不到兩個月的時間硅基智能連續獲得6項數字人發明專利，包括實時音頻驅動人臉生成方法、三維人臉表情渲染方法、訓練神經輻射場模型等涉及計算機視覺（CV）、自動語音識別（ASR）、自然語言處理（NLP）領域的多項人工智能技術專利。截至目前，硅基智能已擁有授權專利77件（含5件美國發明專利、1件新加坡專利）。

前瞻產業研究院《2023年全球數字人行業技術全景圖譜》顯示：2022年1-12月，全球數字人行業專利申請數量和專利授權數量分別為3054項和230項，成功通過申請率僅為%。硅基智能短時間內成功收獲多項專利授權，足見在數字人賽道中技術實力的頭部地位。

(資料圖片)

硅基智能兩個月內連獲6件專利授權

不斷攻克技術壁壘，AIGC數字人技術行業領跑

據悉，這6項專利發明涉及“唇形與語音能否一致、語音實時驅動人臉、人臉表情精準遷移、音頻驅動人臉清晰度”等影響數字人形象仿真效果的重要技術，是硅基智能作為AIGC數字人品類發明人所進行的全面細致、系統性的專利技術布局。

硅基智能聲學團隊針對ASR相關技術申請的”文本輸出方法及系統、存儲介質、電子裝置“專利，針對數字人語音識別系統對于不同聲學模型無法理想融合問題進行了突破。

利用上述文本輸出系統進行語音識別過程中，可在不增加明顯時耗的基礎上同時對齊多個文本，融合詞頻和置信度信息，提升融合效果來提高模型穩定性，優化文本輸出算法和系統架構，使得數字人能夠更準確地識別和轉換語音輸入，大大提高數字人音頻驅動、真人驅動模式下的語音識別準確性、實時性，為全球用戶帶來更高水平的數字人交互體驗。

硅基智能CV團隊同樣也構建了計算機視覺相關的全套專利群，此次的”訓練神經輻射場模型和人臉生成方法、裝置及服務器“專利。攻克了“多層感知器對神經輻射場模型訓練、學習，只能實現低清晰度的人臉視頻生成，無法基于音頻驅動實時生成高清人臉視頻”的技術壁壘。

硅基數字人專利攻克實時生成數字人高清人臉視頻技術壁壘

該發明無需其他任何中間模態的轉換，如人臉表情，人臉關鍵點等，進一步提高了語音到人臉形狀映射的準確性。并且，該發明無需大量成對的語音、視頻數據集，只需要單人提供的短視頻即可用于模型訓練。同時，該發明使用圖像像素位置特征，用于訓練神經輻射場，以及設計感知損失函數，用于優化神經網絡參數，以此顯著提升音頻驅動人臉生成渲染清晰度，避免局部模糊、動作卡頓，使數字人形象更加逼真自然，動作表情更加流暢順滑，提高圖像高頻差異感知，達到實時語音驅動高清人臉的數字人視頻生成效果。

IDC將數字人發展定義為5個階段來源：IDC咨詢《中國AI數字人市場現狀與機會分析》

2022 年之前數字人大多處于 L1-L3 的階段，在AIGC技術浪潮下，行業頂尖數字人技術即將跨進 L4 階段，實現初步的智能化交互。得益于較早布局AIGC賽道，硅基智能AIGC數字人已是數字人L4階段的頭部代表，并無限逼近L5階段。硅基團隊50%以上皆為研發人員，每年研發投入占比高達70%。正是硅基智能對數字人相關的AI技術和算法進行的持續性研發投入，以及在計算機視覺、語音識別、自然語言處理等方面長期積累的技術能力，讓硅基智能AIGC數字人在全球范圍內均處于行業頭部地位。

全球首創AIGC數字人模式

作為全球首創AIGC（Artificial Intelligence Generated Character）數字人模式的科技公司，硅基智能自2019年推出全球首個AI數字人以來，先后開創了數字人直播、數字人短視頻的創新行業應用，憑借卓越的技術實力牢牢占據了全球數字人行業的領導地位。

硅基數字人賦能千行百業

硅基文明創立者、硅基智能創始人司馬華鵬曾說：“每一個新技術都有自己的成長周期，長期主義需要戰略定力，忽略短期噪音。在歐洲創業的前十五年我都致力于人工智能和計算機圖像算法領域的研發，后來回國創立了硅基智能，把實現硅基文明作為未來十年要全力以赴去投入的事業。這兩條沉淀了二十多年的技術線的匯聚，構成如今硅基數字人產品的‘表’和‘里’”。