完蛋，我被数字同事包围了！小冰AI数字员工再升级，零样本定制，即时上岗

「你好，我在咱们公司刚入职。业务上有什么事儿，就请您多多指教啦！」

什么，这些同事竟然都是大模型驱动的 “数字人”？

只需 30 秒画面，10 秒音频，10 分钟就能极速定制一个这样和真人无异的 “数字同事”。它可以直接和你实时交互，并且有着通信运营商级别的高质量低延迟的音画传输。

就像这样：

像这样：

这是小冰公司最新上线的 “零样本” 数字人（Zero-shot Xiaoice Neural Rendering，Zero-XNR）技术，依托超千亿大模型基座，新技术不仅将数字人所需的训练数据压缩至 “秒级”、使定制时间达到 “立等可取”，而且生成的数字人能够直接应用于实时交互。据业内人士介绍，这在全球尚属首次。

同时，新技术仍旧保持了超高清标准，栩栩如生：

基于这项全新的 Z-XNR 技术和 TTS 语音大模型的融合框架，小冰数字人实现了秒级数据高质量形象声音复刻。独特的数据训练和推理算法，同时实现了数字人复刻高质量、视觉个性化表达与立等可取的便捷性：

不仅如此，小冰 AI 数字员工产品线这一次共计进行了三大升级：全新 Z-XNR 技术 + 全新超千亿大模型基座与 Agent 构建框架 + 全新透影音画传输系统。

全新超千亿大模型基座与 Agent 构建框架，简单而言，就是基于超千亿大模型基座，升级混合基座架构的 Agent 构建框架，搭建完整的交互数字员工能力构建与强化平台 —— 数字大脑平台，小冰全系列数字员工都能配备强大和丰富的职业交互套件，让数字员工更懂客户，更懂企业知识与业务，让交互精准适配商业场景原生工作流。

全新透影音画传输系统，是指基于 webRTC 的自研引擎，提供超高清视频推送能力、通信运营商级别的高质量低延迟的音画传输和弱网抗丢包通信能力，实现精准的声音画面同步，并可搭载透明通道数据，支持客户端实时渲染来丰富扩展应用。可以承载端到端的多模态实时交互和 AI 对话等场景，提供流畅自然的用户体验。

“零样本” 数字人以及基于该技术的全新普惠型数字员工的推出，进一步丰富了小冰 AI 数字员工产品线，产品体系 “高 - 中 - 低” 搭配日臻完善，广泛适配企业不同发展阶段和多样化的业务场景。目前，小冰的客户已经覆盖了包括招商局集团、红杉中国、万科集团在内的国内众多行业头部企业，并在各垂直领域企业中取得了丰富的产业落地实践。

而有了 “零样本” 数字人，更多的小微企业、小型商家，都有了更加便捷和低成本的路径来尝试数字人和大模型技术，有助于实现数字化转型。

至于如何体验？

即日起，通过小冰数字员工 APP 的自助服务，就可以轻松畅享全流程自动化的 “零样本” 数字人定制了。

值得一提的是，小冰大模型以及语言模型算法、语音合成算法、数字人合成算法等技术都已经成功通过了国家网信办备案，标志着小冰在技术能力、专业性、安全性和合规性方面拥有坚实基础，已获国家权威级认可。

近几年来，数字人如雨后春笋一般涌现，一度成为各行业的宠儿。然而，热度持续提升的另一面，日新月异的技术更迭、用户体验的更多诉求，都在向这一新兴赛道发起挑战。最近，市场逐渐回归理性，行业开始更加关注数字人的实际应用和商业价值。

作为最早布局数字人的企业之一，小冰团队一直走在 “数字人 + 大模型” 产品技术革新的最前沿。依托小冰大模型、神经网络渲染及超级自然语音等领先技术，小冰公司已构建类型丰富的 AI 数字人完整产品体系，将数字人的整体自然度提升到与真人难以分辨的程度，同时实现 800 毫秒级别的端到端超低延时人机实时交互，通过完备的 SaaS 化平台工具，用户可自主管理数字资产，配置数字人工作。目前，小冰数字人已成功赋能金融保险、智能车企、地产、文旅、政务、教育、零售、大消费、互联网等十余个垂直领域。

小冰团队表示，坚信技术创新的力量，将坚持致力于推动数字人普及，让数字人赋能千行百业，发挥技术进步的巨大价值。

产业数字人小冰公司

相关数据

数据压缩技术

数据压缩是指在不丢失有用信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率，或按照一定的算法对数据进行重新组织，减少数据的冗余和存储的空间的一种技术方法。数据压缩包括有损压缩和无损压缩。在计算机科学和信息论中，数据压缩或者源编码是按照特定的编码机制用比未经编码少的数据位元（或者其它信息相关的单位）表示信息的过程。

来源：百度百科

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心

语言模型技术

统计式的语言模型是借由一个几率分布，而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用，如语音识别，机器翻译，词性标注，句法分析和资讯检索。

来源：维基百科

语音合成技术

语音合成是通过机械的、电子的方法产生人造语音的技术。TTS技术（又称文语转换技术）隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。

来源：百科词条