探讨 AIGC 行业应用与创新场景方向.docx

"探讨 AIGC 行业应用与创新场景方向" AIGC（Artificial Intelligence Generated Content）技术热潮的到来既带来了机遇，也为业内人士带来了更多挑战。在这样的背景下，「人人都是产品经理」联合「腾讯大讲堂」于北京举办了产品经理大会，聚焦于“AI、数字化转型、业务增长”，共同探讨 AIGC 的商业化可能与落地实践。 AIGC 的音视频应用场景有许多，比如数字人虚拟主播、AI 虚拟恋人等。在这个过程中，产品体验的需求 GAP 亟待满足：文本互动效果差、场景开发上线难、语音合成效果差、AI 模型训练难等。 为了解决这些问题，声网提出了 AIGC 一站式音视频解决方案，这一方案拥有三大核心优势：音视频互动更具沉浸感、响应延时低至 1.9 秒内、易开发，3h 快速上线场景。 音视频互动更具沉浸感：相比传统的通过 IM 文字聊天与 AI 角色实现交互的方案，声网提供的实时音视频 + 实时消息 + 虚拟形象方案能够带来更真实自然的互动体验，更好地表达情感和传达用户的个性化意图。 响应延时低至 1.9 秒内：声网作为实时互动云服务的开创者，在音视频领域积累了深厚的技术优势，针对目前市面上大多数 AI 生成式对话响应慢的问题，声网的研发团队对 AIGC 场景下音视频互动的延时做了很多技术优化，可以将对话响应延时控制在 1.9 秒内。 易开发，3h 快速上线场景：在场景开发层面，有些企业缺少 AIGC 所需的开发经验和能力储备，期望能够接入整体解决方案，对此声网提供封装完整的 SDK，包含实时音视频、实时消息、语音转文字（STT）/文字转语音（TTS）、语音驱动虚拟人嘴型等多种能力，并支持 API 快速调用，提供开箱即用的场景化 Demo，最快 3h 即可实现方案快速验证。 声网 AIGC 解决方案的一站式产品能力还包括模型能力、语音能力、场景人设定制、交互体验升级等。模型能力方面，声网跟踪热门的国内外大模型进行了合作，根据业务场景集成测试了多个大模型的能力，以及支持开源大模型的私有化部署和模型 Fine-tune。 语音能力方面，声网凭借在音频处理领域的经验，对语言转文字（STT）+文字转语音（TTS）模型精细化调优，实现人声分离，断句优化，让整个语言体验更加流畅。此外，声网还支持 AI 实时变声、定制化声音克隆，让声音听起来更具真实感。 场景人设定制方面，声网在 1V1 语音聊天等场景还对 AI 角色进行了人设定制，通过 Prompt 的方式设置 AI 角色的名字、职业、性格等丰富的人设属性并支持定制形象与声音。在场景玩法层面，声网也尝试了多人语音场景的验证，例如在谁是卧底、狼人杀等多人游戏的场景中，AI 可以作为一个玩家参与到游戏中，真正的与用户一起玩游戏。 交互体验升级方面，声网也做了一些尝试，例如长期对话记忆，在一些对话场景中，用户在进行多轮文字互动后，有可能大模型记不住用户之前说的内容，影响对话体验。对此，声网通过实现多轮对话记忆，可以更好的提高用户体验。 AIGC 技术热潮的到来，既带来了机遇，也为业内人士带来了更多挑战。声网的 AIGC 一站式音视频解决方案，为开发者和企业提供了一种解决方案，来满足他们在 AIGC 场景下音视频互动的需求，提高用户体验和商业化可能。