人工智能主播的應(yīng)用策略

王夢(mèng)穎，李懷蒼

(昆明理工大學(xué) 藝術(shù)與傳媒學(xué)院，云南 昆明 650504)

一、人工智能技術(shù)在播音主持的應(yīng)用背景

人工智能的縮寫是AI，它指的是模擬、延伸和拓展人的理論、方法和技術(shù)。它包括模擬識(shí)別、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等多個(gè)分支。人工智能的發(fā)展主要經(jīng)歷了五個(gè)階段，以申農(nóng)為首的科學(xué)家共同研究了機(jī)器模擬的相關(guān)問題，人工智能就此正式誕生。早期的人工智能主要以語(yǔ)言翻譯、證明等研究為主，發(fā)現(xiàn)機(jī)器具有模仿人類思維的功能，隨著互聯(lián)網(wǎng)技術(shù)的逐漸普及，人工智能已經(jīng)逐步為更多的領(lǐng)域提供了新的方向。在步入互聯(lián)網(wǎng)時(shí)代之后，“人工智能”加快了替代手工勞動(dòng)的步伐，并從基礎(chǔ)的體力勞動(dòng)層面漸漸轉(zhuǎn)向創(chuàng)意、創(chuàng)作的層面。2001年，傳媒業(yè)終于迎來了開天辟地的創(chuàng)舉——世界上第一個(gè)虛擬主持人阿娜諾娃(Ananova)的誕生。這是一個(gè)可播報(bào)新聞、體育、天氣等的虛擬播音員，堪比一個(gè)真實(shí)的有血有肉的主播。此后，日本推出了寺井有紀(jì)(Yuki)，中國(guó)推出了歌手虛擬主持人阿拉娜(Alana)，美國(guó)推出了薇薇安(Vivian)，韓國(guó)推出了露西雅(Lusia)。從2D到3D，從只有頭部到擁有全部身體，從只有虛擬人物播報(bào)到擁有演播室進(jìn)行播報(bào)，虛擬主持人日漸成熟，被越來越多媒體關(guān)注和使用，并引發(fā)了全社會(huì)對(duì)“主持人要下崗”的擔(dān)憂。在2004年，央視CCTV-6頻道推出了國(guó)內(nèi)首位虛擬電視節(jié)目主持人——小龍。它采用三維形象技術(shù)，擁有高挑的身材，集合了劉德華、梁朝偉和金城武的“臉部精華”，并單獨(dú)主持了《光影周刊》欄目。小龍的上崗，點(diǎn)燃了國(guó)內(nèi)CG技術(shù)從電影級(jí)走向消費(fèi)級(jí)的星星之火。到2016年，當(dāng)一位自稱“超級(jí)AI”的虛擬主播絆愛在YouTube上首次亮相時(shí)，也許誰(shuí)都沒想到，她會(huì)成為照亮“黑暗時(shí)代”的第一縷曙光。與早期虛擬主持人不同，絆愛是由真人扮演而成。但從播報(bào)狀態(tài)上來看，無論是3D形象，還是語(yǔ)音、動(dòng)作，絆愛相比早期主持人都明顯更勝一籌。2016年，阿爾法狗(AlphaGo)以1:4打敗圍棋世界冠軍李世石的事實(shí)，讓人們意識(shí)到，已經(jīng)誕生了幾十年的人工智能，處在了可全面商業(yè)化的臨界點(diǎn)，AI時(shí)代正加速到來。同年，科大訊飛、搜狗、百度先后召開發(fā)布會(huì)，對(duì)外公布語(yǔ)音識(shí)別準(zhǔn)確率均達(dá)到97%?？萍甲悦襟w人闌夕曾說，一旦語(yǔ)音識(shí)別的準(zhǔn)確率達(dá)到99%，那將直接進(jìn)入產(chǎn)業(yè)爆發(fā)的黎明。巧合的是，這一輪AI虛擬主播熱潮的興起，與AI，特別是語(yǔ)音識(shí)別技術(shù)的飛躍，幾乎是同步的。到2018年5月，科大訊飛攜手相芯科技打造了虛擬主持人“康曉輝”。這位虛擬主持人有著與真人相似的外形，不僅與央視記者江凱一同主持了《直播長(zhǎng)江》安徽篇，還在現(xiàn)場(chǎng)進(jìn)行了實(shí)時(shí)互動(dòng)。同年11月，全球首個(gè)“AI合成主播”誕生；在2019年3月全球首個(gè)“AI合成女主播”誕生；同年春晚AI虛擬主持人團(tuán)隊(duì)誕生。在這套AI虛擬主播的方案中，只需輸入一段既有的新聞文本，主播就可實(shí)時(shí)進(jìn)行播報(bào)，且發(fā)音與唇形、面部表情等也完全吻合，無論是看上去還是聽上去，似乎都與真人一模一樣。進(jìn)入全面AI化，虛擬主播走入千家萬戶。在電影《西蒙妮》中，人們?cè)枥L過AI虛擬主播的理想形態(tài)：她是一個(gè)由計(jì)算機(jī)虛擬合成的、高度逼真的三維動(dòng)畫人物。她美得令人無法拒絕，一言一行都與真人一樣，并可以完成一切表演、播報(bào)，且不會(huì)有任何緋聞，妥妥的一枚“完美代言人”，可以取代人類，且不會(huì)出現(xiàn)任何差錯(cuò)，也不會(huì)有負(fù)面新聞，這是很多人眼中的完美AI虛擬主播。但之后的十多年，不論是影視業(yè)還是AI虛擬主播行業(yè)，都不得不面對(duì)一個(gè)現(xiàn)實(shí)：虛擬形象“像真人”并不簡(jiǎn)單。人工智能能夠靈活運(yùn)用復(fù)雜的大數(shù)據(jù)網(wǎng)絡(luò)，對(duì)不同的語(yǔ)言和副語(yǔ)言進(jìn)行解讀，最終創(chuàng)造并穩(wěn)定的輸出所需要的播讀內(nèi)容。如今的AI主播能夠完成坐著、直立、行走等動(dòng)作的模擬，完全做到與真人主播的融合。

二、新媒體背景下人工智能主播的應(yīng)用現(xiàn)狀

(一)形象升級(jí)，符合大眾審美

人工智能主播需要進(jìn)行真人主播人臉識(shí)別，并進(jìn)行個(gè)人面部檔案的建立。為了讓人工智能主播高度逼真，新華社與搜狗公司進(jìn)行了強(qiáng)強(qiáng)聯(lián)合，并以新華社主播邱浩、屈萌為原型，錄制了大量的高質(zhì)量視頻，通過對(duì)邱浩和屈萌的面部文件、照片文件進(jìn)行掃描分析，形成人臉面像文件面紋編碼(Faceprint)，對(duì)人臉面紋進(jìn)行采集和檢測(cè)，將人臉的皮膚色調(diào)、面部毛發(fā)、表情姿態(tài)等進(jìn)行特征提取，并有效識(shí)別，系統(tǒng)將人臉有用的信息采集出來。真人主播在高清鏡頭的放大下，不難發(fā)現(xiàn)會(huì)有“大小臉”“大小眼”“高低眉”的問題，三庭五眼的分布也更加貼近國(guó)人所欣賞的“東方美”，無論是靜態(tài)還是動(dòng)態(tài)，都不會(huì)出現(xiàn)表情崩壞或是五官不對(duì)稱的情況。主播吸收了人工智能的這些特點(diǎn)，不管是播報(bào)什么新聞，總是能以完美端莊的狀態(tài)出現(xiàn)在大眾面前，給人以美的享受。

(二)無間斷直播，節(jié)約生產(chǎn)成本

在現(xiàn)實(shí)生活中，一個(gè)主播只能每天工作8小時(shí)，人工智能主播卻能實(shí)現(xiàn)無間斷直播，只要輸入文本就能自動(dòng)生成相應(yīng)視頻，能保持唇形、聲音、神態(tài)的一致，不會(huì)有情緒變化，也不會(huì)生病，能夠極大地減輕真人主播工作任務(wù)，還能節(jié)約生產(chǎn)成本。比如在新華社的客戶端中，可以看到2019年3月2日的最后一條新聞《北京啟動(dòng)149場(chǎng)線上專場(chǎng)招聘》發(fā)布于23:41:29，而2019年3月3日的第一條新聞《北京：日均出動(dòng)8.3萬余人保障城市干凈整潔》發(fā)布于00:45:59，無論何時(shí)都能在崗位上嚴(yán)陣以待。不僅如此，更是在十三屆全國(guó)人民代表大會(huì)和全國(guó)政協(xié)十三屆會(huì)議中不間斷地播報(bào)最新情況，播報(bào)稿件達(dá)到了86條，極大地保證了新聞的時(shí)效性。讓許多網(wǎng)友紛紛感嘆科技的力量實(shí)在是太強(qiáng)大了！甚至有媒體報(bào)道除了嘴唇動(dòng)作稍顯僵硬外，她幾乎可以以假亂真。

(三)強(qiáng)大的學(xué)習(xí)能力

人工智能主播是通過對(duì)真人主播的聲音、唇形等特征學(xué)習(xí)建模設(shè)計(jì)而成，換言之，人工智能主播是“克隆”真人主播，并且學(xué)習(xí)真人主播的動(dòng)作神態(tài)和播報(bào)語(yǔ)調(diào)。他們沒有學(xué)習(xí)過任何播音主持的知識(shí)，就能夠達(dá)到與真人主播無異的信息傳達(dá)效果，甚至在語(yǔ)言方面有著超越真人主播的趨勢(shì)。

英文播報(bào)素材取自于新華社的英語(yǔ)主播張朝，通過對(duì)張朝的音頻進(jìn)行學(xué)習(xí)，人工智能主播能夠流利的使用英語(yǔ)播報(bào)新聞，極大地?cái)U(kuò)大了對(duì)海外的影響力。不僅在播讀新聞方面能夠很快地掌握有聲語(yǔ)音的表達(dá)的技巧，在副語(yǔ)言上也有著不斷地革新，從最開始只能坐在播音臺(tái)前播報(bào)新聞，通過技術(shù)的升級(jí)，從臺(tái)后走到臺(tái)前，能夠站立著播報(bào)新聞，還能“手舞足蹈”，運(yùn)用起肢體語(yǔ)言進(jìn)行表達(dá)，這一切都讓新華社的員工們驚嘆著人工智能主播的強(qiáng)大學(xué)習(xí)能力，直呼是不是再過不久自己就會(huì)失業(yè)了。

以2019年1月10日的《叮咚！請(qǐng)開門，你的年度外賣大單到了》這條新聞為例，“各位宅男、宅女，過去的一年，窩在工位或者床上點(diǎn)外賣是否已經(jīng)成了你的日常？各位吃貨們?cè)谕赓u單上到底備注了什么？點(diǎn)了這么多外賣，你爸媽知道嗎？”從新聞內(nèi)容中可以看出，新聞的基調(diào)是輕松有趣的，但人工智能主播的播報(bào)狀態(tài)還不夠積極，重音方面也存在問題，如“數(shù)據(jù)江湖”應(yīng)該確定為重音，但“新小浩”的播讀太過于一馬平川，甚至在有些字詞的處理上還略有些僵硬，沒有播出這條新聞的趣味性，不能夠引起受眾的注意，但隨著技術(shù)的革新，人工智能主播也在不斷地學(xué)習(xí)中，現(xiàn)在的人工智能主播不論是有聲表達(dá)、肢體動(dòng)作還是表情等方面都越來越自然，強(qiáng)大的學(xué)習(xí)能力使其與真人主播的差距越來越小。

三、人工智能主播對(duì)傳統(tǒng)主播的影響和挑戰(zhàn)

(一)“AI合成主播”的優(yōu)勢(shì)與傳統(tǒng)主播的劣勢(shì)

1.社會(huì)大眾的需要

隨著技術(shù)的不斷發(fā)展，人工智能在生活中應(yīng)用的越來越廣泛，比如近幾年大眾能接觸到的如“天貓精靈”和“小愛同學(xué)”這類的智能音響，以及手機(jī)上的語(yǔ)音助手，讓人們感受到了人工智能技術(shù)為生活帶來的便利，也對(duì)人工智能技術(shù)越來越好奇，而人工智能主播無疑是一項(xiàng)新興的產(chǎn)物，當(dāng)人工智能被“人物化”的時(shí)候，人們往往會(huì)想人工智能主播長(zhǎng)什么樣呢？是否和真人主播一樣？那么大眾到底對(duì)“AI主播”持什么樣的態(tài)度，筆者在對(duì)近30人的調(diào)查后得知，大部分人都對(duì)人工智能抱有極大的興趣。以往電視機(jī)里的主播往往很難激起人們的興趣，人們也很少會(huì)為了主持人而去關(guān)注一檔節(jié)目，但人工智能主播的出現(xiàn)卻打破了這一點(diǎn)，激發(fā)了人們對(duì)新聞的好奇心，從而進(jìn)一步擴(kuò)充了人們對(duì)信息傳播的選擇，滿足了人們的心理需求，更是專門開辟了人工智能主播的專題報(bào)道。

2.精準(zhǔn)的播讀技術(shù)

在新聞的播報(bào)中，從眼睛看到嘴巴說需要經(jīng)過大腦的有機(jī)整合，稍有注意力不集中，或是看錯(cuò)看漏，便會(huì)出現(xiàn)播讀錯(cuò)誤，這在真人主播中幾乎是無法避免的問題，就連央視的主持人也會(huì)出現(xiàn)讀錯(cuò)字音的現(xiàn)象，在網(wǎng)上瘋傳的《主持人失誤錦集》中就有許多的字音出錯(cuò)片段，看得眾多網(wǎng)友捧腹不已，觀眾也能理解，畢竟一臺(tái)節(jié)目的口播有時(shí)多達(dá)好幾千字，拗口的地名、人名識(shí)讀起來也實(shí)屬不易。而在直播節(jié)目中主持人不僅要讀好手里的稿件還要顧及眾多方面，如提詞器的顯示、耳麥中導(dǎo)播的指示、副語(yǔ)言的運(yùn)用、顯示器的監(jiān)視等，可謂是眼觀六面耳聽八方。一旦哪一方面出現(xiàn)錯(cuò)誤都可能會(huì)使主播的播讀出現(xiàn)卡頓。但人工智能主播只要輸入文本，便能按照既定的文本進(jìn)行播報(bào)，相較真人主播，不會(huì)出現(xiàn)字音和語(yǔ)調(diào)上的錯(cuò)誤，并且能對(duì)語(yǔ)流音辨識(shí)、多音字的識(shí)別正確，不會(huì)出現(xiàn)讀錯(cuò)字、卡頓的問題。播報(bào)精準(zhǔn)，成為人工智能主播的顯著優(yōu)勢(shì)。

3.減少節(jié)目制作成本

一檔節(jié)目的誕生不僅需要主播，還需要龐大的制作團(tuán)隊(duì)，如燈光師、攝影師、化妝師等，真人主播在上節(jié)目前需要化妝、備稿，從準(zhǔn)備到錄制需要一定的時(shí)間，而人工智能主播卻只需要一名工作人員簡(jiǎn)單配合即可，提前輸入需要的文本便能自動(dòng)生成視頻，極大地解放了勞動(dòng)力，減少了節(jié)目的制作成本。[1]兩會(huì)期間當(dāng)真人主播還需要等前方記者傳回稿件才能出新聞時(shí)，人工智能主播使新華社第一時(shí)間就能發(fā)出關(guān)于兩會(huì)新聞最新的解讀。

不僅如此人工智能主播還能一人多用，可以同時(shí)“分身”到不同的節(jié)目中，極大的提高了新聞的傳播效率。不計(jì)較工資，不間斷的播報(bào)，以一敵百的勞動(dòng)力，這些都是真人主播無法做到的。

(二)人工智能主播的劣勢(shì)與傳統(tǒng)主播的優(yōu)勢(shì)

1.無法引起情感共鳴

播音員常被稱為連接黨和人民群眾的橋梁，作為橋梁光有播音的技巧不夠，還要使自己的聲音有情感，有溫度。在節(jié)目中播音員常常要做到“以聲傳情”，比如在播報(bào)歡天喜地迎新春這樣的新聞，播音員要播報(bào)出給人以輕松、愉快的感覺，而在播報(bào)一些特殊的新聞，如汶川地震、新冠肺炎時(shí)，要播報(bào)出給人以莊重、嚴(yán)肅的感覺，這一點(diǎn)是需要播音員具備扎實(shí)的基本功底，并且經(jīng)過長(zhǎng)年累月的訓(xùn)練才能夠達(dá)到。而人工智能主播卻只能機(jī)械地播讀新聞內(nèi)容，雖然沒有出過錯(cuò)誤，但無論是什么主題的新聞，總會(huì)讓人感到千篇一律，無法產(chǎn)生情感共鳴。

播音工作的二度創(chuàng)作，要求主播對(duì)稿件進(jìn)行自我理解，真人主播可以挖掘字里行間的深層語(yǔ)義，對(duì)播報(bào)內(nèi)容進(jìn)行深層次的認(rèn)知和情感的表達(dá)。但是人工智能主播只能通過人工指令對(duì)稿件進(jìn)行語(yǔ)言輸出和口型、表情的匹配。目前的人工智能主播還停留在學(xué)習(xí)階段，并不具備情感，也不能做到對(duì)新聞的感性認(rèn)知。舉例來說，央視主持人朱廣權(quán)常常以他幽默風(fēng)趣的播報(bào)讓觀眾捧腹不已，以2019年的一篇播報(bào)為例：“最近的天氣‘凍力’十足，你是不是很懷念溫暖的日子?你想勸天氣重抖擻，天氣卻對(duì)你大聲吼，這樣的要求休出口，風(fēng)雪來了我也抖?！边@一段新聞消息倘若由人工智能主播來播報(bào)會(huì)大大地降低語(yǔ)言的趣味性，不能使觀眾共情。針對(duì)傳統(tǒng)主播來講，人是具有情感的，那么由他抒發(fā)的事物也是具有情感的，不會(huì)生搬硬套，能夠與觀眾產(chǎn)生共鳴。

2.不具備應(yīng)變能力

在錄制節(jié)目時(shí)，播音員主持人常常要和現(xiàn)場(chǎng)的觀眾進(jìn)行互動(dòng)，從而調(diào)動(dòng)節(jié)目氛圍，激發(fā)自己的播講愿望，這就要求播音員不僅要具備調(diào)動(dòng)氣氛的能力，還要有掌控全場(chǎng)的大局意識(shí)，真正的播音員主持人在這里可以發(fā)揮出自己的最大潛能，游走在觀眾與嘉賓之間，適時(shí)拋出問題，增加觀眾與嘉賓的互動(dòng)，即便是出現(xiàn)突發(fā)狀況，基本也能依靠隨機(jī)應(yīng)變的能力帶過。但是人工智能主播只能通過預(yù)設(shè)好的文本生成播讀內(nèi)容，很難與觀眾進(jìn)行互動(dòng)，即便與觀眾進(jìn)行互動(dòng)，如果出現(xiàn)突發(fā)狀況，也難以解決，所以就導(dǎo)致人工智能主播的應(yīng)用局限性。相對(duì)來說，傳統(tǒng)主播更加具有臨場(chǎng)應(yīng)變能力，能夠處理突發(fā)的狀況，針對(duì)事件進(jìn)行相應(yīng)的調(diào)整，保證新聞事件順利進(jìn)行。

四、人工智能主播的發(fā)展趨勢(shì)以及問題分析

(一)人工智能主播在主持行業(yè)中的發(fā)展趨勢(shì)

人工智能主播所使用的人臉三維重建技術(shù)和語(yǔ)音識(shí)別技術(shù)都是未來AI業(yè)界的發(fā)展方向，在媒體市場(chǎng)競(jìng)爭(zhēng)逐漸加大的背景下，有資本和技術(shù)的傳媒集團(tuán)更青睞于使用技術(shù)提升自身在業(yè)界中的影響力。[2]該技術(shù)可以應(yīng)用于以下播報(bào)和主持工作。

第一類，重復(fù)性高的主持工作，此類工作程序化很強(qiáng)，并且具有一定的話語(yǔ)模板，例如天氣預(yù)報(bào)的播報(bào)。

第二類，人才海選面試，根據(jù)各類比賽的流程分析，參賽人員在比賽初選的時(shí)候，流程都基本相似：工作人員將參賽人員的報(bào)名回執(zhí)單信息(選手編號(hào)、姓名)錄入計(jì)算機(jī)，人工智能主持人報(bào)編號(hào)和選手姓名，并且引導(dǎo)選手進(jìn)行自我介紹、才藝展示。在時(shí)間結(jié)束后，虛擬主持人提醒時(shí)間結(jié)束，并暗示評(píng)委進(jìn)行點(diǎn)評(píng)，最后提示選手退場(chǎng)。

第三類，簡(jiǎn)單的兒童主持播報(bào)，此類主持不需要很高的技巧性，并強(qiáng)調(diào)趣味性，在兒童主持中具有較高的應(yīng)用價(jià)值。同時(shí)虛擬化的主持人對(duì)兒童來說較為新穎，且有較大的吸引力。

第四類，風(fēng)險(xiǎn)高的特殊主持，例如一些災(zāi)難現(xiàn)場(chǎng)的播報(bào)或者人類難以到達(dá)的地帶，可以利用人工智能技術(shù)快速生成播報(bào)新聞，代替真人播報(bào)。

(二)人工智能主播需要解決的問題

人工智能要想在虛擬化主持中廣泛應(yīng)用，需要解決以下問題。

第一是隨機(jī)應(yīng)變能力。人工智能主播采取文字錄入、信息處理、音視頻融合、視頻輸出的方式工作，因此僅局限在生硬的念稿層面上，不具有播報(bào)的生動(dòng)性，尤其是其不適合用于突發(fā)情況較多或者現(xiàn)場(chǎng)類的主持播報(bào)活動(dòng)，要想將其應(yīng)用于虛擬化主持，還要賦予人工智能主播更智能的“大腦”。[3]

第二是恰當(dāng)?shù)慕涣鲃?dòng)作，要將主持播報(bào)展現(xiàn)得更加生動(dòng)靈活，就要有更為靈活的動(dòng)作支撐，例如微微蹙眉的動(dòng)作、微笑等可以給觀眾更具親和力的播報(bào)體驗(yàn)。

第三是與人的情感交流，這一點(diǎn)是擺脫人工智能主播的機(jī)器人特點(diǎn)的關(guān)鍵，因此需要技術(shù)支持，給予系統(tǒng)更加高效的大腦，提升信息處理水平，并且提升機(jī)器和真人的自然一致性。

五、結(jié)語(yǔ)

新事物的發(fā)展總是要經(jīng)歷由不完善到完善的過程，隨著人工智能等數(shù)字化技術(shù)的不斷成熟和廣泛應(yīng)用，在一些有規(guī)律可循的范圍內(nèi)，機(jī)器可以比人類做得更好，但是在一個(gè)沒有先驗(yàn)知識(shí)的，沒有規(guī)律可循的階段，機(jī)器還是達(dá)不到人類該有的推斷能力。人工智能不會(huì)取代人，只會(huì)讓我們的生活更便利，AI在教育、醫(yī)療、政法、智慧城市、智能客服等方面，都給我們帶來了一些新的面貌，人工智能給媒體行業(yè)帶來的機(jī)遇或者挑戰(zhàn)，使得作為媒體人的我們必須與時(shí)俱進(jìn)。進(jìn)入新媒體時(shí)代，既要拼速度更要拼服務(wù)，通過大數(shù)據(jù)的積累，將海量信息利用人工智能，就能很好地應(yīng)對(duì)人類的問題。[4]新媒體的發(fā)展需要一個(gè)強(qiáng)大的保護(hù)盾，與此同時(shí)，隨著智能媒體的更新?lián)Q代，應(yīng)該正確看待新媒體時(shí)代下的人工智能主播發(fā)展。