质的互动体验。未来打开摄像头，用户便能与李白打破时空界限、体验身处一世的实时视频通话。
“李白是中国传统文化的一张名片，数字人李白让这位跨越千年的文学巨匠以全新的形态‘活’在当下，与全球观众互动，激发更多人对古典文学的兴趣与热爱。”通义数字人产品经理龙慧表示，未来，从线上教学到虚拟旅游，数字人将在教育、文化旅游、数字娱乐等多个领域展开广泛应用的计划。
新民晚报记者 金志刚