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(yè)從業(yè)者卻感受到危機?！半m然不至于很快被取代，但隨著AI語音技術(shù)的發(fā)展，類似AI讀書這樣的工作可能就不需要真人了?！辈ヒ魪臉I(yè)者小堯（化名）表示。
01 “我們可能被取代”
如今，AI語音技術(shù)已經(jīng)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(jīng)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(dān)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(jīng)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(jù)播音員節(jié)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(rèn)為，“當(dāng)AI技術(shù)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(guān)負(fù)責(zé)人接受媒體采訪時也表示，AI語音是整個行業(yè)都須順應(yīng)的技術(shù)潮流，大規(guī)模應(yīng)用只是時間問題。目前，業(yè)內(nèi)在開發(fā)更加成熟的AI語音技術(shù)，配合其深度學(xué)習(xí)能力，加入情緒、語氣、音色等參數(shù)，更加細(xì)膩的聲音表現(xiàn)將會帶到演播中。
因此，解說工作成為小堯今后重點發(fā)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(jù)現(xiàn)場情況及時做出反應(yīng)。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(fēng)格體現(xiàn)專業(yè)性，還需要調(diào)動觀眾的情緒?！斑@樣以情緒情感為主的播音工作是AI永遠無法取代的?！毙蛘f道。
“AI語音一直是我們的反面教材，我也不鼓勵學(xué)生去使用?！鄙虾ｓw育大學(xué)體育解說講師李人杰表示，在任何行業(yè)，AI都可能替代簡單重復(fù)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(xiàn)給聽眾，對每個字的重音、情感等細(xì)節(jié)處理就是二次創(chuàng)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(xiàn)出創(chuàng)造性和藝術(shù)性。
02 能檢測出70%“AI郭德綱”
除了聲音克隆外，讓網(wǎng)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(qū)動AI合成技術(shù)，屬于AI合成技術(shù)下的一條分支，底層邏輯是一樣的?！北本┤鹑R智慧科技有限公司高級產(chǎn)品經(jīng)理張?zhí)燹雀嬖V《IT時報》記者，口型驅(qū)動AI技術(shù)一般會用到兩種方案，一種方案相對傳統(tǒng)，即AI尋找語句發(fā)音中的元音字母，將口型與元音發(fā)音進行映射，最終接起來實現(xiàn)平滑轉(zhuǎn)換；另一種則是從深度學(xué)習(xí)角度出發(fā)，AI會通過對語音和文本來計算出各個音節(jié)所對應(yīng)口型特征的關(guān)鍵點，生成每一幀的圖像后再合成視頻。
其實，口型驅(qū)動技術(shù)并不是今年的“新品”，許多外國影片引入國內(nèi)時，會讓角色對應(yīng)中文口型。如2015年上映的《功夫熊貓》，主創(chuàng)團隊就透露，影片按照中文臺詞為每個角色都制作了相應(yīng)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(shù)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?zhí)燹冉榻B，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(fā)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(qū)動AI技術(shù)，注重的是牙齒、嘴唇運動等局部檢測，更多細(xì)節(jié)也意味著檢測面臨新挑戰(zhàn)。
“我們測試了一下，目前瑞萊Deep Real檢測平臺對口型驅(qū)動AI的檢測成功率大概在70%?！睆?zhí)燹缺硎?，想要攻破最后?0%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(fā)現(xiàn)，網(wǎng)頁已經(jīng)打不開了。據(jù)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(wù)所高級合伙人、知識產(chǎn)權(quán)律師游云庭曾發(fā)文表示，Heygen提供的是面向用戶的一對一視頻翻譯轉(zhuǎn)換服務(wù)，網(wǎng)站并不會向公眾發(fā)布轉(zhuǎn)換后的內(nèi)容，所以Heygen的知識產(chǎn)權(quán)侵權(quán)風(fēng)險較小。但用戶用Heygen將他人的講話視頻生成了翻譯后的內(nèi)容發(fā)布到網(wǎng)上，就需要獲得授權(quán)。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(quán)、聲音權(quán)的授權(quán)，相聲視頻的錄像制作者權(quán)和相聲文字內(nèi)容版權(quán)授權(quán)，缺少任何一個都可能涉嫌侵權(quán)。
不只是侵權(quán)風(fēng)險，生成式人工智能的快速發(fā)展也讓人們產(chǎn)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(xiàn)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(rèn)為，AI對人類構(gòu)成潛在的災(zāi)難性風(fēng)險，并發(fā)布全球第一份針對人工智能新興技術(shù)的國際性聲明《布萊切利宣言》，旨在關(guān)注對未來強大人工智能模型構(gòu)成人類生存威脅的擔(dān)憂，以及對人工智能當(dāng)前增強有害或偏見信息的擔(dān)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?！?/p>
中國科技部副部長吳朝暉表示，發(fā)展人工智能應(yīng)當(dāng)積極倡導(dǎo)以人為本，加強技術(shù)風(fēng)險管控，在相互尊重、平等互利的原則基礎(chǔ)上，鼓勵各方協(xié)同共治。
排版／ 季嘉穎