人們擔(dān)心人工智能“變壞”
作者／ 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(dá)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,。”播音從業(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(dá)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(jìn)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,?！?/strong>
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(yuǎn)無法取代的,。”小堯說道,。
“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,。”北京瑞萊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(jìn)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(tuán)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(tuán)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%,。”張?zhí)燹缺硎荆胍テ谱詈蟮?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,。”
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
來源／《IT時報》公眾號vittimes
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人,，不代表芒果財經(jīng)贊同其觀點或證實其描述，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1079836.html
溫馨提示：投資有風(fēng)險,，入市須謹(jǐn)慎。本資訊不作為投資理財建議,。
