微軟攜手光禾感知 打造全台首位 AI 新聞主播「敏熙」

生成式 AI 技術顛覆以往使用 AI 的方式，並深入各領域發展出多樣化的創新應用，而媒體產業在此波浪潮下也沒有缺席。相信大家對於在民視主播台上播報國際氣象的「敏熙」主播並不陌生，專攻影像技術的光禾感知以 AIGC（AI Generated Content，人工智慧生成內容）技術，結合微軟 Azure AI 語音服務，為民視新聞打造台灣首位 AI 生成的虛擬電視新聞主播，於六月底正式亮相以來廣受各方好評，更是擄獲無數觀眾的心。

本次合作集結影像、聲音與新聞製播等三方專業技術，由光禾感知生成 AI 虛擬主播影像後，搭配微軟 Azure AI 的語音合成技術產出發音自然、流暢的播報人聲，再借助民視新聞多年新聞製播經驗，以及豐富的新聞播報、訪談節目等高畫質新聞影像資料庫進行形象優化，量身打造專屬於民視的 AI 主播模型。

身為台灣微軟及民視新聞雙邊合作多年的產業夥伴，光禾感知科技執行長王友光指出：「光禾感知 2022 年底開始投入 AI 主播製作，透過大量蒐集照片作為訓練原料，以擴散模型（Diffusion model）為技術基底，訓練出能夠生成動態圖像的模型，完成主播臉孔塑造。很高興此次與台灣微軟攜手促成民視『敏熙』主播的誕生，展現生成式 AI 於影像生成領域無限的技術發展潛力。」

除了外貌，聲音在新聞播報中亦扮演重要角色，微軟 Azure AI 語音服務的 TTS（文字轉語音）及 Viseme 技術即為實現敏熙主播自然且順暢人聲關鍵。不同於傳統如機械音般的文字轉語音服務，Azure AI 語音服務擁有豐富模型，提供 140 種語系以上、超過 400 個近似真人發音的預建神經語音模型供選擇。除了預建模型，Azure AI 語音服務還支援自訂模型，可根據您的需求調整語音的風格、速度、音調等參數，進而生成貼近真人主播具備情緒及抑揚頓挫的語音，展現出結合 AI 與美感的傳播科技成果。

此外，透過 Viseme 技術還能提升虛擬主播嘴型與播報文字精準度。Viseme 技術能夠在說話過程定義臉部及嘴唇、下顎及舌頭等位置，使虛擬主播臉部嘴型與語音的結合呈現更為自然。兩者技術相輔相成不僅能生成嘴型與聲音吻合的 AI 臉部影像，也能進一步實現多國語系主播的可能，敏熙現在已可以進行綜合中文及英文的播報內容。

除了啟用虛擬 AI 主播外，民視也透過相關技術協助即時翻譯、資料搜尋整合與除錯等前期業務，在科技的輔助下增加新聞內容的豐富度。台灣微軟商務事業群總經理李光耀表示：「微軟將持續導入 AI 前瞻技術，延伸生成式 AI 觸角至各產業，實踐智慧創新應用。此次合作成功展現生成式 AI 技術為產業帶來的無限可能，我們也樂見透過電視新聞的傳播，帶動 AI 之於個人及產業的正向影響力。」

作為台灣新聞界專業領航者，民視在新聞製播擁有深厚的經驗及資源，因此能透過大量新聞播報畫面資料訓練 AI 模型，為播報的擬真程度提供絕佳樣本。民視新聞傳播群副總經理胡婉玲分享：「民視不只看到生成式 AI 技術為新聞產業帶來的嶄新機會，也充分評估相關風險並恪守相關法規與新聞倫理，禁止採用 AI 生成之新聞內容，確保所有 AI 虛擬主播的播出內容皆由編輯撰寫並依循既有審核流程，在發展新聞多樣性的同時，也維持高度正確性。」

民視 AI 主播「敏熙」六月上線後，獲得市場及觀眾熱烈迴響，並持續由三方進行播報精準度提升，在聲音方面微軟藉由結合最新 AI 技術而更加擬真的 TTS 及 Viseme 技術不斷優化聲音的呈現，光禾感知則網羅民視豐富且涵蓋中文、英文、台語、客語等語言之 4K 高畫質新聞影像資料庫，持續訓練全新影像模型，呈現細緻的臉部肌肉紋路，確保整體脣形、聲音及肢體語言更加擬真與自然。