你應該在短視頻平臺刷到過各種 AI 配音：猴哥、紫薇、四郎......

初聽有趣，但聽多了容易膩，因為真人不這么講話，原型也不是每時每刻都處在半死不活或者被掐著脖子的狀態(tài)。

尤其當它們都在說「家人們誰懂啊」，會讓不慎刷到的人暴躁到崩潰，上演猴哥甩頭表情包：煩死了·GIF。

其實，AI 配音未必都這么有特點，而是越來越像你我一樣普通，難以和真人分辨開來，這或許才是更可怕、也更有意思的。

不獨立行走的 AI，把人類嚇壞了

前段時間，X 上有個超火的「帶貨視頻」，一個女子坐在汽車前排，直視著鏡頭，手舞足蹈、眉飛色舞地推銷濕巾。

大多數(shù)網(wǎng)友的關(guān)注點，不在于她帶了什么貨，而是判斷她是不是真人。

他們看她的手和口型，數(shù)她瞪白眼的時間，甚至觀察她的發(fā)絲、面部肌肉、臉頰光影，勢要找出證據(jù)把 AI 錘死。

為技術(shù)焦慮的悲觀主義者說，AI 都這么真實了，人類要完蛋了。對技術(shù)半信半疑但維權(quán)意識強烈的網(wǎng)友說，這是真人的素材被盜了。

然而，兩種說法都不對，事情走向了最平淡的結(jié)局：視頻主角真實存在，她叫 Ariel Marie，今年 24 歲，自愿給 AI 打工。

去年 12 月，Marie 通過零工平臺 Fiverr 接單，向法國 AI 公司 Arcads 提供了自己的聲音和肖像，按照對方的要求，錄制了 9 個不同場景的視頻，包括邊走邊說的、坐在車里的。

最近爆火的視頻，她沒能第一個知道。等到出圈之后，朋友的朋友發(fā)來視頻，問她是不是被 AI 偷臉了，她才了解到網(wǎng)友們都在關(guān)心自己是否是人類的一份子。

打開視頻的瞬間，連 Marie 自己都愣了一下，冷靜下來細看，這個數(shù)字人是她又不是她，她不會這么推銷產(chǎn)品。

Ariel Marie 本人

所以，視頻并非純 AI，而是基于真人演員的預錄制，再使用了 DeepFake、AI 配音、口型匹配等技術(shù)。

AI 是否獨立行走，或許不重要，哪怕沒有從頭到尾使用 AI，只要最終效果逼真，也是成功的「造假」。網(wǎng)友們第一反應里的疑惑和惶恐，已經(jīng)說明了問題所在。

AI 甚至不需要比真人做得更好，水平相當就能過關(guān)，比如作為綠幕素材視頻，反而讓人覺得是刻意為之，粗制濫造的效果別有風味。

畢竟，我們刷短視頻時，可能正處在最分心的狀態(tài)，坐在沙發(fā)，躺在床上，或者在廁所蹲坑，注意力不足以識別是不是 AI。

Marie 為 AI 拍攝的 5 個視頻，報價和接臺的普通視頻差不多，15 秒廣告的起價約為 70 美元，60 秒廣告的起價約為 130 美元。

同時，Arcads 的套餐收費不低，每月 100 歐元 10 個視頻，但創(chuàng)作者們還是能節(jié)省時間、金錢和精力。

他們輸入文字內(nèi)容、挑選符合風格的演員，幾分鐘就能生成視頻素材，比招聘真人要便宜，還不需要反復溝通和寄出產(chǎn)品。

圖片來自：YouTube@Alex Cooper

自從 Marie 走紅，更多 AI 公司向她拋去了橄欖枝。人類成為 AI 產(chǎn)品的素材，或許也是一條短暫可行的生財之道。

AI 的言行舉止，更像普通人了

同在 AI 視頻領(lǐng)域，之前讓霉霉說中文爆火的 HeyGen，最近也整了新活。

他們的 AI 角色 Nik，在陽光正好的公園里步履款款，邊走邊說左手插兜右手自然擺動，甚至還會走累了坐下，絲滑切換英語、德語和西班牙語。

效果已經(jīng)有些難辨真假，不是只能在鏡頭前面正襟危坐、除了對口型八風不動的狀態(tài)了。

這說明 AI 角色在兩個方面取得了進步，一是可以識別和跟蹤用戶的身體動作，包括手部，二是在保持口型同步的同時，切換語言還能克隆用戶的語音語調(diào)。

其實，HeyGen 的 AI 角色也是取材于真人演員，默認的 AI 角色有上百個，擁有不同種族、年齡、手勢。

同時，HeyGen也支持我們定制自己的 AI 角色，但是對拍攝設備和場地的要求稍高。

所以在不久的未來，我們應該可以創(chuàng)建自己的數(shù)字替身，讓它精準地自己的動作和說話方式，同時又無痛掌握多國語言。

雖然最新的功能還沒有開放使用，但 HeyGen 放出了 Demo，歡迎網(wǎng)友們輸入文本隨意嘗試口型同步功能，我便讓 Nik 讀《岳陽樓記》，4 分鐘左右就生成完畢，效果有些幽默。

Nik 在普通話里混了外國口音，謫守的謫、浩浩湯湯的湯沒讀對，口型似乎對上了又沒有完全對上，更沒有投入什么感情，看著他皺起的眉頭，仿佛他自己也越念越疑惑。

值得一提的是，HeyGen 背后有 OpenAI 的支持，他們的視頻翻譯，使用了 OpenAI 前不久官宣的語音模型「Voice Engine」，既可以把聲音翻譯成多種語言，還保留母語的口音。

官宣，但不是對外發(fā)布，OpenAI 的理由是擔心濫用，畢竟門檻太低了——使用文本輸入和一個 15 秒音頻樣本，他們的模型就能生成與原始說話者非常相似的自然語音。

但 OpenAI 的普通話說得還不夠好，咬字奇怪，聲調(diào)讀不準，當然，考慮到是外國友人，帶點口音才顯得純正。

微軟，OpenAI 的金主，也在擬人語音方面頗有建樹，最近推出了 9 種更真實的 AI 語音，主要服務于對話場景，這和 ChatGPT 等更加通用的產(chǎn)品不同，更加強調(diào)人情味。

其中還有兩段中文，領(lǐng)先了 OpenAI，甚至不遜色普通話一級甲等的國人。

字正腔圓，沒有一點雜音，像播音主持專業(yè)畢業(yè)生坐在錄音棚聊天，咬字、語氣、笑聲、停頓都非常像真人，聽起來確實非常自然，在抖音和視頻號前途無量。

以后我們看的五分鐘電影解說里的「注意看這個男人叫小帥」，或許不再那么有機器味了。而在一些露臉的視頻里，博主們也完全可以用自己的數(shù)字替身代勞。

那些相貌出眾但不真實的 AI 顏值博主會過時，難以分辨的 AI 普通人博主才是職業(yè)生涯長青的賽博打工人。

與其焦慮被偷家，不如自己擁抱數(shù)字替身

面對越來越「普通人」的 AI，深感焦慮的，除了怕被詐騙的大眾，還有從業(yè)者們，這直接關(guān)乎到他們的飯碗。

克隆聲音，從文本生成音頻，用你的聲音說出你不會說的話，正在變得越來越容易。OpenAI 語音模型所需的樣本，只有短短的 15 秒，短視頻都比這長。

行業(yè)頭部或許還站如松坐如鐘，但剛?cè)胄?、不出名、充當背景板的配音演員們懸起了心。

配音演員 Jared Butler 就是其中一位，他擅長模仿名人的聲音，曾是德普的「嘴替」，在《加勒比海盜 3：世界的盡頭》等大片為杰克船長配過音。

然而，比他更會模仿聲音的 AI 來了。Jared Butler 深感打擊：「你可能覺得，它們聽起來是糟糕的客服機器人，但我必須說，這項技術(shù)的準確性讓人恐懼?！?/p>

但也因為沒有什么可以失去，對于一些配音演員來說，AI 反而是個就業(yè)機會。AI 公司們和這些配音演員，屬于雙向奔赴。

當對數(shù)據(jù)質(zhì)量的要求越來越高，同時公開來源的數(shù)據(jù)搜集是否道德、是否經(jīng)過本人同意存在輿論爭議，AI 公司和專業(yè)人士達成你情我愿的合作，成了最穩(wěn)妥的方式。

Replica Studio 是較為出名的一家 AI 語音技術(shù)公司，已經(jīng)搭建起了一個游戲角色語音庫。

與之合作的一位配音演員透露，對于每個角色，他都會錄制不同情緒的臺詞，快樂的、悲傷的、壓力山大的。每種情緒大約有 7000 個單詞，最終的音頻數(shù)據(jù)集長達幾個小時。

雖然在短視頻之外，AI 配音還不那么普及，但嗅到危機的一些配音演員決定主動出擊，變相轉(zhuǎn)行，翻身做老板，手把手教 AI 代替自己。

為《博德之門 3》等游戲大作配過音的配音演員 Cissy Jones，發(fā)現(xiàn)自己被偷了聲音對方還不道歉之后，怒而開了一家 AI 語音初創(chuàng)公司 Morpheme。

她保證和那些小偷的道德標準不一樣，在爭得演員同意之后，才創(chuàng)建他們的數(shù)字替身，讓他們從中盈利，演員們也可以選擇結(jié)束合作。

與此同時，Cissy Jones 自己也想省力，讓 AI 幫自己做最累的配音部分，尖叫聲、沉重的呼吸聲，諸如此類。

說回文章開頭提到的 AI 帶貨視頻，起初，Ariel Marie 對 AI 只有一個模糊的概念。在貢獻自己的聲音和肖像之后，她問 Arcads 這些素材會用來做什么。

對方回答，你的肖像會被放在網(wǎng)站上，讓別人輸入他們想說的話，然后你說給他們聽。這個簡單的答案，反而打動了 Ariel Marie，她覺得有點可怕，但更多是覺得，這太酷了。

AI 不會倒退，詐騙等負面影響可能也很難禁絕，但同時 AI 只會變得更好、更快、更便宜、更接近人類。

站在原地討論人的創(chuàng)造力和人性如何保留，或許是蒼白而無力的。我們在一次次案例里被迫承認，AI 在某些方面已超過普通人，比如我們無法在思考幾秒之后，就字正腔圓、情緒飽滿地說出幾十秒的話。

但在人與人之間，起跑線或許差別不大，焦慮的情緒彼此共鳴，如何讓 AI 為自己所用，如何避免 AI 剝奪自己，不排斥看到新的世界的機會，也是人類創(chuàng)作力的體現(xiàn) 。