5月17日，搜狗CEO王小川在“搜狐科技5G & AI峰会”期间的主题演讲上正式发布了最新一代搜狗AI合成主播——全球首个手语AI合成主播“小聪”。“小聪”基于搜狗的AI分身技术，如果得到普遍的应用，将能够帮助听障人士更好融入社会，更好享受数字化生活。
“搜狗AI开放平台”援引世界卫生组织发布的数据表示，全球听力障碍人群高达4.66亿，在我国则有2700万人；因无法常态化、高质量地接受资讯信息，很多听障人士难以融入社会，最终成为被遗忘和边缘化群体。
目前，在以电脑、手机为载体的各类新闻资讯、文化娱乐节目中引入手语的少之又少，普遍引入真人来进行手语解说从人力、财力、效率和精力多个角度来看都很难实现。通过技术手段实现听障人士真正可懂的手语播报能力，对于帮助听障者克服沟通障碍、更好融入社会非常有价值。“小聪”发布后，未来更多电视节目、网络综艺等即可低成本、普遍化地方便听障人士收看。
据介绍，“小聪”以打造听障人士真正可懂的通用手语播报为目标，立足于搜狗领先的数字人技术体系——搜狗分身，集成了超写实3D数字人建模、机器翻译、多模态数字人生成、迁移学习、实时面部动作生成及驱动等多项领先AI技术，实现了超写实3D数字人自然可懂的手语主播能力，使机器可以基于输入口语文本生成逼真度高、手语表达准确的3D数字人视频内容，从而具备“超写实的逼真数字人效果”、“高可懂度的手语表达能力”、“高接受度的手语展现效果”三大特点。
在数字人效果方面，“小聪”使用行业领先的3D重光照扫描还原、面部肌肉驱动、表情肢体手势捕捉技术，生产出高度还原真人发肤、形象逼真、动作自然生动的数字人模型。数字人写实度的大幅突破能够显著提升手语播报的真实感与亲切感，从而提高播报用户体验。
在手语表达方面，“小聪”基于《国家通用手语词典》，能够实现健听人语言与听障者手语语言的机器翻译能力，基于输入的健听人语言能够低延迟生成高准确率的手语语言表征，通过搜狗分身的多模态生成技术，实时预测生成对应的超写实3D数字人驱动参数，进而快速生成数字人手语播报视频，在测评中可懂度可以达到85%以上，能有效帮助听障者克服理解障碍，达成信息有效传递。
在手语展现方面，“小聪”可以完整实现手控信息及非手控信息的表达，通过机器翻译生成手语表征信息，覆盖手部动作、面部表情、口动唇动等多个维度，并基于搜狗多模态端到端生成模型进行联合建模及预测，生成高准确率的动作、表情、唇动等序列，从而达成自然、地道、接受度更高的手语表达效果。
在此过程中，“小聪”还运用了业内领先的搜狗SLMT（Sign Langure Machine Translation）技术，在输出符合听障人士习惯自然手语的基础上，进一步提高了手语的可懂度、丰富和逼真了AI合成主播的表情与唇动能力，除了可以解决听障人士在日常生活、公共服务、特殊教育等多个场景下的信息不畅问题，还可以快速生成、批量复制，全年无休、随时随地提供服务。
据了解，搜狗是AI合成主播的开创者，自2018年发布全球首个AI合成主播至今，已发布AI主播雅妮、新小萌、新小浩，AI气象主播杨丹丹，俄语AI合成主播Liza等。“小聪”作为搜狗“AI合成主播团队”又一新成员，是将“以人为本，赋能于人”贯彻得更加彻底、更有温度的体现，充分彰显了搜狗的社会责任感和企业担当。
