NVIDIA 開放 Omniverse ACE 體驗：用雲端 AI 打造數字人

給虛擬人注入靈魂，以前是個極其繁瑣的力氣活。你要先建模、綁骨骼，再找動捕演員錄動作，最後還得專門找配音演員對口型。

NVIDIA 想把這一整套流程搬到雲端，用幾個微服務徹底打包解決。NVIDIA 正式開放了 Omniverse Avatar Cloud Engine（簡稱 ACE）的早期訪問通道。

這套工具在 9 月首次公佈，當時只對少數合作伙伴開放。現在，NVIDIA 開始向更多開發者提供測試許可權，目的是讓大家能直接在雲端批次生成和驅動可互動的智慧數字人。

只要一段音訊，臉自己就動起來了

Omniverse ACE 本質上是一套雲原生 AI 微服務組合。它的核心邏輯很簡單：開發者不管用什麼引擎捏臉，背後的語音、動作和表情都由 NVIDIA 的 AI 在雲端即時算好。

這次開放的微服務裡，最引人關注的是 3D 動畫服務 Audio2Face。開發者只要上傳一段普通音訊檔案，它就能直接生成逼真的面部表情動畫，並且能無縫接入虛幻引擎等主流渲染工具。

對於做 2D 形象的開發者，ACE 提供了 Live Portrait 微服務。它可以通過一段即時影片流，直接驅動 2D 肖像或風格化的卡通人臉，連眨眼和微表情都能同步。

聲音方面則由 NVIDIA Riva TTS 負責。它能直接把純文本轉成自然人聲，不需要開發者額外標註語音的節奏或語調模式。

整套微服務構建在 NVIDIA Unified Compute Framework（UCF）之上，屬於即插即用架構。做出來的數字人不僅能跑在 PC 上，還能直接部署到公有云或私有云，輸出到平板、VR 頭顯甚至是快餐店的點餐大屏上。

從遊戲跨平臺捏臉到虛擬主播

目前已經有行業團隊在深度測試這套工作流。跨遊戲虛擬形象平臺 Ready Player Me 的聯合創始人兼 CEO Timmu Tõke 表示，他們花了七年時間做虛擬人系統，現在藉助 ACE，團隊可以更輕鬆地讓這些跨平臺形象擁有生動的互動表現。

Epic Games 的 MetaHuman 也在適配範圍內。原本 MetaHuman 雖然建模精細，但驅動高擬真數字人需要很高的即時算力和製作成本，接入 ACE 後，開發者的交互制作門檻大幅降低。

另一個典型的應用場景是 VTuber（虛擬主播）。以往虛擬主播大多停留在簡單的 2D 動捕，現在創作者可以藉助雲端渲染和 ACE 服務，直接把靜態照片或 2D 形象升級成能在雲端驅動的 3D 角色，本地甚至不需要配置高規格的專業工作站。

為什麼重要

對於很多中小開發者、遊戲工作室和商業品牌來說，做智慧數字人一直卡在兩道坎上：要麼做得逼真但成本高得嚇人，要麼做成粗糙的低幼模型根本沒法商用。我們認為，Omniverse ACE 最聰明的地方在於它沒有重新去發明一個虛擬人編輯器，而是直接做背後的驅動底座。

不管你習慣在虛幻引擎裡做寫實 MetaHuman，還是在 Ready Player Me 裡做卡通角色，輸入端只管接美術資源，AI 驅動的語音和表情全丟給 NVIDIA 雲端跑。這意味著即使是一個三五人的獨立團隊，也能在點餐機、車載系統或客服網頁裡塞進一個反應靈敏的 3D 助手。

但這種模式的隱患也很明顯。所有表情生成和語音合成都在雲端即時跑，極度依賴穩定的網路連線和高併發算力。一旦把虛擬客服部署在成千上萬個離線或弱網終端上，雲端微服務的延遲和頻寬成本可能會迅速吃掉前期的便利。

從行業競爭來看，NVIDIA 顯然不滿足於只賣算力卡，它正在把底層的 AI 模型和圖形工具包裝成標準的雲服務基礎設施。當虛幻引擎、遊戲開發商和虛擬主播平臺都習慣了用 NVIDIA 的微服務驅動面部和語音，NVIDIA 在下一代元宇宙和人機互動入口上的話語權就徹底鎖死了。