但過(guò)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(kāi)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(lái)源：馬特 · 里德）

　　而且這個(gè)視頻會(huì )議 AI 不是只有畫(huà)面而已，里德還為它設計了簡(jiǎn)單的語(yǔ)音互動(dòng)功能，可用以接收你的領(lǐng)導或者同事所說(shuō)的話(huà)，然后還能自動(dòng)說(shuō)出你所編寫(xiě)的內容，打造出和諧的會(huì )議互動(dòng)氛圍。

　　那么，這個(gè)機器人具體是如何實(shí)現的？

　　為了打造它，里德首先通過(guò) 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。當這些畫(huà)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)音識別和文本轉語(yǔ)音的開(kāi)源庫，他構建了一個(gè)自定義 HTML Web 應用程序，可以實(shí)現對麥克風(fēng)傳入的音頻進(jìn)行語(yǔ)音識別和響應提示。

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

　　你可以將里德該步驟的創(chuàng )作理解為聊天機器人或 Alexa 語(yǔ)音技能。聊天機器人的原理就是經(jīng)過(guò)編程，可以理解某些輸入，并根據這些關(guān)鍵字運行命令以給出一些書(shū)面響應。但是由于人類(lèi)語(yǔ)言的自然可變性，聊天機器人和里德的 Zoombot 還是蠻容易出錯的，畢竟它們都沒(méi)有學(xué)會(huì )人類(lèi)隨機應變的技能。

　　（來(lái)源：馬特 · 里德）

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

　　現在，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(jiàn)：https://github.com/mcreed/zoombot。或許你也有興趣試一試。

　　（來(lái)源：馬特 · 里德）

　　盡管這項發(fā)明看起來(lái)頗具無(wú)厘頭色彩，因為在實(shí)際的使用過(guò)程中，它和真人參會(huì )的反應還是有比較多的區別，例如你能通過(guò)眨眼的頻次察覺(jué)出它并非真人（目前用來(lái)識別 DeepFake 視頻的方法之一就包括觀(guān)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(lái)視頻會(huì )議工具還能這么玩。

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

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