文|游戲茶館 小豬
近日，進(jìn)入飛速發(fā)展階段的AI可謂是科技行業(yè)新晉“當(dāng)紅炸子雞”，稍微一點(diǎn)風(fēng)吹雨動，就能輕松登上熱搜榜單。但是我們今天要聊的，不是人們熱議的ChatGPT和AI繪圖，而是早已以更加成熟的姿態(tài)進(jìn)入商業(yè)市場的AI配音。
盡管在短視頻平臺上，影視解說賬號開頭的吟唱魔音罐耳，深入人心，但AI能說的，早已不止“注意看，這個女孩叫小美……”
尤其是在游戲市場，AI配音已經(jīng)得到了相當(dāng)不錯的玩家反饋。3月20日，網(wǎng)易旗下的乙女游戲《時空中的繪旅人》就發(fā)布微博表示，游戲角色葉瑄采用的AI新聲音模型得到了更多玩家的好評，游戲內(nèi)問卷調(diào)查結(jié)果顯示，新配音實裝后的用戶評價均高于早期AI配音（2022年與卿書版本）。
01 聲優(yōu)塌房，AI救場
聊到乙女游戲使用AI配音，我們就不得不提前幾天剛上熱搜的配音圈大佬姜廣濤對此做出的“貢獻(xiàn)”。
姜廣濤這個名字你可能沒聽說過，但是他的聲音你一定不會陌生。經(jīng)典影視劇《小魚兒與花無缺》里面的花無缺、《泰坦尼克號》中的Jack、《宮鎖心玉》里的八阿哥，用的都是他的配音。在游戲領(lǐng)域，他配過的角色有《時空中的繪旅人》中的葉瑄、《未定事件簿》中的莫弈、《花亦山心之月》的玉澤、《陰陽師》帝釋天（CG）、《仙劍奇?zhèn)b傳五》姜云凡和《奇跡暖暖》鐘離梓等等。
去年7月，網(wǎng)上出現(xiàn)爆料稱姜廣濤被警方帶走，隨即姜廣濤旗下工作室光合積木發(fā)表聲明，說是因為商業(yè)糾紛正在配合調(diào)查。在線下活動取消、配音項目停更的同時，有“知情人”出面爆料，姜被帶走的真實原因是因為以職務(wù)之便騙錢，藏賬目，藏公章，藏營業(yè)執(zhí)照，涉及了刑事犯罪。不久后，網(wǎng)友查到反饋回復(fù)信息是職務(wù)侵占2000萬元，再次證實了這一消息。
瓜還沒吃完，網(wǎng)易的《時空中的繪旅人》和米哈游《未定事件簿》就前后腳宣布，游戲中姜廣濤配音的角色，后續(xù)將更換為AI配音。
而這次AI的出場，也著實讓人驚艷了一把。下面是網(wǎng)友整理的聲優(yōu)與AI配音的對比，大家可以淺淺感受一下。
我們從視頻下方的評論風(fēng)向也不難看出，實裝的AI配音效果超出了大多數(shù)玩家的預(yù)期。盡管AI的聲音還不“完美”，但是其表現(xiàn)“一點(diǎn)也不AI”，相對自然的聲音效果和永遠(yuǎn)不會塌房的優(yōu)勢讓不少玩家直呼“太牛了”！
當(dāng)然，還是有少部分玩家不太能接受AI，認(rèn)為某些語句的語調(diào)、氣息和情感仍能聽出瑕疵，也有玩家認(rèn)為沒有人類聲音情感支撐的純紙片人，就等于失去了靈魂。
但整體來看，大多數(shù)玩家對于剛進(jìn)入游戲的AI配音仍抱以相對寬容的態(tài)度。
3月17日，吼浪工作室發(fā)布通告表示，姜廣濤等人因?qū)嵤┲卮笄趾?，涉嫌刑事犯罪被公安和檢察機(jī)關(guān)處理。官方發(fā)聲后，姜廣濤事件的性質(zhì)終于有了最終定論，而已經(jīng)上線了半年多的AI配音，也已有了顯著的進(jìn)步。
3月20日，《時空中的繪旅人》官博發(fā)文，表示2023年2月游戲內(nèi)的問卷調(diào)查結(jié)果顯示，葉瑄新聲音模型實裝后的用戶評價均高于早期AI配音，未來游戲官方計劃逐漸迭代并替換掉初代技術(shù)方案的配音內(nèi)容。
至此，AI配音在游戲市場的首輪嘗試已經(jīng)取得了喜聞樂見的成果。
02 AI聲音背后的技術(shù)支持
AI配音效果迭代的背后當(dāng)然是技術(shù)的發(fā)展。而站在《未定事件簿》莫弈和《時空中的繪旅人》葉瑄的AI聲帶背后，提供主要技術(shù)支持的，分別是逆熵科技和網(wǎng)易互娛AI Lab。
早在2019年，大偉哥就曾在上海交大的一次演講中分享過，逆熵AI的目標(biāo)是通過深度學(xué)習(xí)某一個聲優(yōu)的音色和情感，做到輸入文字自動得到該聲優(yōu)的配音結(jié)果。以避免檔期不足等情況，還能將該聲音塑造成IP，永久保留，甚至出售聲音版權(quán)。
或是這一想法的推動，組建于2018年的逆熵研究部門，在2020年正式升級為主攻DeepLearning等AI技術(shù)的逆熵科技。
在工作室正式成立后，逆熵AI很快就開始了炫技。2021年2月，米哈游旗下的虛擬偶像@yoyo鹿鳴_Lumi（下稱鹿鳴）發(fā)布了一則名為“想聽我講野豬公主的故事嗎？”的視頻，簡介中明確標(biāo)注聲音由逆熵AI生成。
這次成果展示驚呆了不少觀眾，原來AI的聲音已經(jīng)發(fā)展到了遠(yuǎn)超“Hi，Siri”的程度。斷句流暢自然、語氣活潑、難辨AI痕跡的聽覺效果，讓粉絲們狂喜：老婆終于有聲音了！黑科技賽高！
2022年7月，鹿鳴在B站開啟首次直播。時長半小時的直播吸引了超66萬用戶觀看，收獲了322位艦長（折合收入約6萬多元）。在直播結(jié)束后，該直播錄屏播放量突破了200萬次，鹿鳴的B站關(guān)注人數(shù)也很快超過了150萬。而在此次直播內(nèi)容中，獲得粉絲們最多討論的除了精細(xì)的動作與畫面外，還有明確標(biāo)注由“逆熵AI生成”的聲音。
在直播結(jié)束的兩個月后，受姜廣濤事件影響，《未定事件簿》正式宣布將為莫弈裝上AI聲帶，積累的數(shù)年時間的逆熵AI配音能力，終于正式進(jìn)入游戲應(yīng)用階段的探索。
網(wǎng)易對于AI語音的技術(shù)探索也開始得很早。2017年，專攻計算機(jī)視覺、自然語言處理、語音信號處理、游戲AI等技術(shù)的網(wǎng)易AI Lab成立。
2020年，網(wǎng)易AI Lab在全球最大的語音會議INTERSPEECH上，拿到了與文本相關(guān)聲紋識別賽道的雙料大獎，展示了網(wǎng)易 AI Lab 在在聲紋識別技術(shù)探索上的領(lǐng)先成果。
但在早期階段，網(wǎng)易 AI Lab 的聲紋識別技術(shù)似乎并未進(jìn)入配音場景，而是主要被應(yīng)用于身份驗證、針對音色對玩家進(jìn)行分類等場景。
甚至在2021年，與《羊城晚報》合作推出廣東媒體首個視頻類AI合成主播“羊小晚”和“羊小派”的時候，網(wǎng)易AI Lab的語音識別技術(shù)，也僅被用于與實現(xiàn)與語音適配的唇動效果，其中的配音部分，則采用了科大訊飛的語音合成技術(shù)。
據(jù)《羊城晚報》報道，該AI主播系統(tǒng)只需輸入文本或音頻，即可在幾分鐘內(nèi)快速生成AI合成主播的新聞播報視頻。從最終呈現(xiàn)效果來看，科大訊飛的語音合成技術(shù)，在當(dāng)時已基本能夠滿足吐字清晰、音色自然、蘊(yùn)含感情等新聞播報等基礎(chǔ)需求。
2022年8月，《時空中的繪旅人》游戲官方宣布將與網(wǎng)易互娛AI Lab合作，分析提取葉瑄角色原有配音聲紋特征，錄制新的語音，網(wǎng)易AI Lab終于開啟了為游戲角色配音的新旅程。
03 悶聲發(fā)大財?shù)腁I語音
除了以上兩個AI工作室，還有更多人工智能團(tuán)隊在不斷探索AI語音的應(yīng)用可能性。而且，可能出乎你預(yù)料的是，AI語音目前已經(jīng)創(chuàng)造出了十分可觀的商業(yè)化效益。相對于高調(diào)來襲、不斷引起廣泛討論的AI繪畫，AI語音可以說是“悶聲發(fā)大財”的典型。
據(jù)Market.us統(tǒng)計，2022年全球Ai語音生成市場規(guī)模約達(dá)12.1億美元，預(yù)計在2032年，該數(shù)據(jù)將增長至48.89億美元，復(fù)合年增長度達(dá)15.4%。
相當(dāng)能掙錢的AI語音生成技術(shù)落地到配音，主要有以下幾種應(yīng)用形式。一是聲音克隆，讓AI學(xué)習(xí)已有聲紋特征，在用戶輸入目標(biāo)文本后，模仿合成相應(yīng)的聲音效果?！稌r空中的繪旅人》葉瑄的配音就是這一類，再比如2018年，央視九套推出的全球首部AI配音紀(jì)錄片《創(chuàng)新中國》也屬此類。據(jù)了解，該紀(jì)錄片合成模仿的是“配音大師”李易的聲音。目前，該紀(jì)錄片依然在豆瓣上保持著9.0的高分。
二是聲音合成，在大量聲音數(shù)據(jù)的基礎(chǔ)上，根據(jù)輸入文本，直接產(chǎn)出AI合成音色的效果。今年年初，科大訊飛發(fā)布的雨水節(jié)氣短片，也是由AI合成聲演繹的，該視頻呈現(xiàn)出的“以假亂真”的配音效果，引起了大量用戶的主動傳播。
三是音色轉(zhuǎn)換，利用聲紋技術(shù)，將輸入的音頻內(nèi)容，替換成目標(biāo)音色。有粉絲猜測，米哈游鹿鳴的聲音就是這種情況。這類玩法技術(shù)相對更加成熟，門檻更低，因此被網(wǎng)友們普遍應(yīng)用于視頻配音與整活。在視頻網(wǎng)站上常見的“拜登教奧巴馬玩源氏”、“美國總統(tǒng)給魂系游戲排名”等整活視頻，都是通過這種方式產(chǎn)出的。
盡管AI配音的應(yīng)用方式多樣、適用場景廣泛，且在游戲市場上已有案例可供參考。但實際上，在目前要將該技術(shù)大規(guī)模應(yīng)用于游戲開發(fā)依然不太現(xiàn)實。
有嘗試過AI配音的開發(fā)者告訴茶館，AI配音和單純的電子書朗讀不同，想要AI呈現(xiàn)出類似聲優(yōu)一樣的、貼合角色的表達(dá)效果，需要耗費(fèi)大量的時間對聲音模型進(jìn)行訓(xùn)練，這個時間成本相較于演員配音，高達(dá)數(shù)十倍不止；而且由于對白文本承載的情感理解量過高，最終呈現(xiàn)出來的效果基本無法達(dá)到完美，細(xì)節(jié)處的切分和語氣轉(zhuǎn)換總會與真人有所差異，這些微小差異很有可能會對游戲的沉浸感造成負(fù)面影響。
因此，目前真正將AI配音用進(jìn)游戲中的廠商仍是少數(shù)，畢竟不是每個游戲廠商都有網(wǎng)易和米哈游一樣的票子和技術(shù)。盡管如此，面對迎頭打來的新浪潮，茶館發(fā)現(xiàn)身邊有越來越多同行開始積極關(guān)注和研究AI配音?？梢?，積極迎接技術(shù)變化，正在成為業(yè)內(nèi)常態(tài)。