用户可以随心所欲自定义桌崽的形象、声线、性格。
想怎么捏，就怎么捏。
只需上传一张图片，辅以一段文字描述，就能获得独属于自己的3D的、可动的二次元小姐姐或小哥哥。
并且可以把崽崽们调教出自己的性格。
有的爱吃醋，有的很傲娇。
据了解，“捏人”这个自定义功能不是桌崽最开始就有的。但该功能上线后，广受好评。
直接拿数据说话——创始人Adam表示，有了捏人功能后，用户的留存直接提升了1.5倍。
不过，目前能“捏”的范围，还停留在二次元品类中。
“但我们希望最终这款产品能够把任何东西‘桌宠化’，不只局限在人。”Adam举例表示，家里去了喵星的猫猫，或者一架直升机，未来都可以成为用户的AI桌崽。
三款自研大模型
当然了，比起其它所有的功能，根据用户数据反馈的结果，大家最喜欢的还是「AI陪我玩游戏」的感觉。
作为一个多模态陪伴平台，满足“懂你”的需求，离不开背后支撑的大模型。
分别为以下几个，均为自研：
多模态游戏陪玩大模型
“ChatGPT有一个功能是会建议你下一步说什么话，在用户输入问题之前就给用户提供ta下一步可能需要的答案。”创始人Adam表示，脸谱心智自研的多模态游戏陪伴大模型，就是在做视觉版、游戏攻略版的这个功能。
顾名思义，这款大模型主要功能是陪玩。
具体操作过程中，是经用户授权后，模型把游戏画面、游戏音效和用户带有各种情绪的声音作为输入，从而给予和游戏进度同频的个性化反馈。
利用这个模型，崽崽们可以提供情绪价值，以及为用户推荐相应攻略。
二次元视频生成大模型
而团队自研的视频生成模型，主要运用在捏崽，即自定义桌崽的动态3D形象这个步骤。
用户使用过程中，需要喂一张希望生成的崽崽的图像作为输入，以此生成动态形象。
需要注意的是，这个模型是专门针对二次元形象研发的。
相比写实风格的视频生成，二次元形象的数据更少，所以也更偏门，更难以训练，“Pika、可灵、Runway这些相比较而言更适合真实画风视频生成。”
事实真的如此吗？来看看和市面上视频生成模型的效果对比。
这是完成“图生视频”丢进去的那张图：
丢给hedra和heygen，都没能识别出面部：
丢给Pika，能眨眼，但肢体上几乎没啥“动态”可言：
来看AI视频届当红炸子鸡Luma的表现：
丢给runway 2……不多说，大家自己看：
这是丢给桌崽AI视频生成模型的效果：
相比其它视频生成模型，桌崽AI的自研模型在生成二次元形象的动态3D形象时，崩坏情况更少。
语音声线定制大模型
最后是语音声线定制模型，它支持用户自定义桌崽的声音。
Adam介绍，这个语音模型是以指令为输入的模型。
现在很多用户都会在桌崽里克隆自己喜欢的角色、人物甚至是真人的声音，这就需要提供几条音色样本。
从技术层面来说，要在桌崽AI这个平台实现音色克隆，其实就是在背后训练一个few shot的模型，只需要在原本的语音模型中加入几条样本——这些样本不仅仅是TTS的文本内容，还会加入一些对音色的文字描述。
加入本文信息后，会更好地淡化AI味，也更好地学习样本音色特点，完成克隆。
95后带队20名成员创业
桌崽AI，出自一家叫做脸谱心智的AI创业公司，成立于去年6月。
公司目前有20名员工，一半是产品运营，另一半是技术。
他们希望通过产品达到的目的，是“让天下没有寂寞和抑郁的人”。
创始人Adam，95后，本硕毕业于帝国理工学院。
在创业前，他在亚马逊、微软都工作过，主要工作更偏向研究性，聚焦在聊天机器人方向。
以前搞研究的时候，我就觉得这是一个非常棒的赛道。我自己非常想做一个很好的聊天机器人，但在实验室里做这件事情非常难。
不管是营销、本地化还是技术、产品，有很多要考虑，也不是一个实验室会选择的重点。
因此，离开大厂出来创业，是一件兴趣使然、很自然而然的事情。
有意思的是，他的创业启动资金几乎全部自他初中时期的第一桶金：卖游戏王卡牌，获利150万人民币。
创始人Adam表示，自己很喜欢赚钱，也很喜欢游戏，“二次元浓度很高的团队更能和玩家共情，也更能在打磨产品的时候清楚分辨哪些是玩家的声音。”
联合创始人Victor，同样本硕毕业于帝国理工学院生物医学工程（电子电器方向），后在剑桥大学拿下博士学位。
过去十几年来，他都倾心多模态领域的研究。
在我们的交谈中，Adam还提到，选游戏和二次元人群做切入点，是因为这是一个很快就被注意到的真需求。
团队的不足，更多在商业化和运营方面。为了补足这点，需要去不断地招贤纳才。
“并且我们自己也需要去学习，这些都很简单的。”Adam笑着表示，“投资人可能听到心里会有一个大大的‘真的吗？’。但是这比拿到一个PhD学位简单很多的。”
目前，”桌崽AI”主要面向PC端，不过据说手机版本也即将推出。
也许用不了多久，陪伴你的除了电脑手机，还会有一个AI驱动的专属桌面小伙伴。
相关文章
