近年實況直播產業發展蓬勃，無論是遊戲、唱歌、跳舞都吸引眾多觀眾觀賞，造就了新一代「虛擬偶像」潮流。以二次元形象發跡的虛擬主播（Virtual YouTuber；VTuber），這些以類動漫人物造型活動的VTuber於短時間內便獲得了龐大人氣，內地更舉辦虛擬偶像選秀節目《跨次元新星》，大力發展虛擬偶像市場。隨着科技進步、新媒體不斷更新，虛擬偶像文化對全球帶來甚麼影響呢？究竟甚麼原因令虛擬偶像深受網民歡迎？
虛擬偶像的浪潮從日本興起，迅速擴展到世界各地，刺激網絡文化及科技研發。這些虛擬偶像實際上是一個由電腦生成的虛構角色，外表是由電腦圖形所繪製的動漫風格美少女 ，由一名演員在背後配音或歌唱。目前，較著名的虛擬偶像分為兩類： 虛擬歌手，主要是唱歌和跳舞，是為第一代虛擬偶像，例如初音未來和洛天依；另一類是虛擬主播，即在YouTube等網絡平台上，以動畫、虛擬的形象進行直播的主播，例如絆愛、Gawr Gura和桐生可可。據日本User Local（2020）顯示全球VTuber 人數突破13 ,000位，可見此流行文化愈見普及。其中最受全球觀眾歡迎的莫屬日本Hololive Production旗下的一眾VTuber了，如：於2020年9月出道的鯊魚「Gawr Gura」，她的訂閱人數已經超過二百萬，直迫全世界VTuber排名第一位的「絆愛」（Kizuna AI）。
雖然虛擬偶像是虛擬人物，卻時常疑幻似真，如同現實的人類一樣聊天，他們會發佈視頻，面對鏡頭討論遊戲、日常生活、愛情等話題，甚至唱歌跳舞、舉行演唱會，與觀眾進行互動。例如去年的內地除夕倒數便有虛擬偶像與真人歌手合唱跨年，桐生可可逢星期一至五清晨會進行早安可可直播（あさココLive），與粉絲分享近日發生的無聊事和一些輕鬆的內容。他們的魅力更吸引粉絲課金，譬如桐生可可的累計吸金量更多達六百萬（香港01， 2021）。
「虛擬偶像」究竟有哪些魅力風靡全球？虛擬偶像能引起網民對其產生共鳴與認同，每一個虛擬偶像都有不同的人物設定，從打扮、性格、興趣、口頭禪等，十分多元化，其中引人入勝之處是角色的「反差萌」，表現出其人設中無法預期的真性情，例如溫柔的角色在打機時會被激怒，或者角色外觀是女性打扮，但聲音實際上聽起來像是中年男人，都讓網民發現虛擬偶像很有趣，使其日漸受到各地重視。
技術普及率提高亦是一個重要因素。因應面部識別、VR、AI等技術越來越普及，製作虛擬偶像視頻所需的設備和軟件的價格已大大降低，而於台灣及日本更設有專門的科技學院培訓專才，滿足人們對新型娛樂形式不斷增長的需求。可見，虛擬偶像在未來將成為互聯網的一部分。
￭ 虛擬偶像背後的人工智能技術
虛擬偶像掀起，由「初音未來」到「洛天依」，成功吸引龐大網絡粉絲，實在全靠背後人性化設定，使形象別樹一格。成熟的人工智能技術成功令虛擬偶像人性化，與粉絲互動，獲取粉絲的喜愛與支持。究竟人工智能技術如何讓虛擬偶像人性化? 以下將從外型、歌聲以及個性三方面簡單說明。
現時的機器視覺技術，讓外表卡通化的虛擬偶像，透過人工智能學會人類面部表情動作，從而學習模仿，表達出情緒，與粉絲產生情感交流。只要提供大量人面表情數據，虛擬偶像便能夠因應粉絲的對話，表達出相應的情緒，令他的表情動作高度人性化。例如大家試過在手機製作專屬「動物表情符號」，應該可了解此項技術。
初音未來作為虛擬偶像的始祖，已經可以從音樂軟件憑聲音檔案合成其個性與音色及歌聲，現時人工智能自然生成語言技術，更可以編程技術生成歌聲，既可以模仿人類聲音，又可以製作出獨一無二的聲音，令虛擬偶像的聲音既人性化兼具獨特性。自然生成語言合成科技通過分析語音和相應的文字記錄，識別兩者之間的關系，從而讓人工智能系統模仿出人的聲音。以往的科技，生成自然語音是文本轉語音的核心挑戰，因為過往技術是把已錄製的字詞語音拼湊成句子，予人機械式的感覺，缺乏字詞間的語調及句子意義所帶出的感情。現有技術透過演算法及深度學習技術，能加強電腦理解不同字詞組合而成的意義，從而選擇適當的語調及感情，使生成的語音能帶有自然感覺，更貼近真實人類對話的聲音。例如：Lyrebird系統能透過接收模仿對象的聲頻，經過運算及調節，就能產出幾可亂真的相同人聲。
人工智能語音助手漸漸廣泛應用，虛擬偶像已經應用相關對話技術，與觀眾進行人性化溝通，更進行機器學習，因應觀眾對話回饋，調整對話內容，選擇語氣及用字構成獨特對話風格，建構偶像個性。2016年微軟日本曾研發一個名叫Rinna的女高中生AI， Rinna在網絡上和大家互動，參演了電視節目《世界奇妙物語》，可是在幾天後，Rinna突然變得極度消極、情緒低落，感到孤獨，因為部分網民都用負面的說話調戲Rinna。因此，開發者需定期重置整理數據庫，以免虛擬偶像偏離原有形象設定。可見人工智能自然生成語言技術雖然成熟，但仍有不少限制，未能完全穩定地與人類溝通，不過，我們相信隨著科技成熟，可能會更多虛擬角色出現，部分人類的角色無可避免地會被人工智能取代，認識人工智能技術，學習人機協作實在是關鍵未來技能。
￭ AI聲音做假
自然生成語言作為新技術，能有效應用到日常生活提升個人生產力及效率，例如人工智能助手、有聲書朗讀、殘疾人士語音合成等，均是有益於社會的應用開發。但這技術同時帶來隱藏的道德及安全考量，例如透過輸入模仿對象的音頻，能使系統深度學習對象的語調及感情，從而生成相類似聲波，能用模仿對象的聲音朗讀文本製造虛構的錄音，令人難分真假。如果有心人士操控這語音模仿生成技術，可以混淆及擾亂語音驗證系統，當中聲紋識別的保安系統首當其衝，使聲紋鑒定的有效性就會受到普遍質疑。
人工智能語音合成科技更可能虛構的語音或影片，以傳揚假消息，甚至作為呈堂證供干擾法庭的公平審訊。因此，面對網上流出的聲音檔或影片，網民應提高警覺注意檔案可能造假。人工智能語音合成技術本身為中性，取決於使用者的應用手法及目的。作為社會一員，要認清「眼見不一定為實，耳聽也可能是虛」。面對人工智能語音合成科技帶來的好處及壞處，建議大家緊記以下四點，以防墮入虛假語音的陷阱。
文章刊登於明報通通識
