語音識(shí)別技術(shù)和語音合成技術(shù)對(duì)廣播音頻的沖擊和應(yīng)對(duì)

文/李粵

2018年1月22日，世界首部利用人工模擬人聲的紀(jì)錄片《創(chuàng)新中國》在中央電視臺(tái)的紀(jì)錄片頻道播出。這部名為《創(chuàng)新中國》的紀(jì)錄片最特別的部分在于解說詞部分全程運(yùn)用人工智能配音，“重現(xiàn)”了已故配音大師李易的聲音。由于以前和李易老師有過多次廣告合作，對(duì)李易老師的聲音非常熟悉。這次聽到人工智能合成的李易老師的解說詞，只能用震驚來形容，不但那雄渾深沉的音色完全就是李易老師本人，而且每個(gè)呼吸，口氣都那么自然，眼前立刻再現(xiàn)了李易老師在話筒前娓娓道來的畫面。前幾年還生硬的一個(gè)一個(gè)蹦字的語音合成技術(shù)短短這么幾年就達(dá)到了幾乎以假亂真的效果，不得不感嘆科學(xué)技術(shù)的發(fā)展真是日新月異，同時(shí)又不禁思考這幾乎以假亂真的語音合成技術(shù)對(duì)以聲音為主要傳播方式的廣播電臺(tái)又會(huì)帶來什么影響呢？

首先簡(jiǎn)單介紹一下語音合成技術(shù)。語音合成技術(shù)又叫文語轉(zhuǎn)換(TEXT-TO-SPEECH)j簡(jiǎn)稱TTS技術(shù)。隸屬于語音合成，它是將計(jì)算機(jī)自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的口語輸出的技術(shù)。我們最熟悉的高德地圖導(dǎo)航里的林志玲的聲音，就是通過語音合成技術(shù)生成的。首先，科大訊飛采集一些林志玲的音頻，然后輸入文本并按照詞典規(guī)則對(duì)文本進(jìn)行語言處理，模擬人對(duì)自然語言的理解過程，如文本規(guī)整，詞的切分，語法和語義分析，使得計(jì)算機(jī)可以對(duì)輸入的文本完全理解，并給出后續(xù)步驟的各種發(fā)音提示。然后就是韻律的處理，就是找到林志玲發(fā)音的特點(diǎn)。如音高、音色、音強(qiáng)、音長(zhǎng)等，使合成的語音能正確表達(dá)語音，聽起來更加的自然。兩部分結(jié)合處理后輸出合成語音，實(shí)現(xiàn)了從文本到語音的實(shí)時(shí)轉(zhuǎn)換。隨著計(jì)算機(jī)深度學(xué)習(xí)的飛速發(fā)展，從文本轉(zhuǎn)換為實(shí)時(shí)語音變成越來越快速容易的一件事，采集任意喜歡的播音人的聲音，僅僅讓系統(tǒng)訓(xùn)練學(xué)習(xí)幾個(gè)小時(shí)候就能完成這套轉(zhuǎn)換。

在語音領(lǐng)域還有另一項(xiàng)同樣給生活帶來翻天覆地變化的語音識(shí)別技術(shù)。語音識(shí)別技術(shù)，也被稱為自動(dòng)語音識(shí)別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。

在新興媒體對(duì)傳統(tǒng)傳媒行業(yè)產(chǎn)生劇烈沖擊的業(yè)態(tài)下，紙媒倒下了，電視媒體也出現(xiàn)了斷崖式的下跌。唯一在行業(yè)寒冬種逆勢(shì)增長(zhǎng)的媒體就是廣播媒體，是什么原因讓廣播媒體成為了一枝獨(dú)秀。我們來分析一下廣播媒體的特性。廣播媒體作為一個(gè)純聽覺媒體，是伴隨性的。很多聽廣播的場(chǎng)景都是這樣的：一邊開車一邊聽廣播，一邊健身一邊聽廣播，一邊寫作業(yè)一邊聽廣播，一邊做家務(wù)一邊聽廣播......聽廣播可以和生活中的很多事情并行。而像看電視，看新聞等視覺媒體必須要受眾的精力幾乎全部投入才能和媒體的輸出同步，獲得完整信息。在生活節(jié)奏異?？斓慕裉欤藗兠刻於紩?huì)接觸到海量的信息，接觸媒體的方式也在碎片化，投入大量的時(shí)間和注意力在視覺媒體上都是很奢侈的事。同時(shí)隨著私家車擁有量的快速攀升，廣播這一擁有新媒體屬性的伴隨性特性，不獨(dú)占受眾精力的媒體能逆勢(shì)上揚(yáng)也是必然的結(jié)果。但如果語音識(shí)別技術(shù)和語音合成技術(shù)發(fā)展到非常成熟的階段會(huì)產(chǎn)生什么樣的情況呢？我們?cè)賮矸治鲆幌聫V播媒體和網(wǎng)絡(luò)媒體的不同之處。

廣播媒體的特性

1.廣播媒體是時(shí)間性媒體，它的傳播是一過性的，信息稍縱即逝，無法保存。

2.廣播的播出方式是線性的，聽眾無法獲知下一秒的信息是什么，只能被動(dòng)的接受而無法自主選擇。

3.無法精確定位搜索所需信息，包括客戶音頻端，從音頻信息中搜索想要的內(nèi)容十分困難。

4.聽眾所接受到的信息都是經(jīng)過編輯記者精心選擇過的，是一個(gè)封閉的信息源，無法主動(dòng)獲知更多的其他信息。

5.聽眾和媒體間，聽眾和其他聽眾間互動(dòng)不易。

網(wǎng)絡(luò)媒體(以門戶網(wǎng)站為例)的特性

1.存儲(chǔ)性，隨時(shí)可查。

2.多種標(biāo)簽，可根據(jù)多個(gè)關(guān)鍵字組合自主查找。

3.可隨時(shí)，隨地，隨意選擇用戶想了解的信息。

4.分布式結(jié)構(gòu)，開放式平臺(tái)，無限連接，提供多種服務(wù)，可聽，可讀，可看，可用，可玩。

5.互動(dòng)性。

我們以前總是喜歡說瀏覽網(wǎng)頁，看新聞。隨著語音識(shí)別技術(shù)越來越成熟，越來越多的智能語音設(shè)備進(jìn)駐了家庭，私家車?yán)?，解放了人的雙手。試想一下，在私家車?yán)?，司機(jī)一邊開車一邊用語音控制設(shè)備?！拔蚁肼牶５韰^(qū)升學(xué)的最新消息，請(qǐng)給我播放今日頭條，我想知道最新的國際新聞......”智能設(shè)備利用強(qiáng)大的搜索功能找到相關(guān)的消息，進(jìn)行播報(bào)。隨著語音合成技術(shù)的飛速發(fā)展，甚至可以想像用戶還有自主選擇播音員的權(quán)利“我想聽朱亞文播報(bào)天氣預(yù)報(bào)，我想聽郭德綱播報(bào)國內(nèi)經(jīng)濟(jì)新聞……用戶擁有了完全自主的選擇權(quán)，還會(huì)選擇被動(dòng)的廣播媒體嗎？等到無人駕駛?cè)鎸?shí)現(xiàn)的時(shí)候，又會(huì)發(fā)生什么新的變革呢？

我認(rèn)為首先被沖擊的是讀書，小說評(píng)書聯(lián)播等節(jié)目。因?yàn)檎Z音識(shí)別技術(shù)和語音合成技術(shù)的技術(shù)壁壘并不高，實(shí)現(xiàn)比較容易，只要可以獲得文本信息，用戶可以最低成本的選擇自己喜歡的任意書籍，選擇最喜歡的播講人來定制自己的語音圖書或評(píng)書節(jié)目。普通時(shí)政新聞，經(jīng)濟(jì)新聞?lì)?，同質(zhì)化嚴(yán)重。各個(gè)網(wǎng)站可以短時(shí)間內(nèi)互相轉(zhuǎn)載，用戶自然不會(huì)守著收音機(jī)去隨機(jī)的獲取信息，而是根據(jù)自己的時(shí)間，隨時(shí)通過媒體端去自主的選擇自己希望知道的信息，甚至可以像上文描述的場(chǎng)景一樣，搜索文本信息自動(dòng)實(shí)時(shí)的轉(zhuǎn)化為個(gè)人喜歡的專屬語音播報(bào)。

廣播媒體面對(duì)語音技術(shù)的沖擊該如何應(yīng)對(duì)呢？以下是本人的幾點(diǎn)想法，很多想法還很不成熟，但也許能拋磚引玉引來更多的思考。

根據(jù)邁克爾·波特在《競(jìng)爭(zhēng)戰(zhàn)略》中提到的三個(gè)基本策略中的差異化和專業(yè)化策略，廣播媒體要做到什么是人無我有的，人弱我強(qiáng)的。以我臺(tái)來分析，中央人民廣播電臺(tái)有競(jìng)爭(zhēng)力的競(jìng)爭(zhēng)點(diǎn)是什么？

1.中央人民廣播電臺(tái)作為國家電臺(tái)，廣播行業(yè)的龍頭，必然受到國家的一些政策支持及傾斜，一些重大的新聞事件，政策發(fā)布享有優(yōu)先權(quán)，這是其他網(wǎng)絡(luò)媒體所不具有的。

2.中央人民廣播電臺(tái)的嘉賓都是政府和行業(yè)的重量級(jí)人物，還有一大批各領(lǐng)域的專家進(jìn)行分析點(diǎn)評(píng)，使得中央臺(tái)的公信力、權(quán)威性、影響力毋庸置疑。而網(wǎng)絡(luò)上的很多信息真假難辨，無法得到信任。

3.中央人民廣播電臺(tái)擁有覆蓋全國的記者站40家，駐軍記者站18家，在臺(tái)灣地區(qū)也擁有駐點(diǎn)記者，這遍布各地的記者站構(gòu)成巨大的信息網(wǎng)絡(luò)。除了能快速的得到第一手的信息，更能深入發(fā)掘新聞背后的真相。

4.中國人民廣播電臺(tái)擁于一流的技術(shù)、設(shè)備、專業(yè)人才。其中的新聞采編，節(jié)目制作方面屢獲大獎(jiǎng)。尤其在新聞采編方面，幾十年的積累養(yǎng)成的新聞素養(yǎng)，使得國家電臺(tái)的專業(yè)性，廣度，深度、輿論引導(dǎo)能力是一般網(wǎng)絡(luò)媒體無法企及的。

5.數(shù)量眾多的優(yōu)秀主持人和積累了70年多年的聲音資料構(gòu)成中央臺(tái)龐大的音頻資料庫，其中更有很多極其寶貴的音頻資料是外界所沒有的。

6.中央人民廣播電臺(tái)除了17套廣播覆蓋到全國各地外，還有央廣網(wǎng)，數(shù)字廣播、數(shù)字電視頻道，手機(jī)電視、新聞客戶端、平面媒體等多媒體應(yīng)用。此外還發(fā)起成立了擁有全國140多家電臺(tái)的中國廣播聯(lián)盟，并攜手世界各大華語廣播機(jī)構(gòu)建立了全球華語廣播網(wǎng)，與全球大多數(shù)國家和地區(qū)的知名傳媒機(jī)構(gòu)建立了廣泛的業(yè)務(wù)合作關(guān)系。這些跨媒體、跨行業(yè)、跨區(qū)域的聯(lián)合，實(shí)現(xiàn)了媒介融合，達(dá)到了各媒介的互為補(bǔ)充及延伸。了解了我臺(tái)的競(jìng)爭(zhēng)點(diǎn)，就要考慮如何把這些競(jìng)爭(zhēng)點(diǎn)轉(zhuǎn)化為競(jìng)爭(zhēng)力及實(shí)實(shí)在在的盈利能力。

1.內(nèi)容為王：媒體總說“內(nèi)容為王”，這對(duì)于同質(zhì)化越來越嚴(yán)重的新聞來說是破局的關(guān)鍵，尤其在網(wǎng)絡(luò)間互相轉(zhuǎn)載成風(fēng)的業(yè)態(tài)下，有獨(dú)家的別人沒有的內(nèi)容是獲得注意力的關(guān)鍵點(diǎn)。新聞剛發(fā)生的時(shí)候，各大媒體的內(nèi)容基本都雷同，但隨著事件的推進(jìn)，各家媒體的新聞水平，追根溯源的能力就始見真章了。利用我臺(tái)強(qiáng)大的信息網(wǎng)絡(luò)，利用國家媒體的政策優(yōu)勢(shì)，依靠我臺(tái)新聞?dòng)浾邇?yōu)秀的專業(yè)素養(yǎng)，追尋新聞背后的真相，深度報(bào)道。同時(shí)利用先進(jìn)的語音識(shí)別技術(shù)，同步把廣播音頻轉(zhuǎn)化為文字(或同步新聞編輯稿件)，在央廣網(wǎng)第一時(shí)間呈現(xiàn)。在央廣網(wǎng)站同時(shí)提供截取廣播音頻以對(duì)應(yīng)文字。此外網(wǎng)站再根據(jù)語音合成的技術(shù)，可以讓瀏覽或搜索網(wǎng)頁信息的用戶選擇語音播報(bào)選項(xiàng)，實(shí)現(xiàn)用戶的私人定制，實(shí)現(xiàn)信息的二次傳播。

2.音頻資料庫的開發(fā)利用：中央臺(tái)從建臺(tái)到現(xiàn)在無數(shù)優(yōu)秀的主持人都是寶貴的聲音資源。第一步要做好聲音版權(quán)的保護(hù)。第二步就是這些聲音資源的開發(fā)利用。比如在線教育領(lǐng)域，普及普通話方向。

3.媒介平臺(tái)的互動(dòng)性：最近湖南臺(tái)的綜藝節(jié)目“聲臨其境”受到廣大觀眾的喜愛，這就可以反映出僅僅只是聲音也是很有魅力的。而我臺(tái)的強(qiáng)項(xiàng)正是聲音，如果把這個(gè)強(qiáng)項(xiàng)做大做強(qiáng)值得研究。僅通過廣播單一媒介不好互動(dòng)，但隨著媒介融合的展開，互動(dòng)就輕而易舉了。比如可以在文藝類欄目中開放小單元《挑戰(zhàn)主持人》，由聽眾隨機(jī)選擇聲音比賽項(xiàng)目和主持人PK。在央廣網(wǎng)或手機(jī)端設(shè)立游戲互動(dòng)端或APP，對(duì)一些經(jīng)典配音段落，詩詞等，電影片段進(jìn)行挑戰(zhàn)，打分等定期還可以把優(yōu)秀的挑戰(zhàn)者匯聚一起組織配音大賽，從線上到線下全面打通，還可以從大賽中挖掘優(yōu)秀的主持人才進(jìn)行人才儲(chǔ)備。

4.地域性競(jìng)爭(zhēng)：中央人民廣播電臺(tái)實(shí)現(xiàn)全國覆蓋即可以說是優(yōu)勢(shì)也可以說是劣勢(shì)。俗語說”眾口難調(diào)“，在大眾傳媒的時(shí)代，信息是供小于求的，全國覆蓋是優(yōu)勢(shì)。但在分眾傳媒時(shí)代，海量的信息遠(yuǎn)遠(yuǎn)供大于求，人們更愿意選擇自己感興趣的內(nèi)容，人群區(qū)隔越來越窄，地方臺(tái)的用戶更關(guān)心本地的信息，全國覆蓋就是劣勢(shì)了，這也是雖然中央臺(tái)在全國覆蓋人數(shù)總量很大，但具體在某一個(gè)城市，遠(yuǎn)遠(yuǎn)趕不上地方臺(tái)的原因了。近來發(fā)現(xiàn)地方方言的節(jié)目特別受地方用戶的歡迎，雖然我們的廣播節(jié)目無法轉(zhuǎn)換為各地的方言廣播，但是有了央廣網(wǎng)的二次傳播和語音合成技術(shù)的飛速發(fā)展，全國覆蓋變?yōu)楦鲄^(qū)域特色的傳播成為可能。在央廣網(wǎng)設(shè)立各地方方言和民族語言選項(xiàng)，讓用戶可以利用語音識(shí)別技術(shù)發(fā)起內(nèi)容點(diǎn)播，利用語音合成技術(shù)完成文本信息到各種方言的轉(zhuǎn)換，讓人倍感親切。

4.降低廣告成本：央廣廣告的制作量巨大，很多次錄制廣告都要邀請(qǐng)演員到錄音棚進(jìn)行現(xiàn)場(chǎng)錄制，時(shí)間成本和演員成本都很高。隨著聲音合成技術(shù)的日趨成熟，只要實(shí)現(xiàn)采集好不同演員的聲音信息，構(gòu)建聲音資料庫。以后只要有了廣告文案就可以隨時(shí)從資料庫里選擇演員，生成廣告音頻，極大的節(jié)約人力成本和時(shí)間成本。

我們相信，隨著各種語音技術(shù)的發(fā)展成熟，將會(huì)對(duì)廣播音頻產(chǎn)生巨大的沖擊，但只要我們努力接受新技術(shù)，接受新挑戰(zhàn)，提前布局，積極創(chuàng)新，也許對(duì)我們更是新的機(jī)遇。

[1]呂夢(mèng).首部AI配音紀(jì)錄片播出，央視已故播音員屏幕前“原音重現(xiàn)”微信公眾號(hào)[J].AI星球，2018-1-22.

[2]譚天.媒介平臺(tái)論[J].2016-7-1.

[3]JOHN.語音合成新技術(shù)，可復(fù)制任何人的語音微信公眾號(hào)[J].intelligentThings，2017-4-29.