英伟达发布用于创建交互式AI虚拟形象的平台
近几个月来，英伟达持续推进其人工智能技术，现在各个组件如何协同工作已经清晰可见。该公司发布了 Omniverse Avatar——一个用于创建交互式AI虚拟形象的技术平台。Omniverse Avatar整合了该公司在语音AI、计算机视觉、自然语言理解、推荐引擎和仿真建模方面的技术。
基于该平台创建的虚拟形象是具有光线追踪三维图形的交互式角色，能够看、能说、就广泛话题进行对话，并理解用户自然的口头意图。该平台为打造几乎适用于任何行业、易于定制的AI助手开辟了道路。
这有助于处理数十亿次的日常客户互动——餐厅点餐、银行业务、预约个人会面及预订等——从而拓展企业能力，提升客户满意度。
“智能虚拟助手时代已经到来。Omniverse Avatar融合了英伟达的核心图形、仿真和人工智能技术，用于构建迄今为止最复杂的实时应用。协作机器人和虚拟助手的应用场景令人难以置信，并且正在快速拓展”
Omniverse Avatar是英伟达Omniverse的一部分——Omniverse是面向3D工作流程的虚拟世界仿真与协作平台，目前处于开放测试阶段，已服务超过70000名用户。黄仁勋在英伟达GTC大会的演讲中展示了Omniverse Avatar的多个示例：用于客户支持的Project Tokkio、用于车载常驻智能服务的NVIDIA DRIVE Concierge，以及用于视频会议的Project Maxine。
在Project Tokkio的第一个演示中，黄仁勋展示了他的同事与一个以他本人玩偶形象制作的虚拟形象进行实时对话，他们谈论了生物学和气候科学等话题。
在Project Tokkio的第二个演示中，他展示了餐厅自助点餐亭中的客服虚拟形象，它能够看、能说话，并在两名顾客点素食汉堡、薯条和饮料时理解他们的需求。演示基于英伟达AI软件和Megatron 530B运行，后者目前是全球最大的可定制语言模型。
在DRIVE Concierge AI的演示中，中控屏幕上的数字助手帮助驾驶者选择最佳驾驶模式以准时到达目的地，随后根据其请求设置提醒，当车辆续航里程低于161公里时进行提示。
此外，黄仁勋展示了Project Maxine的能力，即为虚拟协作和内容创作应用添加先进的视频和音频功能。该公司利用一张女性照片创建了虚拟形象，并使用Riva进行训练、文本转语音以及多语言翻译。这个数字替身的外观和声音与真人非常相似，甚至能够转动头部，同时保持自然的眼神交流。
Omniverse Avatar借助以下技术提供的语音AI、计算机视觉、自然语言理解、推荐引擎、面部动画和图形功能：
- 语音识别基于NVIDIA Riva——一款可识别多种语言语音的软件开发工具包。Riva还利用文本转语音功能生成人类语音回复。
- 自然语言理解基于大型语言模型Megatron 530B，它能够识别、理解并生成人类语言。Megatron 530B是一个预训练模型，即使经过很少训练或无需训练，也能够撰写完整句子、回答广泛领域的问题、概括长篇复杂故事、翻译成其他语言，并处理许多其未经专门训练的领域。
- 推荐引擎由NVIDIA Merlin提供——这是一个让企业能够构建深度学习推荐系统的框架，能够处理海量数据，从而做出更精准的推荐。
- 感知能力由NVIDIA Metropolis提供支持——一个用于视频分析的计算机视觉框架。
- 虚拟形象动画基于 NVIDIA Video2Face 和 Audio2Face 技术，以及 2D 和 3D 面部动画与基于人工智能的渲染技术。
这些技术整合到一个应用中，并借助 NVIDIA Unified Compute Framework 实时处理。这些打包为可扩展、可定制微服务的技能，可通过 NVIDIA Fleet Command 安全部署、管理，并在多个地点进行编排。
Maxine 的大部分开发工具已经可用。Riva 已开放公测，并将对“小规模”使用免费。更大规模的部署将取决于 2022 年初推出的 Riva Enterprise 计划。不过，Omniverse Avatar 还需等待更久。目前 Omniverse 基础平台处于公开测试阶段，而 Avatar 仍“在开发中”，尚未公布发布日期。
