人工智能技術在直播電商領域中的應用初探

趙燕東

摘要：當今互聯(lián)網時代隨著大數據、云計算、物聯(lián)網等技術及軟硬件資源的積累和提升，人工智能進入了快速發(fā)展階段。在傳統(tǒng)電子商務領域，人工智能技術成為了助推銷量增長和優(yōu)化電商運營的強大推手。而直播電商的出現(xiàn)，使電子商務從以“產品”為核心的“圖文時代”升級到了以“人”為核心的“直播時代”，再次重構“人——貨——場”。將人工智能應用于直播電商，必定會對直播電商的發(fā)展帶來革命性的變化。筆者從人工智能的技術要點出發(fā)，結合直播電商的特點，就人工智能在直播電商領域的應用，進行了初步的分析和探討，旨在理清脈絡，助力直播電商健康高速發(fā)展。

關鍵詞：直播電商;人工智能;應用初探

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）27-0147-02

我國直播電商，最早于2016年3月由蘑菇街率先推出視頻直播功能，同年5月淘寶直播正式上線，隨后京東、唯品會等各大電商平臺陸續(xù)上線直播功能，2019年發(fā)展進入快車道，2020年隨著疫情的爆發(fā)，“宅經濟”加速助推直播電商的發(fā)展，直播電商成為拉動經濟內循環(huán)的有效途徑。截至2020年12月，我國網絡直播用戶規(guī)模達6.17億，占網民整體的62.4%。其中，電商直播用戶規(guī)模為3.88億，較2020年3月增長1.23億，占網民整體的39.2%[1]。艾媒咨詢數據顯示，2020年中國直播電商市場規(guī)模達到9610億元，同比大幅增長121.5%。預計2021年直播電商整體規(guī)模將繼續(xù)保持較高速增長，規(guī)模將接近12012億元。根據發(fā)布的數據，我國直播電商已進入全面爆發(fā)階段。

1 人工智能（Artificial Intelligence）

人工智能是計算機科學的一個分支，是研究、開發(fā)模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)，被稱作是繼蒸汽機革命、電力革命、信息革命之后的第四次科技革命。發(fā)展到今日，人工智能的概念已經是家喻戶曉，它不只是冷冰冰的一系列能夠執(zhí)行的程序，還能夠自我學習，并且能做出精準快速的判斷反應。目前，人工智能在一些應用領域已經能夠超越人類，能完成一系列復雜的運算并且得出精確的答案。這不僅節(jié)省了人類大量的時間和精力，而且隨著人工智能的普及，將給人類社會帶來巨大的便利。人工智能技術領域十分廣泛，在機器學習、語音識別，圖像識別，自然語言處理，機器人和專家處理系統(tǒng)等方面的應用尤其深入。

2 直播電商（Live e-commerce）

直播電商，即“網絡直播+電商購物”， 是指網紅或其他 KOL通過視頻直播、短視頻等形式推薦商品并最終成交的電商業(yè)態(tài)。在電商直播間，主播以銷售商品或營銷品牌為目的，以直播作為媒介，對產品進行全方位的介紹和試用，給用戶傳遞商品價值，讓用戶可以直觀、全方位地了解所售賣的產品，提升購物體驗。直播電商是內容電商的升級，它兼具內容電商和社交電商屬性，其本質是通過直播為電商帶來流量，從而促進電商銷售。與傳統(tǒng)電商相比，直播電商在產品呈現(xiàn)形式、社交屬性和購物體驗等維度都有顯著的優(yōu)勢，具有高互動性、娛樂性、可視性、去中心化等特點[2]。

3 人工智能技術在直播電商領域的應用

3.1 AI虛擬主播

人工智能驅動的虛擬主播可以有力提升直播電商的社交性，并有效突破原有網紅和KOL在時間和空間上的限制，具有更高的可塑性和復用性，能為品牌創(chuàng)造更多定制化和個性化的內容，成倍提高生產力，最大化邊際效應。根據每位主播的人設，性格，愛好，形象、語言風格、肢體風格等，開發(fā)屬于自己的AI虛擬主播形象，進行專業(yè)的人格化運營，在主播下播后可以繼續(xù)服務粉絲，打開新的流量場域。品牌方可以同時、多地、多場景地使用AI虛擬主播，內容延展性大幅提升，MCN機構也可以嘗試 打造AI虛擬主播IP。雖然AI虛擬主播看起來只是一個3D動畫，但背后是人工智能領域最復雜的技術應用，包含了聲音、語言、文字、圖片、動畫、商品等眾多要素，結合了表情捕捉、動作捕捉、物理解算、同步傳輸、特技效果等專項技術，實時識別并理解互動的內容，并做出實時反應。阿里巴巴達摩院資深算法專家陳海青認為，一個成功的虛擬主播需要四個方面的技術架構：感知與認知、導演系統(tǒng)、3D建模、3D素材庫，不但要為虛擬主播設定情緒，還要設定相應的肢體語言，包括嘴型、四肢等。

3.2 語音合成與語音識別

如何讓AI虛擬主播像真人一樣“口吐金蓮”是一項極為復雜的技術難題。Google的DeepMind研究實驗室發(fā)布的WaveNet，是第一個用神經網絡生成人類自然語音的。Wavenet模型主要成分是卷積網絡，每個卷積層都對前一層進行卷積，卷積核越大，層數越多，時域上的感知能力越強，感知范圍越大。在生成過程中，每生成一個點，把該點放到輸入層最后一個點繼續(xù)迭代生成即可。2018年，由 Lyrebird公司開發(fā)的“語音合成”技術，不僅能利用語音演算模仿出任何人的聲音，還能在聲音中加入“感情”元素，讓聲音聽上去更為逼真。背后依賴的技術正是神經網絡和機器學習。

對于消費者，語音搜索要比手動輸入文字來得更便捷。直播電商平臺通過采用語音識別技術可以高效地向消費者推薦其所想要尋找的視頻、主播或商品。語音識別技術目前相對已經比較成熟，有不少支持NLP和語音輸入的AI系統(tǒng)，如亞馬遜、京東、淘寶等平臺都已經上線此項功能，用戶反饋很好。

3.3 美顏算法

如今，無論是用手機拍照、拍短視頻，還是一些社交平臺，都離不開美顏SDK，直播電商也不例外，要想呈現(xiàn)出自然優(yōu)質的美顏效果，最重要的便是人臉識別技術。人臉檢測技術可以實時檢測出多張人臉，并且精準定位畫面中的人臉位置并獲取相關信息，自動識別出人的五官輪廓，實時識別面部表情動作，包括睜眼閉眼、張嘴閉嘴、挑眉、點頭搖頭等表情姿勢，以及人臉的檢測、分析和比對。通常使用雙邊濾波算法和平滑濾波算法來實現(xiàn)美顏SDK中的磨皮和美白兩大基本功能。需要經過高反磨皮或者是雙曲線磨皮算法對人像進行磨皮，結合皮膚區(qū)域從而得到精確磨皮的效果。除了基本的磨皮算法，調整膚色也是至關重要，不僅需要實現(xiàn)美白紅潤的效果，還需要控制膚色。