数字人参演《异人之下》,阿里大文娱CTO郑勇:用AI打造虚拟制作新样本
本篇文章向大家介绍《数字人参演《异人之下》,阿里大文娱CTO郑勇:用AI打造虚拟制作新样本》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。
9月26日,阿里大文娱首席技术官郑勇在接受媒体采访时提到了超写实数字人参演《异人之下》的情况。他表示,与传统的虚拟制作相比,通过自研AI技术打造的数字人角色不仅在呈现效果上更接近真人拍摄,还可以提高剧组的效率和质量。他说:“这是一个起点,对于阿里大文娱甚至整个行业来说都具有里程碑式的意义。未来,我们还将推出男性数字人物‘询焱’。”
阿里大文娱CTO郑勇
虽然是数字人,但厘里在剧中展现出的真人特质让观众印象深刻。在与真人演员对戏中,可以清晰看到厘里面部表情的细微变化,肢体动作也很自然。全景镜头里,厘里身体光影和环境光的反射效果也与真人无异。
通过对AI模型进行训练,我们让厘里在表情、口型和肤质方面更加自然协调。我们还加入了智能光场技术,使得数字人在不同视角下的光影效果呈现出更高的品质。为了达到更真实的效果,厘里不再使用美颜,而是采用真人肤质模型
通过智能光场使不同视角下数字人的光影效果有了更高品质的呈现。
重新写成:厘里的虚拟制作技术使得《异人之下》能够呈现更真实的效果,并且大幅优化了成本和效率。根据了解,与传统的数字人制作相比,厘里利用AI技术降低了在建模和原画等环节的投入成本和时间,同时也不再依赖动捕技术,使得制作成本降低了80%,效率提升了40%
郑勇说,对于影视行业来说,技术的最终目的是为内容提供服务。《异人之下》是根据国漫头部IP改编而来的,原著中的角色“二壮”由于其特殊性,只能通过脑电波与外界进行交流。通过数字人的呈现,不仅与原著角色完美契合,还平息了许多原著粉丝的不满
为了让角色达到更真实的效果,厘里去掉美颜,开启真人肤质模型。
《异人之下》试戏过程中,导演许宏宇也曾训练厘里做出各种极限表情,以此掌握数字模型的临界值,让角色的表情与动作设计更加游刃有余。郑勇说,经过导演的训练,厘里在后来拍摄的天猫广告中,也展现出了更强的表现力。
厘里在参演《异人之下》之前,已经与许多IP进行了合作,包括奈飞、新海诚的《铃芽之旅》、《长安三万里》、《航海王》等。此外,他还与英特尔、MLB、华为、天猫等众多品牌展开了合作。郑勇透露:“未来将围绕厘里在影视内容、商业代言、线下演出等领域进行一系列的打造。”阿里大文娱即将推出的第二个数字偶像IP是国风男数字人“询焱”
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
Golang与FFmpeg: 如何实现音频格式转换和合并
- 上一篇
- Golang与FFmpeg: 如何实现音频格式转换和合并
- 下一篇
- 福建实现城际列车时速350公里,福厦高铁正式通车
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 459次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 538次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 487次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 306次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

