□ 周炫艺   于婷婷

深度合成技术凭借着实时互动性、多感官体验等优势，逐渐成为品牌主营销传播的全新形式与重要渠道。本文介绍了深度合成的技术原理及其在智能营销传播领域的多样化技术参与与实践运用，指出深度合成技术推动着营销传播的活动形式从“说服”到“体验”，效果从“个性化”到“个体化”，内容创意从“有形”到“无限”的转型升级，并指明深度合成技术与营销领域的融合过程可能面临的挑战。

【关键词】深度合成技术   智能营销传播   深度个性化   体验升级

不久前，Adobe上线一项AI虚拟试衣的新功能，这项命名为SieveNet的“基于图像的虚拟试穿”技术，由斯坦福大学和印度理工大学的研究人员共同研发，他们使用约19000张女性模特的正面图像和上衣产品图像，对SieveNet进行深度学习训练。像SieveNet这样运用AI技术进行虚拟个性化合成的产品，在全球商业品牌营销实务中并非首例：耐克的虚拟试鞋、欧莱雅的ModiFace虚拟试色、新氧的Face AI-Lab魔镜模拟整形等，都是各品牌运用深度合成技术进行营销传播的有效尝试。伴随着人工智能以及机器深度学习技术的高速迭代，人工智能逐渐成为驱动媒体发展的强劲动力。

“深度合成”（deep synthesis）是依托人工智能深度学习算法和模型，生成文字、图像、音频、视频的技术，在AI+5G时代全面来临的大浪潮下，深度合成已渗透人类社会生活的方方面面，重塑着数字内容领域形态。大数据、人工智能、机器学习……数字科技前进的每一步，都对营销形态产生着“蝴蝶效应”般的驱动力。然而当深度合成技术在内容营销和电商领域应用声名鹊起之时，营销传播学界对其却缺少理论层面的剖析。本文在厘清其技术特征的基础上，分析深度合成技术为当代品牌营销传播带来的智能化创新变革，并明晰机遇与挑战共存的现实情况。

一、“深度合成”及其技术原理

“深度合成”是计算机科学中“深度学习(Deep learning)”与“合成(Synthesis)”的结合，作为一种基于算法指令自动化运行的合成媒体(Synthetic media)技术手段，深度合成技术泛指借助人工智能算法和计算机虚拟合成技术生成的数字化文本内容，包括自动生成的文本、图像、语音、视频等内容形态[1]。深度合成技术中的经典模型为“生成式对抗网络(Generative Adversarial Network，GAN)”，它是Goodfellow等在2014年提出的一种特殊的生成式模型[2]，由生成器（Generator）和判别器（Discriminator）两种深度神经网络算法构成。生成器G基于输入的大量训练数据（例如人脸、图像、语音）学习模拟真实的数据分布，生成数据；而判别器D则需要判断数据来自真实数据还是来自生成器。G、D在循环训练对抗中，不断提高自己的生成能力与鉴别能力,这个学习优化过程就是寻找二者之间的纳什均衡，最终得到一个能够模拟趋近真实数据的生成器。

学者们针对GAN算法的技术原理、发展与应用进行研究，比如利用生成对抗网络来训练面孔识别模型[3]、图片风格迁移算法[4]、医学影像超分辨率算法[5]等。具有对抗思维的GAN使得人工智能领域走向一个具有“思想”的时代[6]。

除了生成对抗网络以外，深度合成技术还依赖于自动编码器（Autoencoder，AE）、卷积神经网络（Convolutional neural network，CNN）和循环神经网络（Recurrent neural network，RNN）等核心技术模型的支撑，它们分别为自动学习数据提炼编码特征、处理空间数据以及处理序列数据，为增强数据的线性连续性提供帮助，在图像检测、自然语言处理、音乐生成、语言翻译等方面有着广泛应用。

二、智能营销时代“深度合成”的技术参与与实践运用

在经历了以产品为中心的1.0时代、以消费者为中心的2.0时代和以产品与消费者关系为中心的3.0时代以后，营销传播跨入用技术传播手段满足消费者个性化需求的智能营销（Intelligent Marketing）4.0时代。在智能营销阶段，主要强调以消费者的碎片化、动态化需求为中心，将柔性生产与数据供应链相结合，最终整合虚拟与现实，达成全面的商业整合[7]。智能技术与营销领域交叉融合，促使营销传播进入全新的“数算力”时代。“数算力”的重要一环是算法，深度学习作为在机器学习、人工神经网络算法基础上进一步深入发展的创新性算法，成为人工智能在移动互联网时代广泛应用的重要推手[8]。

（一）图像合成

图像合成是基于深度学习的图像算法之一，早期的图像合成囿于计算能力限制，只能生成简单的数字图像、低分辨率图像，或是应用于图像画质的增强、图像滤波、画面锐化等方向[9]。而伴随着研究的不断深入，图像合成已能实现类别标签-图像、文本-图像、图像-图像间转化，其合成图像的精细度、真实度、复杂度大大提升，在新产品开发、品牌管理、销售管理、客户关系管理、沟通管理等营销领域应用广泛[10]。例如，Brandmark能够基于多种图像合成技术，提供个性化品牌logo智能生成服务；Netbase、Visua等咨询公司帮助品牌方通过图像识别、人脸识别、情绪识别，评估消费者对品牌产品的态度与使用偏好。这些技术为企业主品牌资产的积累与管理提供智力支持。

另外，深度合成技术还能够实现“画风突变”，即图像叠加融合或直接生成全新的高清图片，实现“跨次元”“跨时空”的转变。例如，抖音推出基于Landmark Assisted CycleGAN技术的“变身漫画”AI特效，能够实时动态化地将视频中的真人转化为独具艺术美感的漫画人物。

（二）语音合成

在互联网领域，语音合成（speech synthesis）技术应用较为广泛。在语音导航、有声读物、机器人、语音助手、自动新闻播报等多种场景中，发挥着优化人机交互体验的作用[11]。通过语音合成，算法能够创建出特定的声音模型，基于模型将文字转换成语音播报以及接近真人语调节奏的声音。

伴随着媒介环境中听觉感官的回归，声音合成技术也在电子商务与产品内容营销中发挥着作用，品牌趋向于创造出特殊的合成声音，与用户建立更深层次的联系，从而扩大声音商标的影响力。

（三）视频合成

除单一的图像、音频合成以外，深度合成技术还发展出多模态综合的内容形态。在视频合成领域，研究者融合使用包括语音识别、人脸识别、唇形搜索和语音合成等多种深度学习方法，实现根据需求让目标人物在视频中动态展现出口型变换、表情变更等技术效果。

摩塔时空科技旗下的原创数字人“集原美”，便是视频合成领域的产物。集原美是一个“赛博朋克风格，兼具未来感和时尚感的奇幻少女”，目前，已入驻B站、抖音、小红书、微博等多个平台，通过输出赛博风格的精致壁纸和短视频，收获超过300万的粉丝以及超过1亿次的视频播放总量。通过综合运用多种深度学习技术，集原美的肢体动作和超写实面部细节，呈现出堪比真人的动态效果。目前，集原美已经与耐克、蒙牛、喜茶等多个品牌开展合作，其买断“身价”已达1000万元人民币。在营销传播领域，虚拟偶像市场正在逐渐萌芽，在社交平台与内容平台崛起的背景下，深度合成技术将继续促进虚拟数字人向真实、自然、流畅的方向发展，助推虚拟数字人的品牌联名、品牌代言等商业化变现路径。

（四）身体合成

除以上几种合成技术之外，身体合成以及3D合成虚拟人技术，也成为当前的商业化应用热点。3D人体姿态的估计、识别与生成，是计算机视觉领域的经典命题，在深度学习技术的加持之下，最终能够实现多人、多视角识别以及解决人群聚集与物体遮挡问题。通过深度合成技术可以生成相应的数字虚拟人，通过深度模拟个体生物特征，为个人创造虚拟化身、并通过虚拟化身参与媒体中的各类社交活动，创造出超越现实的个性化体验。这种更为真实的虚拟体验，使得用户产生更强烈的代入感和化身效果，从而实现目的性的自我表达和体验[12]。

三、“深度合成”推动营销传播智能化转型升级

（一）从“说服”到“体验”：营销主体角色转换

整合营销大师唐·E·舒尔茨曾指出，品牌主与广告商需要转换思维，“从说变为听。听顾客说什么将会比设计突破性的创意更重要。回答顾客的问题，满足顾客的需求。”在移动互联网普及的当下，人人都能够享用移动智能设备带来的便利，这也就意味着消费者始终“在线”，并有能力与品牌进行价值交换或共享。消费者的怀疑与期望，将同时达到前所未有的高度，因为他们正在拥有越来越大的权力和越来越多的信息获取渠道，来质疑和判定品牌的营销动机[13]。因此，基于说服目的的单向度传统营销模式，已经不再适用于信息素养飞速成长的广大互联网用户，品牌和企业需要与用户进行更为透明和真诚的交互，进而构建更为紧密、更为积极的关联。

目前，媒介产业的价值逻辑正在被重构，“用户中心”的社会文化生态要求传播活动更贴近消费者需求、更重视用户体验10。因此，伴随着体验经济而出现的体验营销，已经成为许多先进企业的营销利器。相较于传统营销模式，体验营销遵循顾客核心原则，“在给消费者以充分的尊重、想象、愿望与自我修正空间的同时，设计营造与产品或服务相关的独特体验”[14]。而移动互联网和数字技术的进步，又推动着体验营销的使用领域从实体企业向线上品牌扩展，从而催生“数字体验”这一崭新的营销模式。深度合成技术的使用，正在帮助消费者整合包括视觉、听觉、触觉和嗅觉等在内的感官体验，从感知元素层面出发构建统一、全面的品牌关系。基于音视频合成、身体合成等多种技术形式的营销活动，使得消费者能够拥有非凡的数字体验过程，即在置身于产品使用场景的同时忘记产品。深度合成技术独有的“高度包容性”“鲜明个人性”技术特征，为用户群体带来精神层面的愉悦感受，在商业化运用过程中，深度合成技术落地的操作便利性，也为品牌产品口碑传播扫清障碍。

（二）从“个性化”到“个体化”：效果触达千人千面

尽管目前所有依赖大数据技术的精准广告、精准营销，都能够针对消费者的需求推送相关产品与信息，实现一定程度的个性化，但深度合成能够推动营销传播达成“超个人化”（hyperpersonalization）甚至是“个体化”（individualization）的效果[15]。通过社交媒体、线上线下支付系统软件、品牌会员积分产生的一系列用户信息数据被实时传输、学习，品牌方和企业主能够利用这些数据，定制专属这一消费者的广告营销方案。此刻，这位消费者能够在移动终端或线下场景看到这样一则广告：一个与自己身材特征相似、有着与自己同样穿搭风格的模特，站在自己居住地或工作场所附近，旁边的文字是特定于自身对这一品牌的认知信息，整体配色与配乐则正好契合自己当下的心情——这并非不切实际的想象，而是深度合成推动营销传播智能化发展的未来方向。上述的一部分功能已经得以实现，例如新氧运用人脸合成技术，让每一个用户都能够使用Face AI-Lab魔镜功能进行模拟整形，不同用户获得了具有个体针对性的整形建议，有效地提升了相关产品服务的宣传效果。由此，未来的营销不再需要某一消费群体“千人一面”的用户画像，因为通过深度合成技术能够产生每个个体独一无二的用户画像，广告营销投放真正实现“千人千面”，有的放矢，从而使消费者达成更高的品牌偏好与更强的购买意愿。

（三）从“有形”到“无限”：内容创意突破传统桎梏

得益于深度合成技术更加智能化、甚至能达成“无中生有”效果的图像编辑、音视频剪辑、画面合成等功能，基于深度合成所产生的内容创作空间被极大拓展，一切虚拟场景的构建都将成为可能。一方面，搭载深度合成技术的广告的艺术性与创造力，得以具体、多感官地释放，广告中现实与想象的界限被模糊，超现实主义的表现手法更为真实可观。在真实环境及时互动的基础上，深度合成技术极大丰富了媒介内容创作的表现力，跨越时空的多样化艺术形式，创造出全新的视听体验。俄罗斯Skolkovo研究所使平面画作上的蒙娜丽莎有了动态表情，就是这一方向的初步展示；另一方面，营销传播的交互部位从界面变为身体，一些融合深度合成技术的营销传播活动，采集受众身体数据产生数字虚拟实体，延伸受众的感官体验，为其提供现实中不存在的虚拟情境。在过去线上互动中被忽略的情感线索，重新被深度合成技术挖掘，更为丰富的情感信息成为创意传播的天然载体，情感的共振与价值的认同，从心理层面不断影响着消费者的认知和态度，进一步提升了广告营销活动的创意传播效果。

四、“深度合成”在营销领域的潜在风险与反思

（一）虚假意识降低品牌信任感

作为一种利益导向的传播活动，广告营销往往会对基础的产品内容进行适当加工，以创意的形式、新颖的内容来吸引消费者。在知识信息碎片化传播的时代，网民注意力资源极其稀缺。品牌营销传播也随之向精准性、创意性方向纵深发展，以求最大程度作用于消费者。作为营销中的重要手段，融合了深度合成技术的广告作品，能够凭借其独有、突破藩篱的创意艺术表现力和“一对一”个体化定制的特征，提供更为精准、体验更好的效果，但是问题也接踵而来：内容中所呈现的虚拟画面与现实情况相去甚远，可能会产生“违和”的视觉体验，进而触发用户的广告虚假意识（Awareness of Ad Falsity）。

用户的广告虚假意识，是用户对广告中非真实内容的察觉，但这并不代表引发这种意识的广告为虚假广告。国际标准认为，尽管使用了夸张、比喻等方法增强广告视觉效果，但只要对于产品或服务的介绍是准确的，这则广告就是合法广告[16]。因此，使用深度合成技术制作出来的广告并不属于虚假广告，但其超现实主义的风格，却使得用户更容易产生虚假意识。当广告片的主角在空中自由飞翔、当自己的脸出现在某个虚拟人偶身上、当黑白照片中的人物开始拥有喜怒哀乐的表情——用户会立刻意识到：这是假的。众所周知，消费者出于自我保护，对广告与营销活动中的虚假信息很敏感[17]。消费者“天然地”不信任营销，因为品牌和企业是利益既得者，消费者则反之。因此，当他们觉察到营销内容十分具有说服力，便会更加质疑其真实性[18]。正因用户追求真实的产品和体验，真实性在品牌延伸和社交媒体等领域变得尤为重要[19]。

在这种情况下，合成技术有可能造成更为严重的后果：当消费者完全不了解深度合成技术这一“技术黑箱”时，他们所察觉到的虚假信息将会逐渐成为不信任的符号，降低消费者对于品牌的信任度，从而直接威胁到企业与消费者之间的关联与价值传递。因此，在运用深度合成技术进行营销传播活动时，品牌方需要重视用户广告虚假意识问题，一方面对目前的深度合成技术进行打磨升级，生产出更为精致、自然流畅的合成交互内容，另一方面也要考虑到产品和目标受众的实际情况。

（二）数据隐私威胁公民权益

任何新技术都有两面性，深度合成技术能够为多个行业领域提供正向应用价值，但我们不能忽视它带来的危害。在认识深度合成之前，我们已经先从大量负面新闻中接触到“深度伪造”（deepfake）这个词。据英国《连线》（Wired）杂志报道，自2020年7月以来，有超过10万名女性被深度伪造技术创建虚假裸照，被严重侵害了隐私和名誉。已有许多相关研究探讨了深度合成技术对信息安全、公共安全和国家安全等领域造成的危害，例如色情报复、假冒身份、散布虚假信息、干扰选举、扰乱外交和国际秩序等。深度合成技术对用户隐私安全造成的威胁已颇受关注，而相较于其他传播活动，广告营销与消费者的天然利益对立性，使得用户的隐私关注更为敏感。

深度学习需要海量的数据，来支持训练出准确的算法模型。这就意味着，如果想要获得更为精准的合成展示效果，品牌方与企业主必须从消费者身上提取出数量庞大的多样化数据。这就不可避免地造成侵犯隐私权利。随着生物识别技术获得广泛社会应用，除了传统意义上的关系隐私和信息性隐私以外，身体隐私安全也正面临着挑战。身体隐私包括DNA和生物识别，当前生物科技与信息技术已经趋向于共生融合，而深度合成技术对于生物识别的侵犯不容忽视。为了收集真实、具体、有针对性的用户信息，某些营销活动可能会涉及人脸、声音与虹膜等一系列生物信息的获取。深度学习技术这一革新性算法，带来大片隐私侵犯“灰色地带”，促使相关平台加快制定深度合成技术的使用与惩治规则。对于内容制作方，应当明确规定深度合成技术的应用范围、权利边界、责任承担；而对于平台传播方，则需在法律法规规定的范围内，最大限度地发挥深度合成技术的正向应用价值[20]。

作者周炫艺系华中科技大学新闻与信息传播学院硕士生

作者于婷婷系华中科技大学新闻与信息传播学院副教授、博士,广告系系主任、硕士生导师

参考文献

[1]喻国明,梁爽.重构与挑战:“深度合成”的传播影响与技术反思[J].山西大学学报(哲学社会科学版),2021,44(02):70-75.

[2]Goodfellow I J,Pouget-Abadie J,Mirza M,et al.Generative Adversarial Networks[J].Advances in Neural Information Processing Systems, 2014,3:2672-2680.

[3] Marcel P.DeepFakes:a New Threat to Face Recognition? Assessment and Detection[J].2018.

[4] Kim E.Ratneshwar,and E.Thorson.2017.Why narrative ads work:An integrated process explanation.Journal of Advertising[J]46(2):283–96.

[5]徐泽楷.稀缺样本下基于深度学习的图像超分辨率方法研究[D].华中科技大学,2019.

[6]刘建伟,谢浩杰,罗雄麟.生成对抗网络在各领域应用研究进展[J].自动化学报,2020,46(12):2500-2536.

[7]贾丽军.智能营销——从4P时代到4E时代[M]北京.中国市场出版社,2017

[8]刘珊,黄升民.人工智能:营销传播“数算力”时代的到来[J].现代传播(中国传媒大学学报),2019,41(01):7-15.

[9]何冀军.用于图像生成的机器学习算法在人像合成中的研究与应用[D].中国科学技术大学,2020.DOI:10.27517/d.cnki.gzkju.2020.000059.

[10]徐婕,肖莉.一画胜千言：图像数据在营销领域的应用[J].外国经济与管理,2022,44(9):51-69.

[11]梁姗姗.五大核心力，赋能内容生产与运营[J].新闻战线,2020(08):21-23.

[12]腾讯研究院.AI生成内容发展报告2020 http://www.199it.com/archives/1049428.html

[13][美]约瑞姆·杰瑞·温德，凯瑟琳·芬迪森·海斯，广告的未来全接触点价值创造[M],中国人民大学出版社，2017

（上接第44页）

[14]郭黎岩，心理学[M]，南京大学出版社，2012,33

[15]Campbell C,Plangger K,Sands S,et al. Preparing for an era of deepfakes and AI-generated ads:A framework for understanding responses to manipulated advertising[J]. Journal of Advertising, 2021.

[16]Lars L?nnstedt.Small Scale Forest Owners’Responsibilities:Results from a Swedish Case Study[J].Small-scale Forestry, 2012,11(3).

[17]Friestad M,Wright P.Persuasion Knowledge Model: How People Cope with Persuasion Attempts|Journal of Consumer Research | Oxford Academic[J].Journal of Consumer Research, 1994, 21(1):1-31.

[18]The Defensive Consumer:Advertising Deception, Defensive Processing,and Distrust[J].Journal of Marketing Research,2007, 44(1):114-127.

[19]Beverland M B,Lindgreen A , Vink M W . Projecting Authenticity Through Advertising: Consumer Judgments of Advertisers' Claims[J].Journal of Advertising, 2008, 37(1):5-15.

[20] 王建华,苏日古嘎.智媒时代深度合成技术的实践与思考[J].中国记者,2020(10):87-92.

实习编辑 吴昕圆  审读 李 诚   审核 刁瑜文