摘要：基于盘古大模型能力，华为云MetaStudio数字内容生产线全新升级，推出数字人模型生成服务和模型驱动服务。
近日，华为开发者大会2023 ( Cloud ) 在东莞拉开帷幕。基于盘古大模型能力，华为云MetaStudio数字内容生产线全新升级，推出数字人模型生成服务和模型驱动服务，旨在通过数字人服务和技术赋能，赋能千行百业提升数字内容创作体验和效率。
当前，数字人逐渐成为3D互联网时代各类应用的核心入口，进入千行百业。大家常见的数字人抖音直播，营业厅的数字人客服，还有各类综艺节目如湖南台《你好星期六》节目的综艺虚拟主持人小漾等等，多种场景应用层出不穷，新形象不断呈现。
在数字内容产业，内容力决定了企业的竞争力，它由生产力、创造力和知识力逐步叠加和演进而成。PGC时代，头部电影中有90%的内容是通过计算机来生成的。生产力，也就是算力的强度决定了内容力；UGC时代，超过90%的数字内容由个人用户产生，创作者来自于千行百业。在生产力基础上，增加了创造力，也就是行业的广度，共同决定内容力；当前，我们已经进入AI时代，AIGC正在重构数字内容生产模式。到2030年，90%的内容将通过AI产生。在生产力和创造力的基础上，进一步增加了知识力，也就是模型的深度，共同决定内容力。
华为云MetaStudio数字内容生产线，基于华为云盘古基础大模型能力、渲染引擎和实时音视频能力，使用PB级的音视频数据进行训练，构建了数字人通用大模型，包括数字人形象、动作、表情、口型、声音等；每个用户还可以结合个人数据进行训练，构建自己的数字人个性化大模型。数字人生成后，用户通过文字、语音、视频等方式生产驱动向量信息，从而驱动数字人生成高清视频。
通过发布现场的演示我们可以看到，用户可通过多种方式生成数字人模型：
数字人生成后，预训练模型对输入的驱动方式进行分析，从多模态信息中通过深度编码器提取特征向量信息，驱动生成数字人的表情、口型、肢体动作参数，并最终生成高清视频。
驱动的方式也有多种，文字驱动可基于识别文字的语义和情感，实现数字人动作和文字的精准匹配。通过多语言泛化技术，一种语言、一次训练，即可使用多种语言驱动数字人。除此之外，现在业界大部分数字人都是站在固定点讲解，无法支持移动，华为云通过2D视频，以及2D/3D数据的联合训练，实现数字人走动、侧身、手势的精确驱动。
多模态的数字人实时驱动服务，可以广泛应用到各种各样的行业场景，比如直播、在线教育、在线客服、线上会议等。例如会议场景，通常我们默认都是关闭视频入会，一是大多数人长时间面对镜头感觉不自然、二是在办公室公共环境、酒店、家里等场合涉及隐私，不愿意打开摄像头，三是在运动的时候不方便打开摄像头。这种情况下，可以通过自己的数字人加入会议，展现形象的同时又保护了隐私，不再只显示简单的姓名信息，实现有温度的交互体验。会议过程会通过摄像头进行验证，确保是本人参会。实时驱动的时延在100ms以内，就跟我们现在开视频会议一样，没有明显延迟感觉。可以说，华为云MetaStudio数字人服务重塑了云会议的体验。
同样的，数字人在其他行业应用也可以一样简单、快速的集成数字人实时通信与互动能力，实现有温度的交互体验。华为云MetaStudio数字内容生产线全新升级，通过盘古大模型的赋能，让数字人具备个性化外形和灵魂，每个人都拥有个性化的数字人。
本文使用两个CCE集群模拟测试及生产环境，使用gitlab仓库作为应用部署yaml文件存储仓库，通过Argo CD对接不同CCE集群完成测试、生产环境业务部署。
只有了解 Spring Boot 在启动时都做了些什么，我们才能在后续的实践的过程中更好地理解其运行机制，以便遇到问题能更快地定位和排查。
本文对Sermant的自定义插件开发的流程进行了体验和探索，包括项目编译、运行、动态配置验证、插件拦截原理等内容，希望对初次体验Sermant高效开发插件的开发者有所帮助。