劉 錚

(沈陽(yáng)音樂(lè)學(xué)院 戲劇影視學(xué)院,遼寧 沈陽(yáng) 110818)

人工智能配音是指以大數(shù)據(jù)處理與學(xué)習(xí)、虛擬合成與化身、人機(jī)交互等人工智能技術(shù)為動(dòng)力,負(fù)責(zé)廣播、電視、電子出版物和互聯(lián)網(wǎng)上的同步和廣播任務(wù)的智能媒體產(chǎn)品?！叭斯ぶ悄芡健钡母拍顚?shí)際上包括不同歷史時(shí)期的不同形式,這不僅符合當(dāng)前智能媒體的基本特征,也反映了最新的“綜合”特征。人工智能同步的概念起源于英國(guó),最早應(yīng)用于中國(guó)、韓國(guó)、日本、美國(guó)等國(guó)家。自2018年以來(lái),人工智能配音在全球同步加速了研發(fā)和推廣。人工智能同步的現(xiàn)階段以人工智能合成語(yǔ)音為代表,但與高級(jí)人工智能的目標(biāo)仍有不小差距。本文從人工智能配音發(fā)展現(xiàn)狀的梳理出發(fā),闡述了人工智能配音的實(shí)際應(yīng)用場(chǎng)景,對(duì)比人工智能配音相比傳統(tǒng)真人配音的優(yōu)劣,分析人工智能配音對(duì)影視配音行業(yè)的影響,重點(diǎn)落腳在于人工智能配音時(shí)代配音人員應(yīng)如何保持自身獨(dú)特優(yōu)勢(shì)。

一、人工智能配音概述

(一)人工智能的起源與進(jìn)步

現(xiàn)代科學(xué)技術(shù)發(fā)展催生出了人工智能,人工智能從上世紀(jì)5、60年代就已經(jīng)存在了,而且隨著科學(xué)技術(shù)的不斷進(jìn)步,人工智能技術(shù)得到越來(lái)越多的完善,將在當(dāng)今和未來(lái)人類社會(huì)的發(fā)展中發(fā)揮不可估量的作用。人工智能對(duì)未來(lái)的改變,是對(duì)我們一點(diǎn)一滴形成知識(shí)過(guò)程本身的自動(dòng)化,是讓我們用這個(gè)機(jī)器取代人力過(guò)程本身的自動(dòng)化。AI革命,我們可以稱之為機(jī)器學(xué)習(xí)和發(fā)現(xiàn)的過(guò)程,打破了人類大腦的專利。

(二)人工智能配音的發(fā)展現(xiàn)狀

人工智能配音最早可以查到的資料是到虛擬主持人時(shí)代,其應(yīng)用最初旨在取代人類播報(bào)的部分工作。虛擬主持人在英國(guó)最早起源,20世紀(jì)初在中國(guó)、日本、美國(guó)和其他國(guó)家處于領(lǐng)先地位。世界上第一個(gè)虛擬演講者是“Ananova”,2000年由媒體公司英國(guó)新聞協(xié)會(huì)在互聯(lián)網(wǎng)上首次推出。繼Ananova之后,中、美、日、韓等國(guó)家相繼推出了虛擬主持人,之后世界各地的主要媒體紛紛效仿。

2018年,《創(chuàng)新中國(guó)》上映,這是世界上第一部完全由人工智能重新進(jìn)行配音同步的紀(jì)錄片,播出后立即引發(fā)了熱烈反響。CCTV和科大訊飛對(duì)已故的配音大師李易的聲音進(jìn)行了采樣和分析,通過(guò)人工智能大數(shù)據(jù)學(xué)習(xí)恢復(fù)了李易的聲音,并在整個(gè)紀(jì)錄片中同步使用人工智能配音,成為智能配音的一個(gè)重要里程碑。最近的幾年來(lái),隨著抖音、快手、Bilibili等自媒體平臺(tái)發(fā)展的迅速性,越來(lái)越多的人們把人工智能用來(lái)為自己的視頻創(chuàng)作去配音。比如說(shuō),在軟件中輸入一段文字,人工智能會(huì)自動(dòng)生成聲音,制作者可以選擇不同種類的聲音,比如蠟筆小新、說(shuō)唱、甜美等等,甚至還有方言配音,如四川方言、東北方言、山西方言等等。人工智能的配音在人們的日常生活中越來(lái)越普遍,并正在成為創(chuàng)造者的強(qiáng)大工具。

二、人工智能配音的實(shí)際應(yīng)用

(一)實(shí)際應(yīng)用場(chǎng)景

在2018年和2020年,搜狗公司推出了兩款不同型號(hào)的“人工智能合成主播”,代號(hào)為“新小浩”和“新小微”。人工智能主播“新小浩”以二維虛擬圖像面對(duì)觀眾,其播放狀態(tài)幾乎與原型新華社主播邱昊相同。2020年5月發(fā)布的人工智能主播“新小微”的首個(gè)3D版本以新的三維動(dòng)態(tài)圖像的形式出現(xiàn)。與上一代“新小浩”相比,改進(jìn)之處在于從2D到3D、從平面到空間的轉(zhuǎn)換。最新版本的“人工智能合成主播”彌補(bǔ)了人類皮膚、身體運(yùn)動(dòng)和輔助習(xí)慣的缺陷。通過(guò)深度學(xué)習(xí)功能,人工智能合成的主持人能夠理解語(yǔ)義,實(shí)現(xiàn)有聲語(yǔ)言與副語(yǔ)言的深度結(jié)合。然而,當(dāng)筆者查看所有人工智能合成主播模型時(shí)發(fā)現(xiàn)了人工智能配音一個(gè)最大的缺陷:所有人工智能合成主播的發(fā)聲都是電子音!可見(jiàn),人工智能主播完全模擬人聲還有很長(zhǎng)的路要走。無(wú)論是上一代“新小浩”還是最新版本的“新小微”,都會(huì)出現(xiàn)觀眾感覺(jué)電子音過(guò)強(qiáng)的問(wèn)題,無(wú)形中與觀眾產(chǎn)生了隔閡。因此,新聞廣播中存在著“人機(jī)合作”的格局。方法是對(duì)新聞條目進(jìn)行分類。應(yīng)該反映“人文關(guān)懷”和“親切感”的新聞信息被傳送給人類主播播出,而將更為嚴(yán)謹(jǐn)?shù)男侣勣D(zhuǎn)移給“人工智能合成主播”進(jìn)行播送。另外,一些高重復(fù)和低情感的廣播任務(wù)可以應(yīng)用人工智能配音。人工智能技術(shù)的應(yīng)用可以方便地進(jìn)行語(yǔ)音播送,主要用于數(shù)據(jù)量大、形式相對(duì)簡(jiǎn)單的文本信息,例如財(cái)經(jīng)新聞、天氣預(yù)報(bào)、讀報(bào)等。這些廣播不需要太多的技術(shù)要求,只要吐字清楚、內(nèi)容正確即可。而且,人工智能技術(shù)的使用將比手動(dòng)傳輸更加準(zhǔn)確,同時(shí)在廣播過(guò)程中不會(huì)受到太多緊急情況的干擾,這可以防止廣播過(guò)程中出現(xiàn)錯(cuò)誤。顯然,在轉(zhuǎn)換基本文本信息方面,人工智能配音方便解放人們的工作時(shí)間。

在2016年,一些新聞客戶端率先使用智能語(yǔ)音播報(bào)來(lái)提高工作效率,只需輕觸旁邊的按鈕,即可收聽(tīng)詳細(xì)新聞。這樣的媒體客戶端可以幫助用戶更輕松地播放相關(guān)新聞內(nèi)容,既方便用戶使用又提高整體工作效率。用戶可以使用這項(xiàng)新技術(shù)在盡可能短的時(shí)間內(nèi)就獲得他們最想要的新聞。在過(guò)去,用戶被動(dòng)地接收新聞節(jié)目,但隨著當(dāng)前人工智能配音的普及,用戶接收信息的方式也變成了一種主動(dòng)的狀態(tài),可以選擇性地收聽(tīng)新媒體信息內(nèi)容。人工智能新媒體在整個(gè)信息接收過(guò)程中很好地解決了成本高、效率低的缺點(diǎn)這些問(wèn)題,為人工智能在廣播領(lǐng)域發(fā)揮作用奠定了基礎(chǔ)。所以,人工智能在新聞廣播中的應(yīng)用不僅可以提高工作效率,而且可以最大限度地降低人工成本。

人工智能還可以盡最大可能恢復(fù)已逝去的經(jīng)典之聲。除了降低工程成本和提高工作效率外,人工智能同步產(chǎn)業(yè)還可以恢復(fù)已逝的高質(zhì)量聲音。2018年初,李易深厚低沉的聲音被中央電視臺(tái)和科大訊飛的人工智能配音技術(shù)給還原了。在紀(jì)錄片《創(chuàng)新中國(guó)》中,央視團(tuán)隊(duì)和科大訊飛團(tuán)隊(duì)就是運(yùn)用了人工智能配音技術(shù),將經(jīng)典之聲再次呈現(xiàn)觀眾面前。使用這項(xiàng)技術(shù)可以最大限度地降低復(fù)制成本,節(jié)省配音的周期。同時(shí),相應(yīng)的公司也可以基于該技術(shù)設(shè)計(jì)其獨(dú)特的品牌需求。從這一現(xiàn)象可以看出,人工智能在播音主持中的應(yīng)用在不久的將來(lái)將取代一些低端的配音工作。

(二)人工智能配音相比傳統(tǒng)真人配音的優(yōu)劣

1.人工智能配音的優(yōu)勢(shì)。與傳統(tǒng)的真人配音相比,人工智能配音的優(yōu)勢(shì)在于工作十分高效、執(zhí)行能力強(qiáng)大、風(fēng)格豐富多彩。一般來(lái)說(shuō),不同的配音員由于經(jīng)驗(yàn)、知識(shí)和身體狀況的不同,需要不同的準(zhǔn)備時(shí)間,因此稿件的準(zhǔn)備時(shí)間會(huì)有很大差異。與人工智能分類和提取重要信息的速度相比,人類的準(zhǔn)備工作無(wú)疑效率低下。例如,欄目《看東方》中的人工智能可以根據(jù)氣象數(shù)據(jù)分析和預(yù)測(cè)天氣狀況,并進(jìn)行實(shí)時(shí)天氣評(píng)估。但是要做到這一點(diǎn),人類主播不僅需要專業(yè)知識(shí),還需要長(zhǎng)時(shí)間的編輯和準(zhǔn)備。根據(jù)個(gè)人特點(diǎn)和多年的配音經(jīng)驗(yàn),配音員往往在工作中形成自己獨(dú)特的風(fēng)格。一方面,這種風(fēng)格可以突出配音者的特點(diǎn),提升其標(biāo)志性和綜合性的競(jìng)爭(zhēng)地位;另一方面,由于相對(duì)固定的語(yǔ)言風(fēng)格,它也會(huì)使配音者陷入某種局限,給觀眾一種單一風(fēng)格的感覺(jué)。技術(shù)的發(fā)展使人工智能能夠收集來(lái)自不同配音風(fēng)格的語(yǔ)音素材并進(jìn)行相應(yīng)的整合。

2.人工智能配音的劣勢(shì)。人工智能的本質(zhì)是向人類學(xué)習(xí)的機(jī)器,它并不具有主觀創(chuàng)造性,因此不能發(fā)展出自己獨(dú)特的特性,這點(diǎn)必須由人類賦予。人工智能是基于一行行代碼的,始終不能和人類的真情實(shí)感相對(duì)比,在人工智能配音中缺少了人類的感性,而更多的是理性,并且由于人工智能操作的流水線化,生產(chǎn)出來(lái)的聲音也變得像流水線產(chǎn)品一樣,沒(méi)有自己的獨(dú)特之處。人工智能也缺乏同步情感交流和互動(dòng),而在廣播者和主持人作為傳播主體的信息傳播過(guò)程中,信息事實(shí)是基礎(chǔ),情感、情緒和態(tài)度是核心。

(三)人工智能配音是否會(huì)取代真人配音

人工智能技術(shù)雖然以其高效率和低成本的優(yōu)勢(shì)得到了普及,但在某種程度上完全取代同步工作的想法還是不切實(shí)際,因?yàn)楸M管人工智能可以模仿人類的聲音,但它的聲音線條過(guò)于理性,沒(méi)有自己的情感色彩,人工智能配音并不能完全取代真人配音。雖然人工智能的效率非常高,但在配音行業(yè)中它只能替代人類的聲音,不能替代個(gè)人的感情色彩。雖然人工智能在各個(gè)方面都表現(xiàn)出“智”的特征,但它卻不“能”,人工智能只依賴機(jī)器后面的一行行代碼,并不是人類的思想和情感。所以,在當(dāng)前的配音領(lǐng)域不要同人工智能的優(yōu)勢(shì)方面去競(jìng)爭(zhēng),而要充分利用我們?nèi)祟愄赜械膬?yōu)勢(shì)。配音工作者要充分融入自己的思想和感情開(kāi)展相應(yīng)的工作,使受眾能感受到來(lái)自聲音的人文關(guān)懷。在當(dāng)今人工智能迅速普及的時(shí)候,做一個(gè)熱情而深情的配音演員難得可貴。在相關(guān)的配音工作中,配音工作者必須推敲整篇稿件的細(xì)節(jié),進(jìn)行從內(nèi)容到情感演繹,讓聽(tīng)眾感受到溫暖的感官體驗(yàn),這是當(dāng)前配音工作者需要培養(yǎng)的核心素養(yǎng)和競(jìng)爭(zhēng)力。

三、人工智能配音時(shí)代配音人員如何保持自身獨(dú)特優(yōu)勢(shì)

(一)感情真切,形成共鳴

人工智能并沒(méi)有作為人類的生理活動(dòng)和情感,雖然它可以在很大程度上避免主觀錯(cuò)誤,但它無(wú)法與觀眾建立情感交流。由于人工智能配音的工作是由硬件條件和軟件代碼支持的,目前人工智能配音硬件的設(shè)計(jì)和代碼編寫(xiě)還沒(méi)有達(dá)到能夠體驗(yàn)和表達(dá)人類情感的水平,所以傳統(tǒng)人聲配音不僅是文字的傳遞,而且還是我們?nèi)祟愄赜械恼鎸?shí)情感流露。在2008年汶川地震發(fā)生時(shí),全國(guó)上下眾志成城抗震救災(zāi),中央電視臺(tái)在24小時(shí)直播中,主播趙普在播報(bào)地震遇難人數(shù)以及現(xiàn)場(chǎng)狀況時(shí),難以控制自我情緒哽咽了;云南旱災(zāi),當(dāng)畫(huà)面定格在一個(gè)5歲的小女孩那渴盼的眼睛時(shí),趙普又哽咽了,這無(wú)不令觀眾動(dòng)容。這就是人工智能所無(wú)法理解的情感,人工智能配音在一行行代碼之下,只會(huì)通過(guò)理性分析對(duì)人類輸入的數(shù)據(jù)進(jìn)行處理,從而形成人類想要其發(fā)出的聲音,并不具有主觀創(chuàng)造性和自我的情感,無(wú)法理解除事實(shí)之外的豐沛情感。作為配音者,應(yīng)該發(fā)揮我們特有的情感體驗(yàn),在稿件中融入個(gè)人的思想感情,并不是成為單純的播報(bào)機(jī)器,配音員的工作才能在未來(lái)發(fā)揮不可替代性。

(二)表達(dá)自然,注重細(xì)節(jié)

人工智能配音主要基于對(duì)優(yōu)秀視頻和語(yǔ)音材料的整理和分析,因此更依賴于真人的聲音,自主創(chuàng)新能力較弱,生成的同步產(chǎn)品相對(duì)僵化,表現(xiàn)能力較弱,目前并沒(méi)有得到公眾的普遍認(rèn)可和喜愛(ài)。配音員的優(yōu)勢(shì)在于創(chuàng)新和豐富的配音形式:他們會(huì)變換自己的配音風(fēng)格,以適應(yīng)不同場(chǎng)景的同步,用情感與觀眾交流,而不是局限于一種表達(dá)方式。配音員在配音時(shí)應(yīng)調(diào)整自己的狀態(tài)以獲得放松自然的聲音。當(dāng)然,用輕松自然的生活化語(yǔ)言說(shuō)話不應(yīng)語(yǔ)言含糊不清,還應(yīng)該強(qiáng)調(diào)語(yǔ)言中的關(guān)系感,注意語(yǔ)言的規(guī)范。因此,自然放松是相對(duì)而言的,而不是回到原始的生活狀態(tài)。這個(gè)所謂的松弛當(dāng)然是基于語(yǔ)言藝術(shù),應(yīng)該讓聽(tīng)眾找不到人工雕刻的痕跡,所以對(duì)配音員的要求更高。

(三)形成風(fēng)格,提升水平

從目前人工智能技術(shù)的發(fā)展水平來(lái)看,人工智能配音獨(dú)立創(chuàng)造的能力還并不完善,主要是模仿人類的配音方式。在更豐富的影視配音方面,呈現(xiàn)出不夠靈活的狀況,無(wú)法應(yīng)對(duì)復(fù)雜的配音環(huán)境。當(dāng)前的人工智能配音發(fā)展還不成熟,只能給低情感類型的稿件配音,在影視作品中還是更需要真人配音員去用自己的真情實(shí)感,形成自身獨(dú)特的配音風(fēng)格,將稿件演繹出來(lái)。例如,動(dòng)畫(huà)片《藍(lán)貓?zhí)詺馊?wèn)》系列中,藍(lán)貓的配音演員葛平老師,他的標(biāo)志性臺(tái)詞“大家好,我是超威藍(lán)貓”,已然形成了自己的獨(dú)特聲音標(biāo)志,在扣到這句臺(tái)詞的時(shí)候,大家聯(lián)想到的是葛平老師而不是動(dòng)畫(huà)片中的人物;《舌尖上的中國(guó)》中的一句臺(tái)詞也深入人心——“高端的食材,往往只需要采用最樸素的烹飪方式”,配音者李立宏老師也因此被稱為“美食紀(jì)錄片專用配音員”。這些都是通過(guò)自身獨(dú)特的配音風(fēng)格去給聽(tīng)眾留下深刻印象的生動(dòng)例子。所以,配音工作者必須以正確、積極的態(tài)度面對(duì)人工智能配音的沖擊和挑戰(zhàn),提高政治站位,提升藝術(shù)修養(yǎng),增強(qiáng)專業(yè)配音技能,擴(kuò)大知識(shí)儲(chǔ)備,逐步形成他人難以模仿的獨(dú)特風(fēng)格,確立并鞏固自己在受眾腦海里的獨(dú)特印象,保持自身的優(yōu)勢(shì)。

總之,在人工智能科技不斷發(fā)展的道路中,人工智能同步技術(shù)在當(dāng)前配音領(lǐng)域的引入使配音的形式更加豐富多彩。目前,人工智能配音在低質(zhì)量應(yīng)用領(lǐng)域的研究正轉(zhuǎn)向高水平應(yīng)用,從“機(jī)器替換”轉(zhuǎn)向“人機(jī)協(xié)作”,從單調(diào)模式轉(zhuǎn)向個(gè)性化定制,從機(jī)器人式溝通轉(zhuǎn)向情感溝通,從實(shí)驗(yàn)室發(fā)展到商業(yè)化推出等不同階段的不斷發(fā)展,將進(jìn)一步影響傳統(tǒng)媒體產(chǎn)業(yè)結(jié)構(gòu)和人們的思維。人工智能技術(shù)的不斷深化已經(jīng)取代了更多的廉價(jià)勞動(dòng)力。隨著合成配音技術(shù)的不斷完善,人工智能配音未來(lái)會(huì)取代一些重復(fù)性、低情感的播報(bào)工作,但不會(huì)取代高情感、高交流度的配音作品,因?yàn)槿斯ぶ悄苁冀K是人類制造出的機(jī)器,不會(huì)也不能取代人的主觀創(chuàng)造性,配音這門(mén)藝術(shù)還是必須通過(guò)配音者內(nèi)心的情感去表達(dá)和演繹出來(lái)。配音者和主持人都應(yīng)該提升自身素質(zhì),不斷學(xué)習(xí)、不斷進(jìn)步,確定自身獨(dú)特的風(fēng)格,用情感去表達(dá)文字應(yīng)有的態(tài)度,這樣才能保持對(duì)人工智能配音的優(yōu)勢(shì)。