AI绘画还在吵架，米哈游、网易入场的AI配音已经开始挣钱了
老瓜新吃 |
近日，进入飞速发展阶段的AI可谓是科技行业新晋“当红炸子鸡”，稍微一点风吹雨动，就能轻松登上热搜榜单。但是我们今天要聊的，不是人们热议的ChatGPT和AI绘图，而是早已以更加成熟的姿态进入商业市场的AI配音。
尽管在短视频平台上，影视解说账号开头的吟唱魔音罐耳，深入人心，但AI能说的，早已不止“注意看，这个女孩叫小美……”
尤其是在游戏市场，AI配音已经得到了相当不错的玩家反馈。昨天（3月20日），网易旗下的乙女游戏《时空中的绘旅人》就发布微博表示，游戏角色叶瑄采用的AI新声音模型得到了更多玩家的好评，游戏内问卷调查结果显示，新配音实装后的用户评价均高于早期AI配音（2022年与卿书版本）。
01
声优塌房，AI救场
聊到乙女游戏使用AI配音，我们就不得不提前几天刚上热搜的配音圈大佬姜广涛对此做出的“贡献”。
姜广涛这个名字你可能没听说过，但是他的声音你一定不会陌生。经典影视剧《小鱼儿与花无缺》里面的花无缺、《泰坦尼克号》中的Jack、《宫锁心玉》里的八阿哥，用的都是他的配音。在游戏领域，他配过的角色有《时空中的绘旅人》中的叶瑄、《未定事件簿》中的莫弈、《花亦山心之月》的玉泽、《阴阳师》帝释天（CG）、《仙剑奇侠传五》姜云凡和《奇迹暖暖》钟离梓等等。
去年7月，网上出现爆料称姜广涛被警方带走，随即姜广涛旗下工作室光合积木发表声明，说是因为商业纠纷正在配合调查。在线下活动取消、配音项目停更的同时，有“知情人”出面爆料，姜被带走的真实原因是因为以职务之便骗钱，藏账目，藏公章，藏营业执照，涉及了刑事犯罪。不久后，网友查到反馈回复信息是职务侵占2000万元，再次证实了这一消息。
瓜还没吃完，网易的《时空中的绘旅人》和米哈游《未定事件簿》就前后脚宣布，游戏中姜广涛配音的角色，后续将更换为AI配音。
而这次AI的出场，也着实让人惊艳了一把。下面是网友整理的声优与AI配音的对比，大家可以浅浅感受一下。
我们从视频下方的评论风向也不难看出，实装的AI配音效果超出了大多数玩家的预期。尽管AI的声音还不“完美”，但是其表现“一点也不AI”，相对自然的声音效果和永远不会塌房的优势让不少玩家直呼“太牛了”！
当然，还是有少部分玩家不太能接受AI，认为某些语句的语调、气息和情感仍能听出瑕疵，也有玩家认为没有人类声音情感支撑的纯纸片人，就等于失去了灵魂。
但整体来看，大多数玩家对于刚进入游戏的AI配音仍抱以相对宽容的态度。
3月17日，吼浪工作室发布通告表示，姜广涛等人因实施重大侵害，涉嫌刑事犯罪被公安和检察机关处理。官方发声后，姜广涛事件的性质终于有了最终定论，而已经上线了半年多的AI配音，也已有了显著的进步。
3月20日，《时空中的绘旅人》官博发文，表示2023年2月游戏内的问卷调查结果显示，叶瑄新声音模型实装后的用户评价均高于早期AI配音，未来游戏官方计划逐渐迭代并替换掉初代技术方案的配音内容。
至此，AI配音在游戏市场的首轮尝试已经取得了喜闻乐见的成果。
02
AI声音背后的技术支持
AI配音效果迭代的背后当然是技术的发展。而站在《未定事件簿》莫弈和《时空中的绘旅人》叶瑄的AI声带背后，提供主要技术支持的，分别是逆熵科技和网易互娱AI Lab。
早在2019年，大伟哥就曾在上海交大的一次演讲中分享过，逆熵AI的目标是通过深度学习某一个声优的音色和情感，做到输入文字自动得到该声优的配音结果。以避免档期不足等情况，还能将该声音塑造成IP，永久保留，甚至出售声音版权。
或是这一想法的推动，组建于2018年的逆熵研究部门，在2020年正式升级为主攻DeepLearning等AI技术的逆熵科技。
在工作室正式成立后，逆熵AI很快就开始了炫技。2021年2月，米哈游旗下的虚拟偶像@yoyo鹿鸣_Lumi（下称鹿鸣）发布了一则名为“想听我讲野猪公主的故事吗？”的视频，简介中明确标注声音由逆熵AI生成。
这次成果展示惊呆了不少观众，原来AI的声音已经发展到了远超“Hi，Siri”的程度。断句流畅自然、语气活泼、难辨AI痕迹的听觉效果，让粉丝们狂喜：老婆终于有声音了！黑科技赛高！
2022年7月，鹿鸣在B站开启首次直播。时长半小时的直播吸引了超66万用户观看，收获了322位舰长（折合收入约6万多元）。在直播结束后，该直播录屏播放量突破了200万次，鹿鸣的B站关注人数也很快超过了150万。而在此次直播内容中，获得粉丝们最多讨论的除了精细的动作与画面外，还有明确标注由“逆熵AI生成”的声音。
在直播结束的两个月后，受姜广涛事件影响，《未定事件簿》正式宣布将为莫弈装上AI声带，积累的数年时间的逆熵AI配音能力，终于正式进入游戏应用阶段的探索。
网易对于AI语音的技术探索也开始得很早。2017年，专攻计算机视觉、自然语言处理、语音信号处理、游戏AI等技术的网易AI Lab成立。
2020年，网易AI Lab在全球最大的语音会议INTERSPEECH上，拿到了与文本相关声纹识别赛道的双料大奖，展示了网易 AI Lab 在在声纹识别技术探索上的领先成果。
但在早期阶段，网易 AI Lab 的声纹识别技术似乎并未进入配音场景，而是主要被应用于身份验证、针对音色对玩家进行分类等场景。
甚至在2021年，与《羊城晚报》合作推出广东媒体首个视频类AI合成主播“羊小晚”和“羊小派”的时候，网易AI Lab的语音识别技术，也仅被用于与实现与语音适配的唇动效果，其中的配音部分，则采用了科大讯飞的语音合成技术。
据《羊城晚报》报道，该AI主播系统只需输入文本或音频，即可在几分钟内快速生成AI合成主播的新闻播报视频。从最终呈现效果来看，科大讯飞的语音合成技术，在当时已基本能够满足吐字清晰、音色自然、蕴含感情等新闻播报等基础需求。
2022年8月，《时空中的绘旅人》游戏官方宣布将与网易互娱AI Lab合作，分析提取叶瑄角色原有配音声纹特征，录制新的语音，网易AI Lab终于开启了为游戏角色配音的新旅程。
03
闷声发大财的AI语音
除了以上两个AI工作室，还有更多人工智能团队在不断探索AI语音的应用可能性。而且，可能出乎你预料的是，AI语音目前已经创造出了十分可观的商业化效益。相对于高调来袭、不断引起广泛讨论的AI绘画，AI语音可以说是“闷声发大财”的典型。
据Market.us统计，2022年全球Ai语音生成市场规模约达12.1亿美元，预计在2032年，该数据将增长至48.89亿美元，复合年增长度达15.4%。
相当能挣钱的AI语音生成技术落地到配音，主要有以下几种应用形式。一是声音克隆，让AI学习已有声纹特征，在用户输入目标文本后，模仿合成相应的声音效果。《时空中的绘旅人》叶瑄的配音就是这一类，再比如2018年，央视九套推出的全球首部AI配音纪录片《创新中国》也属此类。据了解，该纪录片合成模仿的是“配音大师”李易的声音。目前，该纪录片依然在豆瓣上保持着9.0的高分。
二是声音合成，在大量声音数据的基础上，根据输入文本，直接产出AI合成音色的效果。今年年初，科大讯飞发布的雨水节气短片，也是由AI合成声演绎的，该视频呈现出的“以假乱真”的配音效果，引起了大量用户的主动传播。
三是音色转换，利用声纹技术，将输入的音频内容，替换成目标音色。有粉丝猜测，米哈游鹿鸣的声音就是这种情况。这类玩法技术相对更加成熟，门槛更低，因此被网友们普遍应用于视频配音与整活。在视频网站上常见的“拜登教奥巴马玩源氏”、“美国总统给魂系游戏排名”等整活视频，都是通过这种方式产出的。
尽管AI配音的应用方式多样、适用场景广泛，且在游戏市场上已有案例可供参考。但实际上，在目前要将该技术大规模应用于游戏开发依然不太现实。
有尝试过AI配音的开发者告诉茶馆，AI配音和单纯的电子书朗读不同，想要AI呈现出类似声优一样的、贴合角色的表达效果，需要耗费大量的时间对声音模型进行训练，这个时间成本相较于演员配音，高达数十倍不止；而且由于对白文本承载的情感理解量过高，最终呈现出来的效果基本无法达到完美，细节处的切分和语气转换总会与真人有所差异，这些微小差异很有可能会对游戏的沉浸感造成负面影响。
因此，目前真正将AI配音用进游戏中的厂商仍是少数，毕竟不是每个游戏厂商都有网易和米哈游一样的票子和技术。尽管如此，面对迎头打来的新浪潮，茶馆发现身边有越来越多同行开始积极关注和研究AI配音。可见，积极迎接技术变化，正在成为业内常态。
最后，茶馆玩了玩几款AI语音生成器，跟大家分享一下呈现出来的效果。（此为简单测试效果，仅供参考）
腾讯智影：https://zenvideo.qq.com/
科大讯飞：
https://www.xfyun.cn/services/online_tts
据说微软Azure和ElevenLabs的效果也很好，大家也可以试试。
微软Azure：
https://azure.microsoft.com/zh-cn/products/cognitive-services/text-to-speech/
ElevenLabs：
https://beta.elevenlabs.io/sign-up
推荐阅读