На 18 юли 2026 г. Tencent AI Application Innovation Forum се проведе по време на Световната конференция за изкуствен интелект (WAIC) в Шанхай. Лин Сонгтао, председател на Huya, присъства и изнесе основна реч. Той отбеляза, че сценариите в реалния свят са там, където AI създава основна стойност, а устройствата на крайните потребители представляват последната връзка в приемането на AI. Докато пропуските във възможностите между моделите намаляват, разликите в инженерното внедряване се разширяват. Той добави, че еталонът за широко приемане на AI не е, че най-способните потребители стават по-силни, а че обикновените потребители могат да се възползват от AI без специализирана експертиза. След своите забележки главният изпълнителен директор на Huya Huang Junhong представи специфични приложения в игрите и развлеченията, подчертавайки, че вътрешно разработеният мултимодален цифров VAM 1.0 за хора в реално време на Huya е изграден и усъвършенстван в жива, 24/7 работна среда.
Виртуален човек от една снимка – всеки кадър, генериран в реално време
Според скорошни данни от Frost & Sullivan китайският дигитален пазар на хора расте с общ годишен темп от 52%, приблизително 1,5 до 2 пъти повече от средното за света, като Азиатско-Тихоокеанският регион е най-големият допълнителен пазар. Въпреки силния пазарен интерес, практическото внедряване остава ограничено – повечето дигитални хора все още следват скриптови подкани, могат да говорят, но не и да слушат, и да извеждат съдържание без истинско взаимодействие. Триминутно видео може да работи, но тричасово предаване на живо не е устойчиво. Huang Junhong отбеляза, че преходът на цифровите хора от ориентирани към дисплея продукти към интерактивни приложения в реално време изисква справяне с три категории предизвикателства: стабилност (дълготрайно генериране без влошаване), естественост (реалистични изражения и движения) и интерактивност (слушане в реално време, отговор и обратна връзка).
VAM 1.0 представлява най-новото усилие на Huya да се справи с тези предизвикателства в индустрията. Изграден върху базирана на DiT архитектура като мултимодален основен модел в реално време, Хуанг обобщи своите възможности по следния начин: „При дадена статична снимка, той връща виртуален човек, който може да говори, слуша и реагира в реално време – не предварително изобразен, не записан, а генериран кадър по кадър в движение.“
VAM използва тристепенна тренировъчна линия: първи етап осигурява стабилност чрез закрепване на външния вид с помощта на множество референтни рамки и рамки за движение; вторият етап подобрява реализма чрез алгоритми за оптимизиране на предпочитанията, които балансират множество цели; третият етап ускорява извода чрез значително намаляване на стъпките и включване на механизми за самокоригиране. „Накратко – дръжте го стабилен, дръжте го естествен и дръжте го икономически ефективен“, каза Хуанг. По отношение на производителността, на еквивалентен клъстер за изводи, VAM постига 36,4 кадъра в секунда със закъснение на първия кадър от 1,3 секунди. В сравнение с осем масови модела, той предоставя най-бързите изводи и най-ниската латентност, с водеща производителност по четири основни показателя и по-ниски изчислителни разходи.
Хуанг специално подчерта интерактивните функции на VAM, които естествено покриват три състояния: неактивен, слушане и говорене. Цифровият човек кима и поддържа зрителен контакт, когато потребителят говори, отговаря естествено, когато потребителят направи пауза, реагира незабавно, когато бъде прекъснат, и се управлява както от коментари с куршум (danmaku), така и от гласово въвеждане. Според него това произтича от предимството на домейна на Huya: „Повечето модели са се научили само как да говорят, а не как да слушат. Huya управлява стаи за стрийминг на живо повече от десетилетие – зрителите не чакат домакинът да приключи, преди да изпратят коментари. Самият случай на използване тласна технологията напред.“
Използване на технологиите за стимулиране на растежа – от „Гледане на играта на другите“ до „Игра заедно с AI“
С повече от десетилетие опит в стрийминг на живо, Huya натрупа изобилие от интерактивна инфраструктура – коментари с куршуми, подаръци, гласов чат и масивни аудиовизуални данни от стриймъри – всички те непрекъснато се връщат обратно към обучението на модели. От платформата HERO през 2019 г. до VAM 1.0, компанията създаде затворени приложения за публикуване на игри, стрийминг на живо и реклама. „За да достигнем днешните възможности, ние наистина бяхме търпеливи във времето“, коментира Хуанг.
VAM вече е внедрен в няколко основни сценария на платформата на Huya: генерирани от AI пеене и танци в реално време взаимодействия без фиксирани шаблони или затъмнения на екрана по време на смяна на тоалета; естествени интерактивни игри, активирани от цифрови хора, като четене на Върколак и Таро с безпроблемни преходи между режимите на игра; дигитални аватари или асистенти за човешки стриймъри за обработка на коментари и управление на ангажираността на публиката; и 24/7 автоматизирано популяризиране на артикули в играта.
По мнението на Хуанг през последното десетилетие съдържанието на живо е разчитало изцяло на човешки домакини. Но тъй като мултимодалните цифрови хора стават все по-дълбоко интегрирани в денонощни излъчвания, коментари на събития и базирано на таланти съдържание за придружаване, предлагането на съдържание може да премине от линеен към експоненциален растеж, като пределните разходи намаляват с увеличаване на мащаба. „Това променя структурата на разходите и естествено разширява маржовете на печалба. Това е технологичен лост – веднъж приложен, растежът става мултипликативен, а не адитивен“, каза той.
При публикуването на игри VAM ще поддържа хиперреалистична матрица за дигитално човешко поточно предаване, за да ангажира широка потребителска база между платформи, осигурявайки по-голяма основополагаща поддръжка за модела на разпространение на игри, управляван от маркетинг на съдържанието на Huya, покриващ цялата фуния от придобиване на потребители до задържане.
От стаите за стрийминг на живо до по-широката верига на игралната индустрия и от структурата на разходите до моделите на растеж, Хуанг заключи: „През последното десетилетие Huya беше място, където да гледате как другите играят игри. През следващото десетилетие ние се стремим да станем място, където потребителите играят игри заедно с AI.“