隨著VR產業的開枝散葉和走向成熟，VR與眾多其他技術的結合也展現出了極大的應用潛力。比如在剛剛結束的Vive X第三批團隊Demo Day上，就出現了數家“丟掉”頭顯、只留下追蹤方案+Tracker的企業。

Red Pill Lab是此次Vive X中唯一一支來自***的團隊。而能夠從數千家申請企業中脫穎而出，正是因為公司將獨家的AI技術和Tracker相結合，成功實現了低成本的全身動捕方案。在Demo Day之前，記者也特地與公司的兩位創始人RH和Brian深入了解了背后的技術，以及親身體驗了一把隨時“變身”卡通人物的經歷。

成本不到2萬塊！用AI識別你的聲音

對于大多數人來說，“全身動捕”聽上去是一項非常遙遠和高大上的技術。實際上，這項本來用于影視行業的技術在近年來已經逐漸在泛娛樂產業得到應用，比如最近大火的“虛擬主播”就大都采用了全身動捕，而非真的使用人工智能。

在Vive Tracker推出之時，其能夠以低成本方式實現動作捕捉的能力也獲得了不少關注。Red Pill Labs正是利用了Tracker的這一特性實現了對用戶身體的捕捉，同時再通過AI進行面部表情的深度學習計算，從而在虛擬形象身上實時呈現出真人表演者的動作。

但Red Pill最特殊的一點在于，和其他通過攝像頭捕捉面部表情的方案不同，他們選擇捕捉用戶的聲音。

“我們認為聲音是被很多人忽視的，”RH說。

據他介紹，公司的這套系統在通過麥克風捕捉到用戶的聲音之后，借由AI對聲音數據進行實時的分析，然后同步在虛擬形象臉部生成表情。這里的表情包含兩部分，一個是實時的嘴形，其他部分則通過眉毛的運動來表現。

這樣的描述不禁讓我想到了Animoji。當然蘋果采用了TOF方案，也就是通過“劉海”那處的一系列深度攝像頭來實現實時的面部捕捉。但是Red Pill的聲音方案真的靠譜嗎？

從記者的體驗來看，聲音轉化成面部表情的效果居然出人意料的不錯。從視頻中我們可以看到，動畫人物嘴部的動作基本上和表演者的聲音沒有延時，同時也非機械的一張一合，而是隨著聲音的變化在幅度上不一樣。同時，動畫人物的眉毛也會在發聲的過程中一起運動，包括眼睛的大小也會有小幅度的變化，這些元素交織在一起呈現出虛擬人物表情的變化。

據Brian介紹，目前世界上正在研發這類技術的僅有Red Pill、英偉達和迪士尼。英偉達技術的限制在于，需要鎖定同一個表演者的聲紋和虛擬角色；迪士尼則需要先將要講的東西變成文字，再讓機器處理成虛擬人物臉上的實時表情。

除了面部表情，Red Pill通過Tracker+Lighthouse對表演者身體動作的捕捉也已經做到非常自然。在體驗的20分鐘過程中，動捕沒有出現卡頓現象，蹲下、坐下、轉身和小跑時的追蹤也沒有問題，肩膀和手腕也可以轉動。由于公司的這套軟件基于Unity的架構開發，因此也可以通過手柄上的按鍵實時切換虛擬表演的背景圖片（視頻），以及為虛擬角色設計武器、交互等。公司甚至還自行開發了一款手套，可以更為精細的模擬出手指的動作。

Brian還談到，目前這套方案最多可以讓兩位表演者同時進習動捕的表演。但隨著新一代Lightohuse的推出，接下來將會實現4個人在10*10平方米的空間內同時表演。

而實現這些效果的前提——用戶需要花費的成本相當低。對于有Vive的用戶，只需另外購買4個Tracker，以美元計算為400刀；對于沒有Vive的用戶來說，目前購入一套Vive僅需500刀，也就是硬件成本在900刀左右。

從VR社交轉向教育和直播

實際上，我和Red Pill Labs的CTO，也是創始人之一的Dobry早在去年7月的RISE香港展會上就有過交流。但是在9個月之前，公司還希望將這套系統用在VR社交平臺上，AI技術可以通過對大數據的分析和深度學習來對Avatar的動作進行預測，數據越多，Avatar呈現出來的動作就會越自然和符合邏輯。

但如今，由于VR的主流之路并不順利，公司的商業模式也已經出現了明顯的轉移，即從to C轉向to B。RH說，接下來公司最希望在大陸的教育市場落地，尤其是針對兒童的早教和學前教育。在他看來，除了因為教育市場比較大以外，兒童對于虛擬角色的接受度也非常高。在***，公司已經在一家少兒英語學習中心中落地，采用入場門票收費的方式（約100元/小時）獲取收入。

除了實地的表演之外，Red Pill的一個更為遠大的目標是希望能夠將整套方案上傳至云端，讓更多的用戶、表演者在足不出戶的情況下，就可以在Red Pill遠程直播中心進行節目的直播和收看。

Brian認為，云端+電視盒子的方式能夠讓更多人接觸到這種全新的遠程教育的方式，而且成本并不會太高。如果公司能夠和電視盒子的服務供應商達成合作，就可以直接將自己的軟件以應用的形式放到網絡電視平臺上。用戶在家中只需額外安裝一個攝像頭，讓表演者看到反應，接下來就可以很好的進行收看和互動。在收費模式上，則會采取收取月費的模式。

總的來說，在教育培訓的賽道上，Red Pill的技術可以拓展的方向還有很多。Brian特別提到，無論是線下英語培訓還是現在十分火爆的在線真人英語教育，都可以考慮用虛擬老師的形式。因為對于孩子們來說，與卡通角色交流的壓力要比和真人小得多。

Red Pill的另一個特色在于，同樣是做教育，但和大部分VR教育企業相比，頭顯這個最笨重的部分可以被完全拋開，這也就變相的降低了用戶的準入門檻。

雖然目前B端是Red Pill選擇的主戰場，但由于成本較低，這套動捕系統實際上也能夠被一些有直播需要的個人所采納。尤其是聲音捕捉這一特點，讓普通人通過麥克風就能夠實現虛擬形象面部表情的實時同步。公司也為此做好了準備，在軟件端設置了可以在YouTube、Facebook等開啟直播的通道。

動捕+面捕的市場潛力有多大？

Red Pill的這種打造“虛擬老師”的模式，不禁讓我們想起了最近在日本爆紅的“虛擬主播”。有趣的是，在此次的Vive X第三批團隊中，正好有這樣一家來自日本的虛擬偶像打造平臺COVER，他們也選擇通過Vive Tracker來實現全身動捕，然后實時反應在自家的虛擬主播“時乃空”的身上。

通過打賞、廣告的收入渠道，部分受歡迎的主播可以獲得可觀的收入。比如最知名的“愛醬”，光是在YouTube上的年收入就可以達到約180萬元人民幣。連COVER的時乃空每次1小時的直播也能有1.2-3萬元的收入。

從成本來看，由于對動捕效果的要求不像電影那么高，因此所用動捕系統的要求也相對較低。比如日本的很多廠商都選用了諾亦騰的Perception Neuron，套裝價格為7280/10800元。

在面部表情捕捉方面，現在主流采用的還是攝像頭。表演者需要通過一個支架將攝像頭固定在自己的面前，攝像頭收集了面部信息通過線纜傳輸到電腦上進行處理。

比較來看，Red Pill捕捉聲音的優勢在于：

1.對用戶來說能夠表演的更加自然，因為無需承擔攝像頭和支架的重量，同時也不用打光；

2.成本低和便捷，用戶只需普通的麥克風即可實現無線傳輸。

同時，Vive Tracker在動捕方面的潛力也在被逐漸發掘出來。此前，英國的軟件開發商IKinema推出了一款叫做Orion的低成本動作捕捉系統，基于Lighthouse定位技術，由VR頭顯、運動控制器和3個Vive Tracker構成，年費為500美元。在采訪中，RH也提到了這款競品，并表示Red Pill相比之下對于電腦CPU的占用資源更少。同時公司正在不斷優化AI算法，逐漸降低對電腦配置的要求。

總體來看，動作捕捉和面部捕捉在泛娛樂產業的應用在逐漸增加，除了虛擬主播之外，也用于游戲開發。

而在虛擬主播比較小眾的中國，教育培訓是一個不錯的切入點：卡通形象能夠有效調動孩子們的積極性，尤其是和本地的知名IP結合之后能夠發揮更大的作用。而雖然虛擬主播在中國偶像化的可能性不太大，但在廣告、營銷、客服等場合也能夠發揮用武之地，因為虛擬的形象天生要比真人更加有親和力。

無獨有偶，在正在進行中的GDC上，Unreal在現場用全身動捕+實時渲染技術，呈現出一個驚人逼真的虛擬角色“Siren”。在大廠的推動下，相信動捕技術和不同產業的結合也將越來越多。