我國(guó)虛擬數(shù)字人領(lǐng)域首個(gè)國(guó)家標(biāo)準(zhǔn)《信息技術(shù) 客服型虛擬數(shù)字人通用技術(shù)要求》近日正式發(fā)布。該標(biāo)準(zhǔn)的出臺(tái)填補(bǔ)了行業(yè)技術(shù)規(guī)范空白，為客服型虛擬數(shù)字人的研發(fā)、生產(chǎn)和應(yīng)用提供了統(tǒng)一的技術(shù)要求和評(píng)估標(biāo)準(zhǔn)。

　　客服型虛擬數(shù)字人是數(shù)字人技術(shù)最重要的應(yīng)用領(lǐng)域之一，現(xiàn)在已經(jīng)廣泛應(yīng)用在金融、政務(wù)、教育等多個(gè)行業(yè)，目前數(shù)字人技術(shù)以不同“客服”身份廣泛應(yīng)用于各類商業(yè)場(chǎng)景。

　　該標(biāo)準(zhǔn)構(gòu)建了全鏈條技術(shù)規(guī)范體系，明確了客服型虛擬數(shù)字人系統(tǒng)的參考框架，涵蓋形象生成、視覺交互、語音交互、情感交互、形象驅(qū)動(dòng)和運(yùn)營(yíng)維護(hù)等模塊。從基礎(chǔ)的形象呈現(xiàn)到復(fù)雜的情感反饋，標(biāo)準(zhǔn)對(duì)不同類型、不同場(chǎng)景的數(shù)字人都提出了明確要求。

　　在形象生成方面，標(biāo)準(zhǔn)規(guī)定2D數(shù)字人形象需保證五官細(xì)節(jié)完整清晰，3D超寫實(shí)數(shù)字人模型面數(shù)不低于20萬，在交互功能上，要求數(shù)字人支持語音、手勢(shì)、肢體動(dòng)作等多模態(tài)交互，同時(shí)具備關(guān)鍵詞維護(hù)、語料更新等運(yùn)營(yíng)維護(hù)能力，確保服務(wù)持續(xù)優(yōu)化。

　　讓數(shù)字人客服從“能回應(yīng)”轉(zhuǎn)向“會(huì)共情”

　　我國(guó)虛擬數(shù)字人領(lǐng)域首個(gè)國(guó)家標(biāo)準(zhǔn)明確了口型驅(qū)動(dòng)準(zhǔn)確率、情感交互成功率等一系列核心性能指標(biāo)。

　　國(guó)家標(biāo)準(zhǔn)明確口型驅(qū)動(dòng)準(zhǔn)確率不低于90%，確保數(shù)字人語音與口型精準(zhǔn)同步；手勢(shì)交互平均成功率不低于90%，肢體動(dòng)作交互平均成功率不低于90%，讓肢體語言交流更自然。提出情感交互成功率不低于80%的要求，讓數(shù)字人客服從“能回應(yīng)”轉(zhuǎn)向“會(huì)共情”。

　　為實(shí)現(xiàn)情感交互要求，標(biāo)準(zhǔn)要求數(shù)字人具備表情采集、姿態(tài)識(shí)別、語音情感分析等功能，能精準(zhǔn)判斷用戶的喜悅、悲傷、焦急等情緒，并通過表情生成、情感語音合成等方式給出適配反饋。同時(shí)，語音交互響應(yīng)時(shí)間不超過2秒，語義理解正確率不低于85%，確保服務(wù)既“有溫度”又“有效率”。

　　為行業(yè)創(chuàng)新發(fā)展注入強(qiáng)勁動(dòng)力

　　虛擬數(shù)字人領(lǐng)域的首個(gè)國(guó)家標(biāo)準(zhǔn)也給國(guó)內(nèi)的相關(guān)企業(yè)產(chǎn)品研發(fā)和優(yōu)化指明了清晰方向，為行業(yè)創(chuàng)新發(fā)展注入強(qiáng)勁動(dòng)力。

　　標(biāo)準(zhǔn)適用于現(xiàn)有2D、3D數(shù)字人產(chǎn)品的升級(jí)改造，也為人工智能生成內(nèi)容等新技術(shù)的融合應(yīng)用預(yù)留了空間。同時(shí)，配套的測(cè)試方法正在研制中，將為企業(yè)提供統(tǒng)一的測(cè)試基準(zhǔn)，幫助企業(yè)快速發(fā)現(xiàn)問題、優(yōu)化產(chǎn)品。

　　標(biāo)準(zhǔn)給出了客服型虛擬數(shù)字人系統(tǒng)的完整參考架構(gòu)，明確了形象生成、交互功能、驅(qū)動(dòng)方式等核心模塊的技術(shù)要求，讓企業(yè)研發(fā)有章可循。在驅(qū)動(dòng)方式上，支持文本、語音、真人動(dòng)作捕捉、視頻等多種驅(qū)動(dòng)模式，企業(yè)可根據(jù)應(yīng)用場(chǎng)景靈活選擇。