智东西2月19日消息，今天，搜狗公司与新华社新媒体中心达成战略合作，并联合发布了首个站立式AI合成主播。

新的AI合成主播将从过去的“坐着播新闻”升级成结合肢体动作的“站立式播报”，这意味着AI在模仿人类声音、唇形、表情的基础上，进一步学习人类的体态、手势等，表现力更加丰富，也代表着“搜狗分身”技术再次取得新进展。

三个月前，在2018年互联网大会期间，搜狗与新华社发布全球首个AI虚拟合成主播。搜狗公司CEO王小川表示，三个月来，首批入职新华社的一中一英两位AI合成主播，已生产3400余条新闻报道，累计时长达10000多分钟，参与了包括第五届世界互联网大会、首届进博会、2019春运、春节等若干重要报道，成为AI与传媒业融合并付诸规模化应用的典型案例。

无论是初代AI合成主播，还是站立式的AI合成主播，其背后的关键技术是“搜狗分身”。

在初代AI合成主播中，搜狗分身技术让机器可以模拟人类说话时的声音、嘴唇动作和表情，并且将三者自然匹配，从而形成一个人类的AI分身。

通俗来讲，由真人主播面对镜头录制一段新闻播报的视频，搜狗分身凭借这段视频就可以将真人主播的声音、唇动、表情动作等特征进行提取，然后通过语音合成、唇形合成、表情合成以及深度学习等技术，“克隆”出与真人主播十分相似的具备新闻播报能力的AI虚拟主播。

而搜狗此次展示的站立式AI合成主播，则在前代合成主播的基础上，利用“搜狗分身”技术继续赋予AI肢体语言的能力，让AI合成主播的表现力更丰富更逼真，进而帮助人类提高信息表达和传递的效率。

随着“搜狗分身”技术能力的不断提高，AI合成主播的定制周期也大为降低，仅靠少量用户真实音视频数据，即可快速定制出高逼真度的分身模型。本次发布会，搜狗与新华社还推出首个AI合成女主播，正是“搜狗分身”技术持续复制不同类型、不同特点AI合成主播能力的一个体现。

最新推出的站立式AI合成主播将参与2019年全国两会的报道，并将在搜狗搜索、输入法等资讯平台上与用户见面。

在智东西看来，搜狗分身背后则是搜狗对多模态合成技术的探索，所谓多模态即多种感官的融合，本次的站立式AI合成主播，在语音合成、唇语合成以及表情合成的基础上，又增加肢体语言的合成，无论是从单点图像生成，还是从不同维度的多模态合成上，都是一次技术的进步。

此外，从三个月前搜狗与新华社推出的首个AI合成主播，到今天搜狗与新华社达成战略合作，多为AI合成主播的上岗，也代表着搜狗多模态合成技术落地的深化。