答案是，可能還會(huì)很久。對(duì)于區(qū)別主要在于是 AI 驅(qū)動(dòng)、還是人驅(qū)動(dòng)的 AITuber 和 VTuber 而言，商業(yè)模式不變，核心問(wèn)題是，AI 到底能不能換掉中之人、多久能換掉中之人。

輿論熱炒、資本入局，但粉絲并不買賬

隨著 ChatGPT 的出現(xiàn)，業(yè)界對(duì)于 AIGC 的能力的認(rèn)知也更新了，資本和創(chuàng)業(yè)者的熱情一下子被點(diǎn)高。在 4 月 16 日，我們觀察到 Twitch 上的 AITuber-Neuro-sama 僅用五個(gè)月就快速積累了 30 萬(wàn)粉絲，她幾乎全能，打游戲，聊天，和粉絲互動(dòng)樣樣精通，尤其她和“老父親” Vedal 相愛(ài)相殺的斗嘴場(chǎng)面更是笑翻了一眾看客。

而且三月初，推出過(guò) VTuber“斗和奇跡”的日本公司 Pictoria 也成立了世界首個(gè)專注 AITuber 的事務(wù)所 AI CAST，并已經(jīng)推出了三位全新的 AITuber，開(kāi)始了公司化運(yùn)營(yíng)的嘗試。

AITuber，頗有一番顛覆 VTuber 行業(yè)的意味在。

但是在查看數(shù)據(jù)后我們發(fā)現(xiàn)，雖然 AITuber 的熱度一度被炒得很高，但是在粉絲數(shù)據(jù)上，卻呈現(xiàn)出相反的態(tài)勢(shì)，觀眾似乎對(duì) AITuber 不再買賬了。

AI CAST 現(xiàn)在已經(jīng)推出了三位 AITuber，“魔法少女艾曼”，“月夜野 Sama”和“朝日奈萊拉”，算上先前已經(jīng)推出的“紡粘”，AI CAST 旗下已經(jīng)有四位 AITuber 了。3 月 10 號(hào)，艾曼在 YouTube 首次直播，但到現(xiàn)在，三個(gè)月的時(shí)間只收獲了 527 個(gè)訂閱，除了初次直播之外，所有視頻和直播的觀看量不到 1000。而“月夜野 sama“也已經(jīng)推出兩周，直播三次，僅收獲 180 個(gè)粉絲訂閱。

之前，一炮而紅的 Neuro-sama 也出現(xiàn)了新鮮感和熱度下降的情況。她在 4 月 16 日粉絲數(shù)達(dá)到 30 萬(wàn)，但在之后的兩個(gè)月僅漲粉 5 萬(wàn)，直播和視頻觀看量等互動(dòng)數(shù)據(jù)也沒(méi)有進(jìn)一步增長(zhǎng)。盡管她在 5 月 28 日，更新了更精致的第二代 Avatar，同時(shí)也擁有了更智能的語(yǔ)言模型、可以呈現(xiàn)更豐富的表情和動(dòng)作，但數(shù)據(jù)表現(xiàn)卻不盡人意。

此外，觀看了 Neuro 的直播后，我們發(fā)現(xiàn)她并不是由 AI 單獨(dú)進(jìn)行直播，人類直接的參與是 Neuro-sama 直播的重要組成部分。Neuro 的直播內(nèi)容中，以聊天形式進(jìn)行的單獨(dú)直播只占不到一半。而真正吸引人的部分在于 Neuro 與人類的互動(dòng)。她的直播中會(huì)定期由開(kāi)發(fā)者 Vedal 或者其他 VTuber 一同出鏡，進(jìn)行聊天、玩游戲、唱歌等活動(dòng)，此時(shí)的 Neuro 就開(kāi)啟了“神評(píng)論”技能，時(shí)不時(shí)冒出的一句話讓人類哭笑不得，節(jié)目效果滿分。甚至，開(kāi)發(fā)者 Vedal 會(huì)把維護(hù)和訓(xùn)練語(yǔ)音模型的代碼開(kāi)發(fā)過(guò)程進(jìn)行直播，觀眾也會(huì)被修復(fù) Bug 時(shí) Neuro 的胡言亂語(yǔ)和 Vedal 的抓狂逗得哈哈大笑。

而根據(jù)觀看量數(shù)據(jù)，有其他 VTuber 或 Vedal 參與的直播的觀看量，明顯高于 Neuro 單獨(dú)直播時(shí)的觀看量。也就是說(shuō)，Neuro-sama 的爆紅離不開(kāi)人類的參與，用戶觀看 Neuro，一方面出于對(duì) AITuber 的新鮮感、一方面也有對(duì) Vedal“養(yǎng) AI 女兒”過(guò)程的好奇，真正的 AI 單獨(dú)直播目前的吸引力，看似是不足的。

左邊兩次是 Vedal 與 Neuro 合體直播，而右邊則是 Neuro 單獨(dú)直播 | 圖片來(lái)源：Twitch

看 AITuber 直播，依然出戲

AI 直播沒(méi)有那么受歡迎的一個(gè)主要原因是情緒表達(dá)過(guò)于單一，造成了交流的不自然，觀眾難免出戲。基于現(xiàn)在的 AI 技術(shù)，情緒表達(dá)主要的方式為，用預(yù)設(shè)表情表達(dá)情緒和基于語(yǔ)音表達(dá)情緒。在這兩個(gè)方面，AI 的表現(xiàn)是無(wú)法和人類相提并論的。

上圖是 AI CAST 的 AITuber 魔法少女艾曼的幾種預(yù)設(shè)表情，分別是開(kāi)心，生氣，臉紅。而在直播過(guò)程中，艾曼就是通過(guò)判斷觀眾聊天的情緒，然后給出這些預(yù)設(shè)的情緒反應(yīng)，豐富度不夠。

另一個(gè)例子來(lái)自 Neuro-sama，雖然她的 AI 模型現(xiàn)在來(lái)看更好一些，但是情緒表達(dá)方面仍然很不自然。以下面的畫(huà)面為例，此時(shí) Neuro 應(yīng)該是因?yàn)?Vedal 打斷了她說(shuō)話而生氣，但畫(huà)面上，卻沒(méi)法體現(xiàn)出生氣的情緒。而 Vedal 套的 VTuber 皮卻能夠通過(guò)實(shí)時(shí)的動(dòng)作和表情抓取，完全表現(xiàn)出有點(diǎn)無(wú)奈、有點(diǎn)不屑的情緒。

在情緒與表情方面，AI 目前只能做到判斷識(shí)別觀眾傳達(dá)的情緒并表達(dá)自己的情緒，但是只能使用預(yù)設(shè)的模版表情，現(xiàn)在仍然做不到 VTuber 那樣豐富的表情，這就限制了 AI 的情緒表達(dá)，沒(méi)法做到像人類一樣自然的交流。

另外一個(gè)問(wèn)題來(lái)自于 AI 合成語(yǔ)音，與真人直播差別很大。目前 AI 語(yǔ)音在情緒表達(dá)方面不足是一個(gè)普遍的觀點(diǎn)，AI 合成語(yǔ)音通常通過(guò)學(xué)習(xí)大量的語(yǔ)音數(shù)據(jù)并進(jìn)行情感標(biāo)注來(lái)生成語(yǔ)音，而與真實(shí)人聲相似的細(xì)微差別就很難進(jìn)行學(xué)習(xí)，所以 AI 合成語(yǔ)音聽(tīng)起來(lái)都缺乏真實(shí)感。同樣 AITuber 也面臨這個(gè)問(wèn)題，在語(yǔ)音、語(yǔ)調(diào)、語(yǔ)氣方面，無(wú)法達(dá)到人類的水平。聲音作為塑造角色，與觀眾互動(dòng)的主要方式，合成語(yǔ)音并不能令觀眾滿意。

Neuro-sama 算是被認(rèn)可的情緒豐富的 AITuber，但是整體語(yǔ)調(diào)依然很平，情緒的表達(dá)更多時(shí)候通過(guò)預(yù)設(shè)表情和在句末 Heart 或者 Wink 來(lái)打輔助。下面的畫(huà)面是 Neuro 出 bug 時(shí)說(shuō) heart 時(shí)的搞笑場(chǎng)面。而最近很火的 AI 視頻聊天 App Call Annie，無(wú)論受到質(zhì)疑、還是道歉，也是一個(gè)語(yǔ)調(diào)應(yīng)對(duì)所有場(chǎng)景。

在國(guó)內(nèi)，小冰近期上線的 AI 驅(qū)動(dòng)的“半藏森林”，也被各種吐槽，主要問(wèn)題也集中在語(yǔ)音回復(fù)中情感表達(dá)困難，機(jī)器感強(qiáng)。在 1 v 1 環(huán)節(jié)，都無(wú)法清楚表達(dá)情感的 AI，在直播場(chǎng)景下，弊端會(huì)被進(jìn)一步放大。再進(jìn)一步，技術(shù)問(wèn)題仍待解決。

但即便 AITuber 的市場(chǎng)反饋并不好，創(chuàng)業(yè)者和資本們還是一路小跑入局。

去觀察這些公司的業(yè)務(wù)，會(huì)發(fā)現(xiàn)，AITuber 雖然有自己現(xiàn)在比較難解決的問(wèn)題，但其本身商業(yè)模式和 VTuber 相同（直播、IP 授權(quán)、周邊銷售等等），市場(chǎng)需求已經(jīng)得到驗(yàn)證，而如果技術(shù)問(wèn)題能得到解決，也解決了 VTuber 產(chǎn)業(yè)的最大 Bug。

這些都能從 2023 年，VTuber 產(chǎn)業(yè)首個(gè)上市公司的財(cái)報(bào)中，看出端倪。

VTuber 產(chǎn)業(yè)出現(xiàn)首家上市公司，一年收入 1.4 億美金

VTuber 作為一個(gè)已經(jīng)發(fā)展了多年的產(chǎn)業(yè)，其市場(chǎng)認(rèn)可度、或商業(yè)模式，已經(jīng)得到了驗(yàn)證，在 2023 年也迎來(lái)了行業(yè)首家上市公司。

在 2023 年一季度統(tǒng)計(jì)的女主播在 Twitch 和 YouTube 的觀看時(shí)長(zhǎng)排名，前 10 中有 6 位是都是 VTuber，而這其中有五位都是來(lái)自日本 VTuber 公司 Hololive production。其母公司 COVER 也于今年 3 月 27 日在東京交易所掛牌上市， 股價(jià)從上市時(shí)的 1400 日元一路飆漲，達(dá)到了 2729 日元（7 月 13 日收盤(pán)價(jià)）。

而 5 月 12 日 Hololive 發(fā)布了 2023 財(cái)年（2022.4.1-2023.3.31）的財(cái)務(wù)報(bào)表，這也是該公司公布的第一份財(cái)務(wù)報(bào)表。

女主播在 Twitch 和 YouTube 的觀看時(shí)長(zhǎng)排名（2023 年一季度） | 圖片來(lái)源：Stream Charts

2023 財(cái)年，Hololive 營(yíng)業(yè)收入 1.4 億美元，相比去年增長(zhǎng) 49.7%，凈利潤(rùn) 1700 萬(wàn)美元，相比去年增加了 101.6%，凈利潤(rùn)率 12.14%，其他各項(xiàng)數(shù)據(jù)對(duì)比去年也都有這不錯(cuò)的增長(zhǎng)。

從收入結(jié)構(gòu)來(lái)看，Hololive 的收入主要分 4 塊，直播及內(nèi)容收入，活動(dòng)收入，產(chǎn)品銷售收入，授權(quán)及合作收入。其中，在 2023 財(cái)年直播收入僅占 31%，而且根據(jù)歷年數(shù)據(jù)這個(gè)占比有下降的趨勢(shì)。而活動(dòng)、產(chǎn)品銷售、授權(quán)合作等與 IP 有關(guān)的收入占據(jù)了更大的比例，主要增長(zhǎng)點(diǎn)也在 IP 價(jià)值。

從 Hololive 的商業(yè)模式來(lái)看，VTuber 提供的主要服務(wù)是是直播與內(nèi)容的輸出，以積累粉絲基礎(chǔ)，然而從歷年的數(shù)據(jù)可以看出，隨著 IP 逐漸成熟，直播收入的占比逐年下降，基于 IP 的收入比例提升，這也解釋了利潤(rùn)增幅高于收入增幅的現(xiàn)象。

這是 Hololive 走向成熟的標(biāo)志，更多地通過(guò) IP 價(jià)值進(jìn)行變現(xiàn)，而直播變成了維護(hù)和增加 IP 價(jià)值的手段。

但實(shí)際上，Top 10 占其 6 的 Hololive，雖然已經(jīng)是不折不扣的頭部位置，但也有自己的問(wèn)題。

繁華之下現(xiàn)問(wèn)題，本土市場(chǎng)飽和與“中之人”風(fēng)險(xiǎn)成瓶頸

在對(duì) 2024 財(cái)年的展望中營(yíng)業(yè)額和凈利潤(rùn)的預(yù)期增幅僅有 30%，遠(yuǎn)遠(yuǎn)低于本財(cái)年增幅，說(shuō)明公司對(duì)于收入的持續(xù)高增長(zhǎng)缺乏信心，其主要原因是日本 VTuber 市場(chǎng)的飽和。這種情況，從財(cái)報(bào)中的 YouTube 訂閱人數(shù)增長(zhǎng)也可以窺見(jiàn)一二，日本頻道在這一年只有少量的增長(zhǎng)，而國(guó)際頻道訂閱數(shù)增長(zhǎng)則占了絕大部分，日本市場(chǎng)的增長(zhǎng)緩慢，可能是 Hololive 調(diào)低增長(zhǎng)預(yù)期的原因。

所以，在對(duì)下一財(cái)年目標(biāo)的闡述中，國(guó)際化是 Hololive 的主要目標(biāo)，包括推出面向國(guó)際市場(chǎng)的 VTuber 并進(jìn)一步擴(kuò)展國(guó)際授權(quán)規(guī)模，繼續(xù)執(zhí)行“Holomeet”線下活動(dòng)，擴(kuò)展到更多的國(guó)家。

另外一個(gè)問(wèn)題來(lái)自“中之人”，在 Hololive 的招股書(shū)的風(fēng)險(xiǎn)提示部分也闡述了這個(gè)問(wèn)題，當(dāng)“中之人”因?yàn)樨?fù)面事件影響或個(gè)人原因，活動(dòng)頻率下降或無(wú)法繼續(xù)其活動(dòng)時(shí)，將會(huì)對(duì) IP、內(nèi)容和商品價(jià)值造成負(fù)面影響。也就是說(shuō)，雖然公司能夠通過(guò)多元業(yè)務(wù)，在營(yíng)收上減少對(duì)中之人直接活動(dòng)的依賴，但是IP價(jià)值依然需要其維護(hù)，IP 價(jià)值的降低，依然會(huì)對(duì)其他應(yīng)收造成影響。

雖然 Hololive 內(nèi)部，還沒(méi)有出現(xiàn)類似問(wèn)題。但相似的情況早有出現(xiàn)。

絆愛(ài)是世界首個(gè)達(dá)到 100 萬(wàn)和 200 萬(wàn) YouTube 訂閱的 VTuber，由于更換中之人的風(fēng)波被粉絲大量取關(guān)。雖然公司解決了問(wèn)題，但是關(guān)注度大幅下降，粉絲的增長(zhǎng)也停止了。陷入了空有 300 萬(wàn)訂閱數(shù)，但視頻播放量不足 10 萬(wàn)的窘境。不久之后便宣布無(wú)限期休眠，退出了 VTuber 市場(chǎng)。VTuber 的價(jià)值，是和“中之人”深度綁定的，而對(duì)以公司來(lái)運(yùn)營(yíng) VTuber 業(yè)務(wù)的模式來(lái)說(shuō)，這一直是一個(gè)難解之題。

AITuber 正在一波熱，但貌似依然是“正確方向”

VTuber 這些年的發(fā)展，已經(jīng)驗(yàn)證了市場(chǎng)需求，Hololive 不錯(cuò)的收入與利潤(rùn)率也證明了公司運(yùn)營(yíng)的可能性。雖然現(xiàn)在的運(yùn)營(yíng)模式，有點(diǎn)類似于 MCN，其本質(zhì)問(wèn)題，也是一樣，人的變動(dòng)性太大，而導(dǎo)致公司增長(zhǎng)依然受到限制。

VTuber 相較于傳統(tǒng)經(jīng)紀(jì)公司，如果說(shuō)往前了一步，那么 AITuber，雖然問(wèn)題依然很多，但顯然是能夠在一定程度上找到了解決核心問(wèn)題的正確方向。因此，我們可以看到 AITuber 雖然問(wèn)題多多，但資本和創(chuàng)業(yè)者們依然一路小跑入局。

以最近完成融資的硅谷的初創(chuàng)公司 Hyper 為例，主要做 2 個(gè)方向的研究。

一方面，解決 VTuber 的成本問(wèn)題，可以看出，Hyper 并沒(méi)有直接想要用 AI 一步替代中之人，這個(gè)方向還是比較接地氣的，可能也是相較于很多短期無(wú)法實(shí)際落地的項(xiàng)目，Hyper 能融資的一個(gè)重要原因。另一方面，就是去嘗試解決 AI 技術(shù)現(xiàn)有的應(yīng)用難題。

在硬件方面，VTuber 的成本是非常高的，進(jìn)行直播時(shí)需要專業(yè)的動(dòng)作捕捉套件和一臺(tái)配置很高的電腦，才能實(shí)現(xiàn) Avatar 的實(shí)時(shí)渲染和動(dòng)作呈現(xiàn)。Hyper 推出了一項(xiàng)技術(shù)，只需要一臺(tái) iPhone 和一個(gè)應(yīng)用，就可以生成一個(gè) Avatar 并進(jìn)行直播，大大降低 VTuber 的門(mén)檻。也就是說(shuō)，人人都可以做 VTuber 了。

反觀以公司化運(yùn)營(yíng) VTuber 的 Hololive，則需要在“中之人”上付出高昂的成本。Hololive 的成本主要分為，演員報(bào)酬，活動(dòng)成本、外包成本、其他成本。除了財(cái)年的第四季度舉辦大型線下活動(dòng)“Hololive Super EXPO”會(huì)額外活動(dòng)成本之外，在 2022 和 2023 財(cái)年“中之人“報(bào)酬的成本占比平均達(dá)到了 40%-50%。從歷年數(shù)據(jù)來(lái)看，當(dāng)公司的 IP 價(jià)值較低，以直播作為主要業(yè)務(wù)的時(shí)期，“中之人”報(bào)酬的成本占比更高。隨著 IP 價(jià)值的提升，更多的活動(dòng)以及其他成本開(kāi)始增長(zhǎng)，但是“中之人”報(bào)酬成本仍占據(jù)很大的比例。VTuber 公司通過(guò) IP 產(chǎn)出源源不斷的利潤(rùn)，必須靠“中之人”進(jìn)行直播維護(hù)和增長(zhǎng) IP 的價(jià)值，同時(shí)要為此付出高昂的成本。

而在 AI 方面，公司新推出的 Hyper AI，可以自動(dòng)為用戶生成 Avatar 和 AI 語(yǔ)言模型內(nèi)核。這項(xiàng)功能基于 OpenAI 的 GPT 模型，由 Hyper 進(jìn)行定制化訓(xùn)練以適應(yīng)語(yǔ)言環(huán)境。創(chuàng)始人透露，目前它已經(jīng)可以實(shí)現(xiàn)問(wèn)答和講故事的功能，未來(lái)它將可以在直播間進(jìn)行流暢互動(dòng)，成為真正的 AITuber。

鑒于還沒(méi)有辦法體驗(yàn)到的產(chǎn)品，所以也無(wú)法確認(rèn)效果，而針對(duì)于現(xiàn)在比較明顯的表情生意、合成語(yǔ)音等問(wèn)題，Hyper 也沒(méi)有特別提出。

但 Hyper 針對(duì)于虛擬直播產(chǎn)業(yè)專門(mén)去訓(xùn)練垂類模型，總算是往前前進(jìn)了一步，未來(lái)能讓不論是個(gè)人、還是公司，都有更多嘗試的可能性。而 AI 作為“中之人”，起碼在成本方面，確實(shí)能夠省下不少錢(qián)。根據(jù)現(xiàn)在所掌握的情況來(lái)看，訓(xùn)練 AI 模型的成本是顯著低于“中之人“的報(bào)酬成本。以 Vedal 的案例來(lái)看，雖然無(wú)法知道具體數(shù)字，但是開(kāi)發(fā) Neuro-sama 的成本是他個(gè)人可以負(fù)擔(dān)的。