但過于頻繁的視頻會(huì)議，讓一些人產(chǎn)生了奇怪的想法并將其付諸實(shí)踐。最近，一位名為 馬特 · 里德（Matt Reed）的工程師，就成功開發(fā)出了代替自己參加 ZOOM 視頻會(huì)議的 AI。

　　乍看之下好像還挺像這么一回事兒的。

　　（來源：馬特 · 里德）

　　而且這個(gè)視頻會(huì)議 AI 不是只有畫面而已，里德還為它設(shè)計(jì)了簡(jiǎn)單的語(yǔ)音互動(dòng)功能，可用以接收你的領(lǐng)導(dǎo)或者同事所說的話，然后還能自動(dòng)說出你所編寫的內(nèi)容，打造出和諧的會(huì)議互動(dòng)氛圍。

　　那么，這個(gè)機(jī)器人具體是如何實(shí)現(xiàn)的？

　　為了打造它，里德首先通過 Quicktime 錄制了自己的視頻圖像，包含幾個(gè)常用的視頻會(huì)議表情，例如微笑，擺動(dòng)頭部等。當(dāng)這些畫面循環(huán)播放時(shí)，仿佛就是一個(gè)克隆版的自己。

　　然后是配置語(yǔ)音功能。基于 Artyom.js 這一語(yǔ)音識(shí)別和文本轉(zhuǎn)語(yǔ)音的開源庫(kù)，他構(gòu)建了一個(gè)自定義 HTML Web 應(yīng)用程序，可以實(shí)現(xiàn)對(duì)麥克風(fēng)傳入的音頻進(jìn)行語(yǔ)音識(shí)別和響應(yīng)提示。

　　這個(gè)庫(kù)的優(yōu)點(diǎn)在于，不同于 Alexa 或 Siri 必須使用喚醒詞才能說話，它只需要聽到 “How are you”“Are you OK” 之類的命令就能觸發(fā)下一步回應(yīng)，比如循環(huán)表情靜止的圖像或者說出回復(fù)。

　　你可以將里德該步驟的創(chuàng)作理解為聊天機(jī)器人或 Alexa 語(yǔ)音技能。聊天機(jī)器人的原理就是經(jīng)過編程，可以理解某些輸入，并根據(jù)這些關(guān)鍵字運(yùn)行命令以給出一些書面響應(yīng)。但是由于人類語(yǔ)言的自然可變性，聊天機(jī)器人和里德的 Zoombot 還是蠻容易出錯(cuò)的，畢竟它們都沒有學(xué)會(huì)人類隨機(jī)應(yīng)變的技能。

　　（來源：馬特 · 里德）

　　最后，里德通過軟件 ManyCam 創(chuàng)建虛擬網(wǎng)絡(luò)攝像頭，再將 Zoom 攝像頭設(shè)置為 ManyCam 虛擬網(wǎng)絡(luò)攝像頭，然后打開揚(yáng)聲器，這個(gè) Zoombot 就可以開始上班了！

　　現(xiàn)在，里德已經(jīng)將他的具體教程發(fā)表在了 GitHub 上，而且廣受關(guān)注。地址詳見：https://github.com/mcreed/zoombot。或許你也有興趣試一試。

　　（來源：馬特 · 里德）

　　盡管這項(xiàng)發(fā)明看起來頗具無厘頭色彩，因?yàn)樵趯?shí)際的使用過程中，它和真人參會(huì)的反應(yīng)還是有比較多的區(qū)別，例如你能通過眨眼的頻次察覺出它并非真人（目前用來識(shí)別 DeepFake 視頻的方法之一就包括觀察眨眼頻率），但里德確實(shí)展示了這樣的一種需求和可能性，原來視頻會(huì)議工具還能這么玩。

　　畢竟，當(dāng)里德在真實(shí)的視頻會(huì)議中使用他的 Zoombot 時(shí)，確實(shí)給已經(jīng)對(duì)視頻會(huì)議日益麻木的同事們帶來了很多歡樂。

　　或許有一天這樣詭異的景象真的會(huì)出現(xiàn)：打開一個(gè)視頻會(huì)議，可能參加的全是機(jī)器替身。