隨著VR產(chǎn)業(yè)的開枝散葉和走向成熟，VR與眾多其他技術(shù)的結(jié)合也展現(xiàn)出了極大的應(yīng)用潛力。比如在剛剛結(jié)束的Vive X第三批團隊Demo Day上，就出現(xiàn)了數(shù)家“丟掉”頭顯、只留下追蹤方案+Tracker的企業(yè)。

Red Pill Lab是此次Vive X中唯一一支來自***的團隊。而能夠從數(shù)千家申請企業(yè)中脫穎而出，正是因為公司將獨家的AI技術(shù)和Tracker相結(jié)合，成功實現(xiàn)了低成本的全身動捕方案。在Demo Day之前，記者也特地與公司的兩位創(chuàng)始人RH和Brian深入了解了背后的技術(shù)，以及親身體驗了一把隨時“變身”卡通人物的經(jīng)歷。

成本不到2萬塊！用AI識別你的聲音

對于大多數(shù)人來說，“全身動捕”聽上去是一項非常遙遠(yuǎn)和高大上的技術(shù)。實際上，這項本來用于影視行業(yè)的技術(shù)在近年來已經(jīng)逐漸在泛娛樂產(chǎn)業(yè)得到應(yīng)用，比如最近大火的“虛擬主播”就大都采用了全身動捕，而非真的使用人工智能。

在Vive Tracker推出之時，其能夠以低成本方式實現(xiàn)動作捕捉的能力也獲得了不少關(guān)注。Red Pill Labs正是利用了Tracker的這一特性實現(xiàn)了對用戶身體的捕捉，同時再通過AI進行面部表情的深度學(xué)習(xí)計算，從而在虛擬形象身上實時呈現(xiàn)出真人表演者的動作。

但Red Pill最特殊的一點在于，和其他通過攝像頭捕捉面部表情的方案不同，他們選擇捕捉用戶的聲音。

“我們認(rèn)為聲音是被很多人忽視的，”RH說。

據(jù)他介紹，公司的這套系統(tǒng)在通過麥克風(fēng)捕捉到用戶的聲音之后，借由AI對聲音數(shù)據(jù)進行實時的分析，然后同步在虛擬形象臉部生成表情。這里的表情包含兩部分，一個是實時的嘴形，其他部分則通過眉毛的運動來表現(xiàn)。

這樣的描述不禁讓我想到了Animoji。當(dāng)然蘋果采用了TOF方案，也就是通過“劉海”那處的一系列深度攝像頭來實現(xiàn)實時的面部捕捉。但是Red Pill的聲音方案真的靠譜嗎？

從記者的體驗來看，聲音轉(zhuǎn)化成面部表情的效果居然出人意料的不錯。從視頻中我們可以看到，動畫人物嘴部的動作基本上和表演者的聲音沒有延時，同時也非機械的一張一合，而是隨著聲音的變化在幅度上不一樣。同時，動畫人物的眉毛也會在發(fā)聲的過程中一起運動，包括眼睛的大小也會有小幅度的變化，這些元素交織在一起呈現(xiàn)出虛擬人物表情的變化。

據(jù)Brian介紹，目前世界上正在研發(fā)這類技術(shù)的僅有Red Pill、英偉達(dá)和迪士尼。英偉達(dá)技術(shù)的限制在于，需要鎖定同一個表演者的聲紋和虛擬角色；迪士尼則需要先將要講的東西變成文字，再讓機器處理成虛擬人物臉上的實時表情。

除了面部表情，Red Pill通過Tracker+Lighthouse對表演者身體動作的捕捉也已經(jīng)做到非常自然。在體驗的20分鐘過程中，動捕沒有出現(xiàn)卡頓現(xiàn)象，蹲下、坐下、轉(zhuǎn)身和小跑時的追蹤也沒有問題，肩膀和手腕也可以轉(zhuǎn)動。由于公司的這套軟件基于Unity的架構(gòu)開發(fā)，因此也可以通過手柄上的按鍵實時切換虛擬表演的背景圖片（視頻），以及為虛擬角色設(shè)計武器、交互等。公司甚至還自行開發(fā)了一款手套，可以更為精細(xì)的模擬出手指的動作。

Brian還談到，目前這套方案最多可以讓兩位表演者同時進習(xí)動捕的表演。但隨著新一代Lightohuse的推出，接下來將會實現(xiàn)4個人在10*10平方米的空間內(nèi)同時表演。

而實現(xiàn)這些效果的前提——用戶需要花費的成本相當(dāng)?shù)汀τ谟蠽ive的用戶，只需另外購買4個Tracker，以美元計算為400刀；對于沒有Vive的用戶來說，目前購入一套Vive僅需500刀，也就是硬件成本在900刀左右。

從VR社交轉(zhuǎn)向教育和直播

實際上，我和Red Pill Labs的CTO，也是創(chuàng)始人之一的Dobry早在去年7月的RISE香港展會上就有過交流。但是在9個月之前，公司還希望將這套系統(tǒng)用在VR社交平臺上，AI技術(shù)可以通過對大數(shù)據(jù)的分析和深度學(xué)習(xí)來對Avatar的動作進行預(yù)測，數(shù)據(jù)越多，Avatar呈現(xiàn)出來的動作就會越自然和符合邏輯。

但如今，由于VR的主流之路并不順利，公司的商業(yè)模式也已經(jīng)出現(xiàn)了明顯的轉(zhuǎn)移，即從to C轉(zhuǎn)向to B。RH說，接下來公司最希望在大陸的教育市場落地，尤其是針對兒童的早教和學(xué)前教育。在他看來，除了因為教育市場比較大以外，兒童對于虛擬角色的接受度也非常高。在***，公司已經(jīng)在一家少兒英語學(xué)習(xí)中心中落地，采用入場門票收費的方式（約100元/小時）獲取收入。

除了實地的表演之外，Red Pill的一個更為遠(yuǎn)大的目標(biāo)是希望能夠?qū)⒄追桨干蟼髦猎贫?，讓更多的用戶、表演者在足不出戶的情況下，就可以在Red Pill遠(yuǎn)程直播中心進行節(jié)目的直播和收看。

Brian認(rèn)為，云端+電視盒子的方式能夠讓更多人接觸到這種全新的遠(yuǎn)程教育的方式，而且成本并不會太高。如果公司能夠和電視盒子的服務(wù)供應(yīng)商達(dá)成合作，就可以直接將自己的軟件以應(yīng)用的形式放到網(wǎng)絡(luò)電視平臺上。用戶在家中只需額外安裝一個攝像頭，讓表演者看到反應(yīng)，接下來就可以很好的進行收看和互動。在收費模式上，則會采取收取月費的模式。

總的來說，在教育培訓(xùn)的賽道上，Red Pill的技術(shù)可以拓展的方向還有很多。Brian特別提到，無論是線下英語培訓(xùn)還是現(xiàn)在十分火爆的在線真人英語教育，都可以考慮用虛擬老師的形式。因為對于孩子們來說，與卡通角色交流的壓力要比和真人小得多。

Red Pill的另一個特色在于，同樣是做教育，但和大部分VR教育企業(yè)相比，頭顯這個最笨重的部分可以被完全拋開，這也就變相的降低了用戶的準(zhǔn)入門檻。

雖然目前B端是Red Pill選擇的主戰(zhàn)場，但由于成本較低，這套動捕系統(tǒng)實際上也能夠被一些有直播需要的個人所采納。尤其是聲音捕捉這一特點，讓普通人通過麥克風(fēng)就能夠?qū)崿F(xiàn)虛擬形象面部表情的實時同步。公司也為此做好了準(zhǔn)備，在軟件端設(shè)置了可以在YouTube、Facebook等開啟直播的通道。

動捕+面捕的市場潛力有多大？

Red Pill的這種打造“虛擬老師”的模式，不禁讓我們想起了最近在日本爆紅的“虛擬主播”。有趣的是，在此次的Vive X第三批團隊中，正好有這樣一家來自日本的虛擬偶像打造平臺COVER，他們也選擇通過Vive Tracker來實現(xiàn)全身動捕，然后實時反應(yīng)在自家的虛擬主播“時乃空”的身上。

通過打賞、廣告的收入渠道，部分受歡迎的主播可以獲得可觀的收入。比如最知名的“愛醬”，光是在YouTube上的年收入就可以達(dá)到約180萬元人民幣。連COVER的時乃空每次1小時的直播也能有1.2-3萬元的收入。

從成本來看，由于對動捕效果的要求不像電影那么高，因此所用動捕系統(tǒng)的要求也相對較低。比如日本的很多廠商都選用了諾亦騰的Perception Neuron，套裝價格為7280/10800元。

在面部表情捕捉方面，現(xiàn)在主流采用的還是攝像頭。表演者需要通過一個支架將攝像頭固定在自己的面前，攝像頭收集了面部信息通過線纜傳輸?shù)?a href="http://www.brongaenegriffin.com/v/tag/1247/" target="_blank">電腦上進行處理。

比較來看，Red Pill捕捉聲音的優(yōu)勢在于：

1.對用戶來說能夠表演的更加自然，因為無需承擔(dān)攝像頭和支架的重量，同時也不用打光；

2.成本低和便捷，用戶只需普通的麥克風(fēng)即可實現(xiàn)無線傳輸。

同時，Vive Tracker在動捕方面的潛力也在被逐漸發(fā)掘出來。此前，英國的軟件開發(fā)商IKinema推出了一款叫做Orion的低成本動作捕捉系統(tǒng)，基于Lighthouse定位技術(shù)，由VR頭顯、運動控制器和3個Vive Tracker構(gòu)成，年費為500美元。在采訪中，RH也提到了這款競品，并表示Red Pill相比之下對于電腦CPU的占用資源更少。同時公司正在不斷優(yōu)化AI算法，逐漸降低對電腦配置的要求。

總體來看，動作捕捉和面部捕捉在泛娛樂產(chǎn)業(yè)的應(yīng)用在逐漸增加，除了虛擬主播之外，也用于游戲開發(fā)。

而在虛擬主播比較小眾的中國，教育培訓(xùn)是一個不錯的切入點：卡通形象能夠有效調(diào)動孩子們的積極性，尤其是和本地的知名IP結(jié)合之后能夠發(fā)揮更大的作用。而雖然虛擬主播在中國偶像化的可能性不太大，但在廣告、營銷、客服等場合也能夠發(fā)揮用武之地，因為虛擬的形象天生要比真人更加有親和力。

無獨有偶，在正在進行中的GDC上，Unreal在現(xiàn)場用全身動捕+實時渲染技術(shù)，呈現(xiàn)出一個驚人逼真的虛擬角色“Siren”。在大廠的推動下，相信動捕技術(shù)和不同產(chǎn)業(yè)的結(jié)合也將越來越多。