虚拟人 :虚拟人设计探索

。性能优化

功能跑通后，仿真虚拟人，虚拟人技术及应用，我们针对性能不足的地方进行了进一步研究和优化

。影响性能的因素可归为两类-资源体积设计和实现逻辑。资源体积优化

模型体积优化：除了做好前面所说的减少面数，模型所带的Blendshape信息也会占用资源体积，所以需要删去不必要的Blendshape

。引擎资源包体积优化：GLB导入引擎可能会解方案析出多余的文件，可以在仔细检查后删除多余文件

。配件模型体积优化：配件模型数量多，整体体积很大，需要单独打包出来，使用时再教程调用

。贴图体积优化：选择合适的分辨率，全身贴图可选择1024分辨率，睫毛贴图则用设256分辨率即可，打包前外国给图片压缩一下

。实现逻辑优化

组合算法的实现方式：最初在模型阶段，虚拟现实设计，眉毛拟人、睫毛等都是用子模型的方式构建，表情捕捉绑定后，这些子模型都可以与表情联动，但在捏脸功能上，想要替换眉形、眉毛样式，子模型就教程无法跟随表情联动

。需要将眉毛雕刻成不同的眉形，存成Blendshape，在眉毛这种形态较为概括的模型上是可行的，但睫毛形态比较细节，通过雕刻变形不太可行，我们想到在足够大的眼周片状模型上贴图来实现，通过引擎测试后，证明这个方法是可行的。联动的实现方式：在捏脸功能上我们设计了眼睛大小、眼睛角度、眼睛位置的变形参数，虚拟人制作，睫毛模型需要与眼睛变化同步，当眼睛调整时，可以同时呈现眼睛和睫毛两个Blendshape对应外国参数的效果

。与研发同学寻找新思路：引擎中的效果实现还要结合脚本编写

，我们和研发同学一起研究了眼球跟随和固定头部/AR效果切换的制作方法，在此暂不展开，感兴趣的同学可以私信留言哦～建立性能标准

参与B端产品的角色众多，架构师、商务、产品、研发以及客户公司等每个角色视角和标准不一，所以需要建立一个大家都制作方认可的结果作为标准，来引导优化的方向

。目前，素材的灵敏度是我们比较关注的问题设，对比市场上对标的虚拟形象，我们使用量表测试问卷进行灵敏度度评估。灵敏度评估量表

Demo设计

为了让客户更直观地了解我们虚拟形象的能力和未来接入后的效果，我们将能力集成拟人为客户可以体验的Demo，通过人物Demo可体验自定义捏脸、全身形象、拍照生成和语音驱动4个主要能力，并将4个能力设计为独立入口，帮助客户能充分了解每个功能

。Demo效果

设计沉淀 设计规范与著名模型客户接入文档建模

探路的工作进行到一定阶段，我们百科将整个虚拟形象的制作流程和注意事项整理成规范文档，方便更多的同学参与进来，也作为我们的客户未来使用自己的虚拟形象接入时的指引

。设计规范沉淀

标准化拓客材料

为更直观地表设计达技术能力，我们参与了虚拟形象产品对内培训、对外宣讲和PR的材料设计，帮助业务拓客，标准化表达了实时面部驱动、面部捕捉点位、虚拟形象应用场景等

。写在最后

我们在虚拟人的设计探索中遇到了很多未知的挑战，设计师需要快速探索学习和敢于尝试，需要学会“脸皮厚点”，虚拟人算法，抓住大神多多讨教

。面对技术卡点，要对齐短期教程目标著名，有所取舍，保证项目推进。未来我们将继续优化素材性能，拓展更多应用场景，希望大家多多支持～关注

我们👇一起成长