文｜IT時報記者 沈毅斌

編輯｜錢立富 孫妍

“Let's be happy and that's it，don't overthink, overthinking is pointless, it's part of being human.”郭德綱面對鏡頭，用流暢的英文回答采訪問題，從音色到口型、動作都看不出瑕疵。這就是自AI孫燕姿后，AIGC帶來的“新玩法”。

近日，郭德綱英文說相聲、泰勒中文采訪、馬保國日語配音等大量AI制作的明星語言翻譯視頻在抖音、B站等平臺爆火。與之前AI孫燕姿不同的是，這次使用的是公開視頻，不僅做到了聲音克隆，連口型、字幕、動作的配合都達到一致。

在很多人對這一“新玩法”興致盎然的同時，一些播音行業從業者卻感受到危機。“雖然不至于很快被取代，但隨著AI語音技術的發展，類似AI讀書這樣的工作可能就不需要真人了。”播音從業者小堯（化名）表示。

01 “我們可能被取代”

如今，AI語音技術已經在各大App上廣泛使用，除了喜馬拉雅、蜻蜓FM等之外，很多讀書軟件也都具備聽書功能。

《IT時報》記者打開微信讀書App，大部分書籍已具備聽書功能，用戶可以選擇AI男聲、AI女聲、AI中年男聲等多種音色。若聽一些歷史類、經濟類等不需要太多感情色彩的書籍，AI聲音和真人聲音聽起來基本沒有差別。

這也是小堯最擔憂的地方。他告訴記者，除了日常體育解說工作外，自己平時還會接一些兼職，例如廣告配音、有聲書平臺讀書等。如在廣告配音中，經驗豐富的播音員每個字能拿到0.5~1元的報酬，而新人播音員每個字只能拿到0.1元，小堯錄一分鐘200字的廣告能拿到50元左右。

有聲自媒體平臺則按照小時計算報酬，新人播音員每小時能拿到80元左右，資深播音員或與平臺達成合作的播音員，每小時可以拿到200元左右報酬。此外，平臺還會根據播音員節目的收聽率、訂閱量、推廣度等進行獎勵。

針對AI郭德綱背后運用的HeyGen工具，UP主“賽博法師”接受媒體采訪時透露，HeyGen分為年付和月付，月付最低29美元，折合人民幣200元左右，其中包含15分鐘生成時間，生成時間越長，價格越高。另一家制作AI換聲的公司的客服人員介紹，AI換聲視頻價格為每秒3元，最少30秒。若以30秒說60個字來計算，那么一個字的價格需要1.5元。

對比之下，同樣的價格人力能配音更長時間，成本也相對較低。但小堯認為，“當AI技術成本比人力成本低時，我們很可能被取代，尤其對于新人播音員。”

蜻蜓FM相關負責人接受媒體采訪時也表示，AI語音是整個行業都須順應的技術潮流，大規模應用只是時間問題。目前，業內在開發更加成熟的AI語音技術，配合其深度學習能力，加入情緒、語氣、音色等參數，更加細膩的聲音表現將會帶到演播中。

因此，解說工作成為小堯今后重點發展方向。相比配音、讀書等照著稿子讀的播音工作，解說需要根據現場情況及時做出反應。尤其是在體育解說中，賽場形勢瞬息萬變，解說員不僅要有獨家風格體現專業性，還需要調動觀眾的情緒。“這樣以情緒情感為主的播音工作是AI永遠無法取代的。”小堯說道。

“AI語音一直是我們的反面教材，我也不鼓勵學生去使用。”上海體育大學體育解說講師李人杰表示，在任何行業，AI都可能替代簡單重復的工作。在他看來，播音工作是播音員通過理解將文字稿以聲音形式呈現給聽眾，對每個字的重音、情感等細節處理就是二次創造的過程。因此，想要不被取代，就需要在配音或讀書工作中注入解說員更多的情感，體現出創造性和藝術性。

02 能檢測出70%“AI郭德綱”

除了聲音克隆外，讓網友們最為震驚的還是視頻中郭德綱說英語時，口型與字幕的完美契合。

“這是口型驅動AI合成技術，屬于AI合成技術下的一條分支，底層邏輯是一樣的。”北京瑞萊智慧科技有限公司高級產品經理張天奕告訴《IT時報》記者，口型驅動AI技術一般會用到兩種方案，一種方案相對傳統，即AI尋找語句發音中的元音字母，將口型與元音發音進行映射，最終接起來實現平滑轉換；另一種則是從深度學習角度出發，AI會通過對語音和文本來計算出各個音節所對應口型特征的關鍵點，生成每一幀的圖像后再合成視頻。

其實，口型驅動技術并不是今年的“新品”，許多外國影片引入國內時，會讓角色對應中文口型。如2015年上映的《功夫熊貓》，主創團隊就透露，影片按照中文臺詞為每個角色都制作了相應的口型。2019年，國外多個研究團隊還推出了一套算法，能捕捉人物講話時嘴部動作，并生成新視頻。

隨著AI技術越來越成熟，合成視頻越來越難辨真假，“對抗AI”的檢測工具就變得十分重要。張天奕介紹，從此前的AI換臉來看，瑞萊Deep Real檢測平臺在檢測過程中主要是對比臉部五官、發型、背景等較為直觀的特征，其中對戴眼鏡替換成不戴眼鏡的人臉檢測較為明顯。而對于口型驅動AI技術，注重的是牙齒、嘴唇運動等局部檢測，更多細節也意味著檢測面臨新挑戰。

“我們測試了一下，目前瑞萊Deep Real檢測平臺對口型驅動AI的檢測成功率大概在70%。”張天奕表示，想要攻破最后的30%還需要通過大量樣本測試，針對性地去尋找“AI郭德綱”獨特的軌道特征。

03 全球需要共治AI

11月7日，《IT時報》記者登入HeyGen時發現，網頁已經打不開了。據其他使用者介紹，免費試用的用戶可以上傳一段不超過1GB大小的視頻，但上傳視頻時已有3萬多人在排隊，想要跳過排隊就只能付費。

上海大邦律師事務所高級合伙人、知識產權律師游云庭曾發文表示，Heygen提供的是面向用戶的一對一視頻翻譯轉換服務，網站并不會向公眾發布轉換后的內容，所以Heygen的知識產權侵權風險較小。但用戶用Heygen將他人的講話視頻生成了翻譯后的內容發布到網上，就需要獲得授權。比如某人上傳了郭德綱的相聲視頻，就需要取得郭德綱的肖像權、聲音權的授權，相聲視頻的錄像制作者權和相聲文字內容版權授權，缺少任何一個都可能涉嫌侵權。

不只是侵權風險，生成式人工智能的快速發展也讓人們產生“危機感”。11月1日，在英國召開的全球首屆人工智能安全峰會更是體現出世界各國對AI治理的重視。在峰會上，全球28個國家和歐盟一致認為，AI對人類構成潛在的災難性風險，并發布全球第一份針對人工智能新興技術的國際性聲明《布萊切利宣言》，旨在關注對未來強大人工智能模型構成人類生存威脅的擔憂，以及對人工智能當前增強有害或偏見信息的擔憂。

馬斯克在這次峰會上表示：“人工智能很可能成為一股向善的力量，但它變壞的可能性并不是零。”

中國科技部副部長吳朝暉表示，發展人工智能應當積極倡導以人為本，加強技術風險管控，在相互尊重、平等互利的原則基礎上，鼓勵各方協同共治。

排版／ 季嘉穎