智能语音技术下播音主持的探索与思考——以微软AI配音为例.pdfVIP

·新实践·

智能语音技术下播音主持的探索与思考

——以微软AI配音为例

◎◎韩志浦

人工智能是当下科技发展的热门领域，智人说话时的喘气声，十分逼真，配音效果几乎

能语音技术在人工智能领域中也占据着重要地与真人无异。当然在情感的把控、声音细节的

位，随着人工智能技术的不断发展，智能语音处理上，AI语音合成技术尚且不能达到真人的

技术也日趋成熟。微软公司AI（人工智能）语水准，尤其对于情感变化比较大、需要夸张艺

音合成技术是目前市面上应用很广泛、十分接术化处理的声音表达时，人工智能合成的语音

近人声的AI配音，不仅可以自由选择语速、音缺陷明显。

调、音色，甚至可以按照不同的情感朗读播报，

几乎与真人配音无异。因此，对于以声音为主二、智能语音技术的优势与不足

的播音主持专业来说，无疑带来了巨大的机遇

与挑战。（一）配音效率高，制作成本低

传统配音一直存在很多弊端，比如配音效

一、智能语音技术的发展现状率低、配音费用高、容易口误出错、录制声音

环境要求高等。但是，利用AI语音合成技术，

智能语音技术并不是近几年才诞生的，其便可以很轻松地解决以上问题。例如使用微软

实它早已出现在我们的生活中，只是起初的人AI配音，只需要把想要配的文字输入文本框中，

工智能配音大多出现在机场车站的客运信息播然后还可以自由调节想要的音色、语速、音调、

报、驾驶证科目考试语音播报、餐厅或医院的说话风格等，之后直接点击导出即可，配音效

排号播报等场景，且语气较为刻板僵硬、缺乏率极高。AI语音合成技术合成的声音，只要文

情感，与人声差别较大。2017年，国务院发布本设置没有问题，便不会出现错字、漏字、加

《新一代人工智能发展规划》，显现出国家对字等问题。智能语音技术合成的配音相比于真

人工智能技术发展的重视。人工智能技术的不人配音，价格成本优势十分明显。在2020年，

断进步，也带来了AI语音合成技术的迅猛发展，全球首位3D版AI合成主播亮相新华社演播室，

在大数据算法的精密计算下，AI语音合成技术不仅能随时变换发型、更改服装，而且能穿梭

合成的声音越来越接近人声。直至今天，以微于演播室的不同虚拟场景中，和前一代AI合成

软AI配音为代表的AI语音合成技术已经广泛主播相比，它实现了从单一景深机位到多机位

应用于人们的生活中。例如许多短视频的配音多景深、从微笑播报到多样化精微表情播报等

解说，皆由AI语音合成技术完成。尤其是当下进步，播报形态可通过不同角度全方位呈现，

最热门的微软AI配音中云希的声音，更是火遍立体感和层次感明显增强。只需要在机器上输

全网。它的声音不仅音色干净，而且可以自由入相应文本内容，AI合成主播就能播报新闻，

调控语速、音调、情绪，甚至说话时具备正常并根据语义生成相对应的面部表情和肢体语言，

80文学艺术周刊

·新实践·

能够不知疲倦地工作24小时，只要将文本输入出情感指令的情况下，被动地做出情感态度，

系统，它们就能随时工作，并且一直工作下去。机器并不能自由根据情景语境表达出正确且富

有感染力的情感色彩。有声语言表达也并不是

（二）配音种类丰富，满足各种需求简单的见字发声，是需要提前做大量备稿工作，

配音员的年龄、性别、音色等的不同，导利用语言表达技巧结合当下语境、环境，并结

致每位配音员能配音的类型相对比较局限，加上合真情实感，由情感带动声音的表达，