《創(chuàng)新中國》：AI配音講述中國創(chuàng)新故事

王曉楊

近日，由中央電視臺和深圳市委宣傳部聯(lián)合出品，CCTV-9紀錄頻道和深圳廣播電影電視集團聯(lián)合攝制的6集紀錄片《創(chuàng)新中國》首播收官。CSM媒介研究全國網(wǎng)數(shù)據(jù)顯示，該片播出期間，CCTV-9紀錄頻道收視率比去年同時段提高了17﹪，收視份額提高了10%。

《創(chuàng)新中國》共6集，內容包括《信息》《能源》《制造》《生命》《空海》和《潮起》，展現(xiàn)了中國最新科技成就和創(chuàng)新精神，此外，該片也是世界首部利用人工智能模擬人聲完成配音的紀錄片，節(jié)目解說部分全程運用人工智能配音。

讓科學觸達觀眾

《創(chuàng)新中國》總導演史巖表示，“《創(chuàng)新中國》的策劃、產(chǎn)生是當下中國社會發(fā)展的時代需求，是央視作為國家主流媒體自發(fā)自覺的社會責任擔當。創(chuàng)新的范疇很大，包括制度創(chuàng)新、理論創(chuàng)新、文化創(chuàng)新等方面，但科學和技術的進步是創(chuàng)新的核心力量所在，所以我們選擇科技創(chuàng)新成果作為主要切口，來呈現(xiàn)今天中國的創(chuàng)新故事。”《創(chuàng)新中國》不僅講述了科技知識本身，更重要的是講述了默默耕耘的科學家和創(chuàng)新者們在創(chuàng)新過程中發(fā)生的故事和展現(xiàn)的精神。在面臨新一輪產(chǎn)業(yè)革命和技術革命的時代背景下，該片呼吁全社會聚焦推動中國科技發(fā)展的脊梁人物。

《創(chuàng)新中國》制片人劉穎表示，《創(chuàng)新中國》不僅要深入淺出地講解科學知識，更重要的是將對科學的尊敬、對科學精神的尊敬和對創(chuàng)新者的尊敬觸達觀眾。

科技題材紀錄片拍攝難度大，對導演要求比較高，因此，國內此類題材的紀錄片也比較少。“比如，如何在有限的時間里，將量子、中微子等‘不明覺厲的科學名詞直觀地呈現(xiàn)給觀眾？”史巖認為這是《創(chuàng)新中國》的制作難點，也是看點。在主題選取上，6集內容涵蓋了目前世界范圍內普遍關注的科技前沿技術領域。節(jié)目中展現(xiàn)了我國自主研發(fā)的大飛機C919、第三代核電華龍一號、搜索宇宙信息的天眼等“大國重器”;還展示了無人機快遞、解決交通擁堵的城市大腦智慧管理系統(tǒng)、無人駕駛等與百姓生活密切相關的高科技;以及“給蚊子絕育”“返老還童”等黑科技。史巖介紹，《創(chuàng)新中國》拍攝了近80組人物故事，但考慮到篇幅和內容結構編排，最終只呈現(xiàn)了47個。

此外，片中運用了大量的動畫演示，并運用微觀攝影等拍攝手法將復雜玄妙的科學世界可視化，讓觀眾更容易理解。“我們確立了希望抵達觀眾的目標。但是這個過程中，沒有人知道捷徑。做《創(chuàng)新中國》就像科學家做科研工作一樣，我們做了無數(shù)次的‘實驗。遇到難以呈現(xiàn)的科學現(xiàn)象，就轉換思路，嘗試多種表達方法。片子出來后大家一起提意見，反復打磨，用心制作每一個故事，令其既要符合科學知識，表達創(chuàng)新精神，也要生動感人。”劉穎說。

史巖表示，節(jié)目組非常關注觀眾反饋，網(wǎng)絡平臺上的彈幕是最直接的反饋，“我們在B站看到很多網(wǎng)友的彈幕留言，大家對于這部片子的喜愛，對于先進科技的好奇心讓我們深感欣慰。”

人工智能配音

史巖介紹，《創(chuàng)新中國》采用人工智能模擬人聲完成配音，是偶然也是必然。節(jié)目組找配音員試配過，但是始終無法達到心目中大片的質感。史巖想起了已逝的知名播音員、配音演員李易，2011年CCTV-9紀錄頻道成立時，李易曾為第一部紀錄片《美麗中國》配音，他的聲音音質純粹，語感穩(wěn)定，是央視紀錄頻道的標志性聲音。史巖突然想到，如果可以用人工智能將李易的聲音復制出來，不僅能為這部作品找到理想配音，同時也踐行了節(jié)目組科技創(chuàng)新的核心制作理念。

隨后，史巖聯(lián)系了一直為CCTV-9紀錄頻道做音頻工作的李易的徒弟王同，王同聽后非常興奮。在得到李易家屬的支持后，史巖團隊立即飛赴安徽合肥，開始與科大訊飛接觸。

首次見面，科大訊飛AI研究院研發(fā)主管江源告訴史巖團隊，運用他們擁有的頂級人工智能語音合成技術，用標準的普通話合成出一段新聞稿，已經(jīng)不存在技術問題。但是，情感是一種不容易量化和學習的復雜參數(shù)。運用人工智能技術為紀錄片配音，這對他們來說也是一次優(yōu)化算法、提升人工智能水準的機會。于是，雙方順利達成合作意向。

回到北京，王同團隊根據(jù)史巖對《創(chuàng)新中國》“平緩敘事”的聲音要求，從李易為紀錄頻道錄制的大量聲音中精心選出17個小時的素材交給科大訊飛AI研發(fā)團隊（以下簡稱AI研發(fā)團隊）。AI研發(fā)團隊從音色、韻律、內容三個方面進行量化分析。

AI研發(fā)團隊是人工智能語音分析研究和計算機程序的專家團隊;王同團隊則更了解紀錄片解說詞的具體要求和紀錄片整體制作流程。兩個團隊發(fā)揮各自優(yōu)勢，緊密配合，建立了一套順暢高效的合作流程。

首先，由導演組向AI研發(fā)團隊提供解說詞，AI研發(fā)團隊進行人工整理分析，標注好需要計算機特別注意的點，合成音頻文件。第二步，AI研發(fā)團隊對音頻文件進行初步判斷篩選，將優(yōu)化后的版本交給王同團隊。同時，還提供一個帶編號的解說詞文本，每一句話一個編號。前兩個流程，AI研發(fā)團隊一般需要5天左右的時間。第三步，王同團隊將合成音頻文件擺放在片中的對應位置，進行第二輪篩選。找到不符合要求的音頻，就在帶編號的解說詞文本上做好標注，盡快反饋給AI研發(fā)團隊進行處理。音頻不滿足要求的原因包括連貫性不好、重音位置不對和斷句位置不對等。這個步驟，王同團隊需要3天左右的時間。第四步，AI研發(fā)團隊進一步做音頻的焦點處理，同時，王同團隊開始對聲音進行精剪。這個工作需要3天左右的時間。第五步，將AI研發(fā)團隊調整后的音頻替換進片子里，王同團隊繼續(xù)做剪輯。最終，執(zhí)行總導演查看配音是否還存在硬傷，并由執(zhí)行總導演當場改詞，以嘗試其他可能的組合方式。

史巖回憶稱，第一次聽到AI研發(fā)團隊做的人工智能合成音頻，導演組還是很驚喜的，音頻相似度達到60%以上。《創(chuàng)新中國》每集的音頻大概要進行三個來回的反復修正，經(jīng)過不斷優(yōu)化，達到最終呈現(xiàn)效果。

劉穎表示，“人工智能語音合成技術這個創(chuàng)新的想法，點燃了我們整個團隊的創(chuàng)作欲望。同時，這項技術的運用也引發(fā)了業(yè)界內外關于人工智能、語音合成方面的思考。《創(chuàng)新中國》采用人工智能語音配音的意義就在于我們走出了這一步，推動了藝術與技術的結合。”endprint