一種基于AI配音技術(shù)的微課簡便制作方法

◇福建船政交通職業(yè)學(xué)院經(jīng)濟(jì)與管理學(xué)院 朱娜娜

微課制作是一個比較繁瑣的過程，利用AI配音技術(shù)，采用先制作音頻，后制作視頻，然后進(jìn)行剪輯合成的創(chuàng)新方法，可是實現(xiàn)操作簡單快捷、提高配音質(zhì)量的效果。

我國教育部于2018年印發(fā)了《教育信息化2.0行動計劃》，其中重點強調(diào)了發(fā)展智能教育、辦好網(wǎng)絡(luò)教育，以人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等新興技術(shù)為基礎(chǔ)，依托各類智能設(shè)備及網(wǎng)絡(luò)，積極開展智慧教育創(chuàng)新研究和示范，推動新技術(shù)支持下教育的模式變革和生態(tài)重構(gòu)[1]。2008年美國一位名為戴維.彭羅斯的學(xué)院高級教學(xué)設(shè)計師首創(chuàng)“微課程”概念，而在我國“微課”是佛山市教育局的胡鐵生最早在2011年提出來的，他認(rèn)為，“微課”是以教學(xué)視頻為主要載體，教師針對某個知識點或教學(xué)環(huán)節(jié)而進(jìn)行教學(xué)活動的各種教學(xué)資源有機組合[2]。近年來，在我國互聯(lián)網(wǎng)+、教育信息化浪潮的推動下，全國的各大高校、中小學(xué)校的微課制作如火如荼展開。如何高效、簡易可行地制作微課，成為每個制作微課教師面臨的普遍問題。當(dāng)今人工智能與信息技術(shù)迅猛發(fā)展，AI配音應(yīng)運而生并且技術(shù)不斷取得突破。AI配音，也稱為“人工智能配音”、“合成語音”，在社會各行業(yè)得到越來越廣泛的應(yīng)用[3]。在教學(xué)視頻、音頻制作中，科學(xué)合理應(yīng)用AI配音，不僅能達(dá)到播報準(zhǔn)確、語音標(biāo)準(zhǔn)、語速適當(dāng)、節(jié)奏有序和流利的效果，而且配音環(huán)節(jié)也非常方便易操作，視頻和音頻的后期剪輯也能有效地降低難度和工作量。如此，可以很大程度上解決教師制作微課的部分痛點，方便更多的普通教師參與到教學(xué)視頻的制作中來，實現(xiàn)教學(xué)視頻和音頻的數(shù)量和質(zhì)量快速提升。

1 微課制作的主要痛點之一

胡鐵生在對我國527位高校微課參賽教師的調(diào)查問卷中發(fā)現(xiàn)，有超過50%的教師認(rèn)為微課視頻的后期編輯加工技術(shù)難度大，技術(shù)問題成為多數(shù)教師在制作微課過程中遇到的最大困難[4]。微課有多種類型，通常制作的基本流程是：①設(shè)計與素材準(zhǔn)備：確定課程整體結(jié)構(gòu)大綱、各個細(xì)分微課選題，準(zhǔn)備具體內(nèi)容和相關(guān)素材；②制作視頻：配合前期準(zhǔn)備的圖文內(nèi)容或?qū)嵕?、操作過程等，教師講授、演示，同時進(jìn)行拍攝、錄音、錄屏等操作；③后期剪輯與優(yōu)化：刪除和替換錯誤、多余的內(nèi)容，插入輔助素材和添加各種效果、調(diào)整美化等。在該制作流程中，大部分普通教師都會面臨的共同痛點之一，就是在錄制或拍攝微課過程中，雖然已經(jīng)準(zhǔn)備有腳本，而且配合提詞器看到滾動的腳本內(nèi)容，但還是會出現(xiàn)錯講、漏講、多講，停頓節(jié)奏不合理，普通話不標(biāo)準(zhǔn)，音色不美，發(fā)音不夠清晰，由于緊張和不夠熟練等因素導(dǎo)致講解的表情和語氣機械僵化等各種情況，如此導(dǎo)致了在錄制過程中需要多次重新開始，在后期剪輯中需要很細(xì)致地去捕捉諸多大大小小的錯誤，進(jìn)行修剪和拼接、調(diào)整，非常費時費力，而且普通話不標(biāo)準(zhǔn)、音色不優(yōu)美，發(fā)音不夠清晰等問題，是后期剪輯基本上無法改變的。

2 AI配音的可行性

2.1 AI配音的技術(shù)條件

早在2018年1月，中央電視臺播出大型紀(jì)錄片《創(chuàng)新中國》，就是全球第一個利用人工智能配音技術(shù)重現(xiàn)已故的著名配音大師李易老師的聲音。2018年11月，世界第一個AI合成主播在新華社“上崗”。近幾年來在商業(yè)應(yīng)用的推動下，特別是隨著自媒體行業(yè)的發(fā)展，目前AI配音通過文本結(jié)構(gòu)與語種判斷、文本標(biāo)準(zhǔn)化、文本轉(zhuǎn)音素、句讀韻律預(yù)測等技術(shù)方面的不斷改進(jìn)，已成為較成熟可落地的產(chǎn)品，在各種場景的應(yīng)用越來越普遍。AI配音的音質(zhì)優(yōu)美和豐富多樣，能夠模擬真人的韻律進(jìn)行合理停頓、重讀、輕讀、情感的語氣表現(xiàn)，實現(xiàn)聲音的高低曲折、抑揚頓挫、字間協(xié)同過渡平滑、自然等效果，已經(jīng)有很多品牌能做到。

2.2 AI配音的主要優(yōu)點

首先，AI配音工具的選擇性廣泛、簡單易得。各種品牌的AI配音平臺和軟件非常多，有電腦端的網(wǎng)絡(luò)在線、軟件，也有手機端的微信小程序、APP。電腦端的主要有訊飛配音、百度智能云在線語音合成、騰訊云語音識別、小馬配音、知意配音、迅捷文字轉(zhuǎn)語音軟件、風(fēng)云文字語音轉(zhuǎn)換器等；手機端的主要有訊飛聽見、配音家、配音神器專業(yè)版、標(biāo)貝悅讀、錄音轉(zhuǎn)文字助手等?；镜牟僮髂Ｊ骄褪卿浫牖蛘迟N文字內(nèi)容在對應(yīng)的窗口，選擇語音風(fēng)格（男聲還是女聲，穩(wěn)重低沉還是溫柔甜美、詼諧幽默還是成熟知性等），設(shè)置停頓、多音字、局部變調(diào)、局部變速度等，然后就稍等幾秒鐘，就能自動生成一個清晰流暢、無噪音的音頻文件。操作非常便捷快速，遠(yuǎn)比人工朗讀節(jié)省時間。

再者，AI配音成本低。很多AI配音是免費試用的，即使是付費，也算經(jīng)濟(jì)實惠，能起到花小錢解決大問題的效果。付費能得到更全面的服務(wù)，例如，微信小程序“配音家”的普通會員17.99元/月，“訊飛配音”的會員費是45元/月，長期會員月均費用更低，可滿足期限內(nèi)無限次配音以及各種精細(xì)化的設(shè)置。

另外，AI配音制成的微課小音頻方便后期剪輯處理。微課的一個關(guān)鍵特點是“短小精悍”，一個微課的持續(xù)時間通常是5～10分鐘，一般少于20分鐘。一個微課文稿（腳本）內(nèi)容大概在1500～2000字，在正常語速情況下，錄制的音頻大約6～10分鐘，不僅在腳本撰寫和修改方面很方便，在后期剪輯方面，因為一個比較小的音頻文件，放在剪輯軟件的音軌上，很方便進(jìn)行放大、剪切、調(diào)整位置、對應(yīng)添加與修改字幕等精細(xì)操作。

3 基于AI配音技術(shù)的微課制作實踐

3.1 準(zhǔn)備工作

首先，在定好系列微課細(xì)分主題的基礎(chǔ)上，圍繞具體的每一個微課進(jìn)行PPT制作和腳本撰寫。PPT要應(yīng)用簡要的文字突出重點，并配以相應(yīng)的圖、表、小動畫、視頻等（這些素材也可以等到后期應(yīng)用剪輯軟件再插入），力求清晰、簡明扼要、邏輯結(jié)構(gòu)條理。而腳本其實就是教師的演講稿，要根據(jù)PPT來詳細(xì)化，加入必要的、適當(dāng)?shù)倪^渡性語句，并按順序和頁面內(nèi)容對PPT里的主題或者關(guān)鍵詞展開詳細(xì)解析和補充擴(kuò)展。為了接下來在對腳本文字進(jìn)行AI配音中，能有對應(yīng)合理的停頓，以及在后期錄屏制作中能更好地與PPT翻頁同步配合，在腳本撰寫時需要注意分隔，特別是對應(yīng)每一頁PPT的內(nèi)容進(jìn)行分段，必要的時候也可以做好標(biāo)記，在錄屏?xí)r可查看與對照操作，減免操作失誤。

3.2 應(yīng)用AI配音技術(shù)制作音頻

利用電腦端（在線平臺或軟件）或者手機端（小程序或APP），對完善的腳本利用AI配音進(jìn)行音頻制作。以手機端微信小程序“配音家”為例，為了方便操作（特別是實現(xiàn)腳本內(nèi)容的直接復(fù)制粘貼和后期音頻直接下載到電腦剪輯），可以在電腦端打開微信軟件，進(jìn)入小程序里的“配音家”，在其配音主頁面粘貼上前面已經(jīng)準(zhǔn)備好的腳本內(nèi)容，然后，選擇合適的音色優(yōu)美的“朗讀員”，并在需要地方插入停頓（可根據(jù)情況，插入1秒、1.5秒、2秒……5秒的停頓時間），如果有多音字，可以進(jìn)行多音字糾正設(shè)置，還可以調(diào)整音量、語速。以上各種設(shè)置完畢后，直接點擊“生成語音”，稍微等待不到1分鐘，一個10分鐘左右的音頻就生成了，可以在線進(jìn)行預(yù)覽試聽，如果發(fā)現(xiàn)有差錯和不滿意的地方，可以重新編輯，重新修改、設(shè)置和生成音頻，直到?jīng)]問題，就點擊“下載音頻”，把MP3格式的音頻下載到電腦里待后期使用。除了以上設(shè)置和操作，還可以根據(jù)需要添加背景音樂、音頻格式轉(zhuǎn)換、拼接成對話等操作。類似的配音軟件和在線平臺，基本操作方法大同小異。國內(nèi)行業(yè)領(lǐng)先的專業(yè)配音網(wǎng)“訊飛配音”還能進(jìn)行“局部變調(diào)”、“局部變速”的設(shè)置，以便更接近真人播音的音調(diào)變化。整個AI配音過程基本上非常簡單易上手、快速方便，在腳本準(zhǔn)備完善的基礎(chǔ)上，10分鐘之內(nèi)就可以做出一個音頻，尤其是操作熟練后，制作過程可實現(xiàn)一次性順暢完成。

3.3 根據(jù)音頻制作視頻

根據(jù)前面準(zhǔn)備好的PPT，教師要聽著上一步制作好的講解音頻（電腦端如果采用全屏錄屏，音頻在電腦里就不方便同時操作，可以把音頻轉(zhuǎn)發(fā)到自己的微信，用手機做輔助，進(jìn)行播放），采用電腦錄屏軟件進(jìn)行PPT操作錄屏。也就是，對PPT的操作動作和進(jìn)度要根據(jù)已錄制好的音頻進(jìn)行。最基本的操作是翻頁，如果PPT有另外設(shè)置動畫效果，要細(xì)致準(zhǔn)確地捕捉講解音頻的進(jìn)度，以便讓動畫動作和翻頁都能與音頻內(nèi)容同步對應(yīng)。教師最好能事先熟悉講解音頻里關(guān)鍵內(nèi)容與PPT內(nèi)容的對應(yīng)關(guān)系，或者同時查看前面做好標(biāo)記的腳本，一般就不會出差錯和慌亂。這一步的關(guān)鍵是根據(jù)音頻來自制作視頻，改變了以往視頻音頻同步錄制的常規(guī)做法。以往常規(guī)做法是播放PPT錄屏，教師要邊看PPT內(nèi)容，邊操作PPT（翻頁、標(biāo)注、點擊動畫動作等），還要對照腳本來講解或者臨場發(fā)揮講解，容易手忙腳亂、顧此失彼，導(dǎo)致不斷重復(fù)和各種差錯，而且后期精細(xì)剪輯的工作量比較大。

3.4 視頻與音頻的剪輯合成

得益于近年來自媒體行業(yè)的快速發(fā)展，目前的剪輯軟件非常多種，適合普通教師的容易上手、便捷好用的主要有：剪映、Camtasia、蜜蜂剪輯、快剪輯等。基本操作也類似，就是把音頻和視頻都導(dǎo)入到剪輯軟件，把視頻本身的聲音關(guān)閉或調(diào)整為靜音，而采用之前制作好的音頻。根據(jù)上一步的操作，此時的音頻與視頻一般都可以做到同步對應(yīng)的，即便有些地方不同步，也可以把音頻或視頻進(jìn)行剪切，然后針對某一段在音軌或視頻軌上進(jìn)行移動，直到音頻內(nèi)容與視頻內(nèi)容同步對應(yīng)。在此基礎(chǔ)上，對合成的視頻進(jìn)行進(jìn)一步優(yōu)化，可以插入相應(yīng)的輔助視頻、動畫和圖片，添加字幕、音效、背景音樂、畫面特效、特殊片頭片尾等效果，進(jìn)行色彩、亮度、清晰度等調(diào)整美化。最后，以高清格式（一般是1080P）導(dǎo)出成品微課。在這一步，就省去了對真人講解時錯講、多講、漏講的精細(xì)識別和剪輯，也不需要降噪處理，如果采用音頻自動轉(zhuǎn)字幕的功能（像“剪映”軟件就可以實現(xiàn)），還會因為AI配音的普通話比真人播報更標(biāo)準(zhǔn)從而使得字幕識別率更高，可以節(jié)省大量的修改和調(diào)整時間。

4 結(jié)束語

微課作為教育信息資源的其中一種類型，它的制作也要遵循“適用、實用、易用”的基本原則，才有進(jìn)行推廣應(yīng)用和被普遍接受的基礎(chǔ)。利用AI配音,結(jié)合PPT錄屏的簡單快捷微課制作方法，能夠降低普通教師們親自全程制作微課的難度。雖然真人配音具有傳遞微妙感情、更加靈活生動等優(yōu)點，但是在客觀上，廣大的普通授課教師沒辦法全部達(dá)到專業(yè)播音主持人的程度和水平，在播音連貫準(zhǔn)確、流利清晰、發(fā)音標(biāo)準(zhǔn)、音色優(yōu)美等方面是遠(yuǎn)遠(yuǎn)不及AI配音的。隨著人工智能技術(shù)的持續(xù)發(fā)展，AI配音技術(shù)也持續(xù)優(yōu)化和迭代，必將向更加人性化、更加貼近真人講解的方向發(fā)展。利用AI配音制作微課，因其便捷性和良好效果值得教育界推廣應(yīng)用以及更深入的研究與實踐。