语音革命元年来了：BBC、FT等媒体要点亮哪些全新技能树？

在巴黎举办的智能语音大会（Smart Voice Summit）上，来自谷歌的Lionel Mora表示：“我们，正处于语音变革元年。”

那么，何时才是语音时代的真正变革点？

谷歌工程师Peter Hodgson举了个例子：手机出现之初，人们就像被“室内禁烟”的烟民，小心地聚成小撮儿打电话。然而随着时间推移，公共场合打电话变得理所应当，在餐厅吃饭，我们甚至能直接把手机放餐盘边。

AI语音设备或许同样如此，几年后，我们走在大街上也能泰然自若地对着空气，发出一系列指令。

如今谷歌语音助手的全球使用量已超4亿台，亚马逊虽然对市场占有量守口如瓶，但仅“黑五”一周，就有百万台Alexa售出。那么，10年后的市场会有多少语音助手？这对于媒体行业又意味着什么？除了现有的播客、动画简报、新闻小测验外，媒体还能如何利用语音技术？哪种形式适配度最高？是否会有任何伦理问题？

2018年，全球语音设备将超5000万台

本期全媒派（ID：quanmeipai）带来智能语音大会的最新观点，和BBC语音编辑Mukul Devichand、《金融时报》实验室总监Chris Gathercole、Bayerischer Rundfunk数字战略总监Christian Daubner一起，一窥智能语音市场发展前景。

智能语音峰会 巴黎

报告重点：

• “文字—语音”的正确入局步骤

• FT、BBC、BR如何应用语音技术

• 语音时代，媒体面临的新挑战

“文字—语音”的正确入局步骤

从文字到语音，这意味着次元的转换。那么，到底该如何切入？

精选音频

智能语音峰会似乎向外界传递着一个行业共识：移动变革时代，新闻编辑室再不布局语音业务，恐怕机会尽失。

Gathercole给出了解决方案：首先是难度不小的音频和文字到语音（TTS）的转换。难度在于，语音转换过程中，文章和诗歌中微妙的表达、幽默、讽刺难以转换，谁想听用同样语气一念到底的新闻？短而简洁的内容，如梗概，会更适合语音转换。

以《金融时报》为例，FT早已开始使用亚马逊的Polly工具（关于Polly，可参考《国内外媒体悄然试水“读新闻”，智能语音资讯正召唤下一场变革》），其人工智能机器人Amy能在1-3秒内，迅速将文字转为语音形式。

然而，这并非意味着真人播客主持人会被机器人取代，FT专栏作者Lucy Kellaway听闻机器人念了自己的文章后有些崩溃，听完节目便以此为主题写了下一篇专栏：“听Amy念新闻不是在听非英语讲者在大声朗读，听的是一个没有头脑、没有内心，也没有幽默感的人在朗读。情绪的贫瘠甚至让我无法理解这篇专栏到底在讲什么——这是我写的专栏。”

人机混合

FT发出了Kellaway猛烈抨击“冷漠”Amy的专栏文章，Amy又朗读了这篇文章。据Gathercole所说，听后感觉“很不可思议，人类无论何时都不会被机器取代，这事儿是机器人告诉你的。”

尽管Amy声音甜美，习得能力强，成本也低，但它距离“像一个人”还有一段距离。Gathercole认为，音频或音频+视频，最好的解决方法还是人机结合，即人声朗读部分文本，机器语音阅读短消息。

建立语音人格

谷歌工程师Hodgson在峰会上提出，比起赋予语音助手所有人设，最好还是塑造一个完整的人物角色。

举个例子，Alexa的语音助手就有鲜明的人格，还是女权主义者。如果有人询问Alexa是否是女权主义者，她不仅会给予肯定回答，还会告诉你“任何人都应弥合社会的男女不平等现象”，此外，她也支持科学技术领域的多元化和社会进步。

所以，所有语音助手都应该有自己的幕后故事，一个鲜明的人格，以充分契合品牌调性。

Quartz在Alexa的新闻节目中新增了两位主持人，机器人Brian和Kendra，他们会像Quartz App每日推送的文字一样，为Alexa听众朗读对话式新闻。此前Alexa已经开设了Quartz每日简报，但Quartz团队发现，采用混合语音和对话式新闻能让语音助手得到更好的应用。

Quartz实验室负责人John Keefe提到一个有趣的现象，大家喜欢男主持Brian的英式口音，有很多人会问他是否是英国人，“对美式英语讲者而言，我们是否出现了某种口音的不耐受症呢？”

FT有一点别的担忧。正在尝试开发的Alfred，不是用户的朋友，而是一个工具，不聊天，但能安安静静地把用户想要的消息呈上来，又能把报纸上的重要信息划好重点的工具。好处在于，用户不会爱上Alfred，不会出现电影《她》中反乌托邦式的人机恋爱情节。FT希望设计一个可以完成语音指令的工具，而不是一个聊天的朋友。不过，这只是FT希望实现的众多语音功能的其中一个，“挑战不少，但也是一个遥远的愿景。”

人机对话

“对话就是一切，写一个对话样本，然后试着操作它。”

——Hodgson

文本和语音对话通常有较大区别，文本对话念出来，才能让人发现语音文本出现了什么问题，所以，在AI语音助手开发团队里，对话文本写作者尤其重要。

下一步则是建立修复策略。通常情况下，用户可能不会喜欢语音交互，一旦交互跑题，用户会自责、生气、尴尬、困惑，这其中62%用户会重启，剩下的则会放弃语音，直接阅读文字。因此，语音交互需要更好的修复策略，在跑题后还能把用户拉回来。

FT、BBC、BR如何应用语音技术

站在智能语音浪潮上，各家媒体如何操盘？以下是BBC、《金融时报》和Bayerischer Rundfunk的操作指南。

新闻简报和播客

自2017年12月开始，BBC已开设覆盖主要语音平台的音频新闻简报，同时也推出了Alexa技能，英国听众可随时启动广播直播和播客，同时，BBC还在寻求与谷歌和其它语音设备的合作。事实上，所有媒体都一样，尝试围绕互动语音进行创意性实验。

Devichand提到：“BBC实现了用户的快速增长，1月独立访客超100万，证明用户希望通过语音获取我们的广播、新闻和音乐内容。BBC下一步将围绕关键题材创作原生语音内容，将语音创意植入语音互动模型。”

新闻对话

BR将广播和电视内容转化为语音设备可用，还将通过人工智能技术创作新闻对话。

Gathercole透露，语音对话会带来无限可能性，当听众能够“打断”新闻广播时，就可以从特定新闻事件中获取更多信息，同时意味着听众的信息获取方式将从被动接受转向主动更新，相比于手动获取和屏幕阅读，语音对话可以帮助用户及时、便捷地获取消息，从而促进不同模式下的语音新闻更新。

新闻测试和脏话罐

FT实验室在Google Home设备上做了一个新闻游戏实验，借助FT强大的富豪人名数据库，让用户判断FT新闻中常提到的公众人物。

除此之外，它又开发了 “脏话罐”功能，语音交互记录下读者的有声评论，并进行情感分析，列入预设脏话罐，通过惩罚拒绝更改不好言论的用户来提高评论区质量。这是Hackathon大会上一个2天内设计出的项目，尽管只是实验小样，但也证明了融合语音技术以触发内在需求是用户所需的。然而，将评论区里的好坏一一呈现，会为管理组带来新的挑战，因为脏话可不是优质评论。

娱乐和少儿节目

BBC R&D实验室推出了一档实验性语音戏剧节目《检查室》，最大亮点在于其极高的自由度，听众可以听一段故事，然后在给出的诸多选项中选择自己的故事情节。

此外，BBC还计划今年创作一些儿童节目，这也是BBC公共服务职责的核心部分。不过，语音设备会如何影响儿童身心发展，卫报作者Stuart Heritage有自己的担忧：“现有的语音识别形成了固有理念，即我们必须礼貌对话，逢句必说‘请’和‘谢谢’，但当孩子意识到哪怕大喊大叫也能让语音设备执行指令时，可能会对儿童产生新的影响。”

语音时代的媒体新挑战

用户需求点不明

部分消费者了解自己对播客的需求，譬如它能融入自己的日常生活，为自己提供精准内容，等等。但对语音设备而言，用户需求则不够明朗。

事实上，用户可能喜欢语音助手，也会提出新的需求，但基于一系列探索性指令之下，很难确定语音助手是否能提供更深入的体验。这些精心设计的复杂技能，很可能难以让人产生兴趣，也许无法提供优质的新闻体验。

Gathercole写道：“毫无疑问，这是合力对未知可能性的一次有意思的探索，也让我们建系统工作模型，以帮助设计者和用户共同发现，探索语音助手是否值得。”

品牌性被稀释

无论语音助手听起来像真人还是机器，或是人机混合，都会让用户对媒体的品牌认同打个折扣。

一个老生常谈的问题在于，“当媒体被融入语音助手，变成商品，和用户的链接就会被弱化，内容价值也会因此猛跌。”Gathercole如是说。

变现难

尽管语音中可以加入前后贴片和中插广告，但变现仍然艰难，语音广告比网页广告更容易带来侵入感，用户难以接受。

而服务性订阅产品如FT或亚马逊prime，语音可能仅仅是另一个频道，无需额外成本，作为订阅的一部分纳入订阅系统。

几乎可以肯定的是，语音将再次变成媒体掌控内容的一大阻力。新闻简报移植到语音助手上可能直接导致每日简报变得一文不值，再无变现机会。

Gathercole希望，于用户而言，语音产品可以作为FT订阅产品的有效延伸，提供丰富内容，产生价值。理想状态下，也能识别并利用优于网页阅读的音频优势。

隐私担忧

尼曼研究员Trusha Barot在一篇文章中提到，家庭语音设备会带来的种种伦理挑战。由于不断向更“智能”方向的学习和进化，相较于网络交互，语音交互可以更轻易地获取用户信息，未来某天，它甚至可以根据你的语气判断你的心情。

智能是更智能了，但如果语音助手无法习得二级信息，如用户的资讯阅读时间和喜好，用户体验依然极差。

那么，“智能”和“隐私”的边界在何处？FT表示自己将数据隐私看得机器重要，一旦涉及家庭或公司语音设备的信息窃取，就超出了FT的掌控范围，当需要和谷歌、亚马逊等语音助理技术公司共享语音信息时，信息泄露责任归属媒体还是平台便难以划分。

那么，站在智能语音变革元年的你，在期待什么，又在担心什么？