百度AI数字人直播新增方言库，覆盖20余种地方语言
近年来，AI数字人直播在电商、教育、娱乐等领域的应用越来越广，用户仿佛在面对一个真实的“主播”。但一个长期存在的痛点也被放大——大多数数字人只会说标准普通话，遇到方言区观众，互动体验大打折扣。比如在广东的卖货直播间，用普通话介绍商品，本地中老年用户听着别扭，转化率自然上不去。
百度近日宣布，其AI数字人直播系统正式上线方言库，首批覆盖20余种地方语言，包括粤语、四川话、东北话、吴语（上海话/苏州话）、闽南语、客家话、湖南话、山东话、河南话、陕西话等。这意味着，数字人主播可以像真人一样，用当地话与观众拉家常、讲产品、唱地方小调。比如一场面向川渝的火锅底料直播，数字人能用地道的“川普”甚至成都话喊出“巴适得很”，瞬间拉近距离。
实现这一功能并非易事。方言的声调、用词、语法与普通话差异巨大，且同一方言内部还有口音分支。百度采用了多模态语音生成技术，先对每一种方言的声学特征、韵律节奏进行深度建模，再通过迁移学习让数字人模仿真人的语气和停顿。同时，团队收集了海量方言录音数据，其中不少来自地方电视台、戏曲演员和民间艺人，确保发音既标准又自然。
实际应用场景也相当丰富。在乡村振兴项目中，地方特色农产品直播可以使用当地方言，比如赣南脐橙用客家话介绍，陕西苹果用陕西方言吆喝，帮助农户更好地对接本地消费者。旅游直播同样受益，用闽南话带游客逛鼓浪屿，用东北话介绍冰雪大世界，沉浸感更足。此外，针对老年用户群体，方言直播降低了数字门槛，让他们也能轻松参与线上购物、听健康讲座。
百度这次动作，本质上是在补齐数字人直播的“最后一公里”——语言本地化。随着方言库的持续扩展，未来数字人不仅能说，还能根据不同地域的笑话、歇后语、俗语随机应变。这不仅是技术突破，更是对地方文化的一种数字化传承。当AI听得懂乡音，说得出乡情，直播就不再是冷冰冰的机器念稿，而是一场有温度的人机对话。
