人工智能技術(shù)為播音主持藝術(shù)專業(yè)帶來的啟示

（四川音樂學(xué)院，四川 成都 610021）

當(dāng)前，在信息技術(shù)背景下的播音與主持藝術(shù)并不局限于語言范疇，隨著人工智能技術(shù)的逐步成熟，智能語音技術(shù)則是其中重要的方面，相應(yīng)的人機(jī)交互的端口環(huán)節(jié)則是可以看作為人工智能的“入口”。根據(jù)麥肯錫（McKinsey&Company）咨詢公司的預(yù)測，可能在二十一世紀(jì)中葉階段，全球經(jīng)濟(jì)體的有薪工作則會有將近半數(shù)能夠由于科技進(jìn)步而帶來自動化發(fā)展，比如，相關(guān)的播音員、氣象播報員、新聞記者等播音與主持藝術(shù)專業(yè)相關(guān)的職業(yè)也屬于其中的范圍。結(jié)合當(dāng)前人工智能技術(shù)發(fā)展，探討了新時代背景下的播音與主持藝術(shù)學(xué)科的發(fā)展情況。

一、目前智能語音技術(shù)在廣播電視領(lǐng)域應(yīng)用情況

隨著人工智能技術(shù)的不斷發(fā)展，其在傳媒領(lǐng)域中有著較為廣泛的應(yīng)用，其應(yīng)用并不局限于智能語音系統(tǒng)，當(dāng)前，我們還可以看到市場上出現(xiàn)了虛擬主持人、智能語音機(jī)器人以及智能機(jī)器主持人等產(chǎn)物。

（1）人工智能配音。所謂的人工智能配音，則是通過語音合成技術(shù)，結(jié)合網(wǎng)絡(luò)海量數(shù)據(jù)特點(diǎn)，能實(shí)現(xiàn)文字稿轉(zhuǎn)變?yōu)橛新曊Z言，并能結(jié)合相關(guān)語音技術(shù)實(shí)現(xiàn)真人化配音，滿足畫面需求的配合。比如，我國在2018年1月，利用人工智能技術(shù)，來進(jìn)行紀(jì)錄片《創(chuàng)新中國》的配音工作，能通過智能語音技術(shù)以及人工智能再次展示出著名配音藝術(shù)家李易老師的聲音。當(dāng)前，隨著智能配音軟件應(yīng)用越來越多，能實(shí)現(xiàn)文字秒變聲音的功能，或滿足相應(yīng)的配音要求，有效解決以往的配音貴、配音難的情況。

（2）虛擬主持人。在人工智能技術(shù)的背景下，虛擬主持人也是主要應(yīng)用場所，滿足主持人的職業(yè)標(biāo)準(zhǔn)要求，符合時代的科技感。2017年11月，通過模擬央視新聞主播康輝的聲音并進(jìn)行相關(guān)的語音合成，充分展示出科大訊飛的AI語音技術(shù)能力，能夠有效構(gòu)建出虛擬主持人“康曉輝”，能夠在現(xiàn)場進(jìn)行繞口令以及新聞報告等功能，具有非常高的聲音相似度。同時，對于工作人員的張嘴、搖頭以及點(diǎn)頭等反應(yīng)，相應(yīng)虛擬主持人則能做出相應(yīng)動作，但在副語言表達(dá)存在一定不自然；2018年3月，我國媒體的人工智能虛擬主持人在南方財經(jīng)開始上崗，通過相關(guān)的語音合成技術(shù)和語音模擬等進(jìn)步，能夠?qū)崿F(xiàn)AI主持人模擬著名主持人的聲音來開展新聞播報。

二、目前智能語音技術(shù)的優(yōu)勢

（1）通過分化功能有效降低成本。隨著信息技術(shù)的不斷完善，結(jié)合人工智能語音技術(shù)的發(fā)展，能出現(xiàn)虛擬主持人、智能語音合成等成果，當(dāng)前能實(shí)現(xiàn)簡單的播音主持工作，這樣就在一定程度上能夠釋放播音員主持人的壓力，能有效降低播音創(chuàng)作的工作任務(wù)。比如，隨著當(dāng)前的新媒體移動客戶端的普及，智能合成語音技術(shù)得到廣泛的應(yīng)用，能給大眾進(jìn)行新聞收聽提供了廣泛的選擇，在應(yīng)用過程中，其能具有語音規(guī)范、嗓音永不疲勞、隨時在崗、穩(wěn)定的情緒、應(yīng)用成本比較低等特點(diǎn)，能有效降低播音的勞動強(qiáng)度。

（2）利用播報功能能實(shí)現(xiàn)及時準(zhǔn)確的特點(diǎn)。在基于人工智能語音的環(huán)境下，智能語音播報已經(jīng)在我國出現(xiàn)。所謂的語音播報技術(shù)，就是借助于語音合成技術(shù)，能實(shí)現(xiàn)利用無聲的文字轉(zhuǎn)變?yōu)榍逦挠新曊Z言，滿足新聞信息的智能播報要求，這項(xiàng)技術(shù)當(dāng)前已經(jīng)在百度新聞客戶端、央廣新聞平臺等得到廣泛應(yīng)用。相比于人工播報，智能語音技術(shù)能夠省略備稿的時間，快速完成播稿，表達(dá)錯誤少，語言流暢，能高效、積極地完成播講任務(wù)。

（3）高效便捷地開展信息傳播。結(jié)合當(dāng)前融媒體的發(fā)展趨勢，從人工智能技術(shù)的發(fā)展情況來看，應(yīng)積極開展信息傳播的方式的創(chuàng)新發(fā)展。當(dāng)前，考慮到人們大都是通過智能手機(jī)終端來獲取信息，不可避免會造成眼部健康的影響。這樣則應(yīng)該采用“讀”與“聽”相互結(jié)合方式來獲取信息，這樣能使得眼部疲勞得到舒緩，還體現(xiàn)出了媒介環(huán)境的變化情況。通過智能語音技術(shù)，能實(shí)現(xiàn)更加便捷化、高效化的信息傳播。

三、目前智能語音技術(shù)存在的不足

當(dāng)前，人工智能語音技術(shù)獲得了一定的成績，但其還有很長的發(fā)展空間，特別是在真正的播音創(chuàng)作主體的情感、思維以及副語言方面都存在欠缺。

（1）感情。在進(jìn)行播音的過程中，所涉及的感情色彩的范圍比較廣泛，涉及心境、情緒以及情感等方面，更多表現(xiàn)在體驗(yàn)方面，能具有較為復(fù)雜的心理活動。對于播音創(chuàng)作主體在進(jìn)行創(chuàng)作有聲語言的過程中，重視結(jié)合情聲氣，能有效實(shí)現(xiàn)表情達(dá)意。當(dāng)前，結(jié)合智能語音技術(shù)的產(chǎn)品難以體現(xiàn)出感情色彩，不能激發(fā)受眾的共鳴，這樣的情況下，沒有感情的話語自然難以感動有心的人。

（2）實(shí)踐。在人類的實(shí)踐活動中，才能不斷發(fā)展和進(jìn)步。針對播音主持教育工作來說，則應(yīng)該體現(xiàn)出相互結(jié)合發(fā)展理論學(xué)習(xí)與專業(yè)實(shí)踐，要求播音主體用于進(jìn)行學(xué)習(xí)實(shí)踐活動，并能不斷進(jìn)行經(jīng)驗(yàn)積累。當(dāng)前，依靠智能語音技術(shù)的發(fā)展，只能借助于人類大數(shù)據(jù)的輸入，這樣方可以表達(dá)有聲語言，難以進(jìn)行經(jīng)驗(yàn)的學(xué)習(xí)和積累。

（3）副語言。在開展播音創(chuàng)作環(huán)節(jié)，涉及有聲語言和副語言，其中，副語言主要涉及服裝語言、肢體語言以及面目表情等。由于虛擬主持人并沒有太多的表情變化，其大都是微笑狀態(tài)，如果針對不幸、失敗以及災(zāi)難等低情感基調(diào)情況下，微笑則是不適宜的。當(dāng)前，部分三維動畫形象的虛擬主持人能實(shí)現(xiàn)部分簡單的手勢、表情以及肢體動作，但還談不上肢體語言的自如表達(dá)。

四、從人工智能的優(yōu)勢尋找借力點(diǎn)

（1）優(yōu)秀的外部技巧。我國央視在2018年推出了人工智能配音的紀(jì)錄片——《創(chuàng)新中國》，其中紀(jì)錄片的配音則是利用人工智能技術(shù)以及智能語音來完成，能夠重現(xiàn)李易老師的聲音。在此實(shí)踐過程中，可以看出，對于播音創(chuàng)作的外部技巧來說，涉及相關(guān)的節(jié)奏、語氣、停連、重音等方面，結(jié)合導(dǎo)演的是需求，基于人工智能的語音合成技術(shù)能夠基本實(shí)現(xiàn)天衣無縫的狀態(tài)。同時，結(jié)合實(shí)際情況，語音合成主要體現(xiàn)出標(biāo)準(zhǔn)化、低成本以及高效率等方面特點(diǎn)，據(jù)此，在未來的播音與主持工作中，極有可能取代相關(guān)勞動強(qiáng)度高、重復(fù)率高的簡單工作。

（2）全天候的工作效率。對于普通的播音員主持人來說，由于主觀以及客觀原因的影響，在工作中會遇到不穩(wěn)定因素，在直播中存在著疲勞、漏讀、錯讀等問題，或者由于突發(fā)新聞而會造成難以及時播報等情況。相比而言，人類智能主播的穩(wěn)定性以及稿件預(yù)處理能力則明顯要高于人類主播，在應(yīng)用實(shí)踐過程中，極少情況會出現(xiàn)“忘詞”以及“口誤”等問題，其還不受到工作時間以及工作地點(diǎn)等影響。特別是針對突發(fā)新聞，在一定的算法指導(dǎo)下，新聞撰寫速度和準(zhǔn)確率往往也比較高。比如，結(jié)合剛發(fā)生地震的災(zāi)區(qū)、戰(zhàn)爭前線等特殊情況下場景的新聞報道，智能主播則可以克服人類身體的極限而完成特殊性質(zhì)的任務(wù)，更好將更為準(zhǔn)確的信息報道呈獻(xiàn)給觀眾。

（3）大數(shù)據(jù)處理能力。在信息化時代背景下，基于人工智能技術(shù)的大數(shù)據(jù)搜集能力則遠(yuǎn)遠(yuǎn)高于任何個體。比如，當(dāng)今的體育賽事節(jié)目、天氣預(yù)報、財經(jīng)類節(jié)目以及交通類節(jié)目都是需要涉及大量的數(shù)據(jù)搜集以及整理工作，這樣就是可以充分發(fā)揮好人工智能主播的優(yōu)勢，能實(shí)現(xiàn)全方位的信息數(shù)據(jù)分析和整理工作，特別體現(xiàn)在準(zhǔn)確性、及時性等方面。同時，如果能結(jié)合實(shí)際情況來實(shí)現(xiàn)逐步完善人工智能主播的功能性方面，滿足觀眾進(jìn)行高效精準(zhǔn)的報道，能夠結(jié)合實(shí)際信息情況來有效整合畫面、資料以及視頻素材，這樣自然能借助于大數(shù)據(jù)處理優(yōu)勢來獲得良好播放效果。

五、從人工智能的不足以及未來發(fā)展方向

（1）藝術(shù)審美能力力度不足。人類所獨(dú)有的特征主要表現(xiàn)在審美能力方面，這種很難用量化標(biāo)準(zhǔn)來進(jìn)行解釋，難以用得分的方式去衡量一首詩比另一首詩要美、要多多少分?jǐn)?shù)。但從基本的審美水平來看，能夠從藝術(shù)的角度去區(qū)分丑和美。審美具有比較強(qiáng)的個性化，每個人的標(biāo)準(zhǔn)由于自身的知識體系以及社會經(jīng)驗(yàn)都存在一定的差異，審美在某種程度上能夠被語言文字所解釋和描述，能夠進(jìn)行美的體驗(yàn)的相互分享和交流。上述這方面的能力則難以通過計算機(jī)來實(shí)現(xiàn)。但審美則是播音與主持藝術(shù)中不可或缺的重要內(nèi)容，如果審美不足則難以去進(jìn)行完整表達(dá)。對于人工智能來說，難以理解和感受具體的美，也難以進(jìn)行表達(dá)和傳遞。對于播音與主持藝術(shù)的這種表達(dá)藝術(shù)的特點(diǎn)來說，應(yīng)該重視如何理解稿件，這就要求應(yīng)該具備一定的審美能力。

在進(jìn)行播音創(chuàng)作的過程中，涉及三個內(nèi)部技巧，主要包括情景再現(xiàn)、對象感、內(nèi)在語，大都具有較強(qiáng)的抽象性，要求播音人員通過自身的設(shè)想以及感覺能夠給予一定的發(fā)音，能夠體現(xiàn)出語言的對象感。在這樣的情況下，人工智能在抽象能力以及審美情趣方面的發(fā)展還有待進(jìn)一步提升，難以有效去理解文本以及實(shí)現(xiàn)內(nèi)部自我技巧的調(diào)動，這樣傳達(dá)效果只會生澀、干癟，難以實(shí)現(xiàn)觀眾的共鳴。

（2）抽象推理能力的深度不足。就當(dāng)前的計算機(jī)信息技術(shù)的發(fā)展情況來看，在表象入手推導(dǎo)并認(rèn)識背后規(guī)律方面還存在較大的難度。通過上述能力，人們可以針對日常生活中具有非常復(fù)雜問題進(jìn)行有效解決。當(dāng)前，人工智能的深度學(xué)習(xí)都是需要海量訓(xùn)練樣本來完成并實(shí)現(xiàn)學(xué)習(xí)過程，而人類的能力則非常強(qiáng)，往往通過兩三個案例學(xué)習(xí)就能實(shí)現(xiàn)，這主要體現(xiàn)在抽象能力不同。基于人工智能領(lǐng)域的少樣本學(xué)習(xí)難以具有較強(qiáng)的處理突發(fā)事件的能力，特別是在處理不可控的意外方面能力明顯不足，而主持人則應(yīng)具備較強(qiáng)的人性化的處理現(xiàn)場突發(fā)事件能力，這也是播音員與主持人不斷的追求的結(jié)果。

在進(jìn)行播音創(chuàng)作中內(nèi)部技巧方面，則離不開人類的跨領(lǐng)域推理方面的能力，播音主持通過稿件中的場面、事件、人物能形成相關(guān)連續(xù)多畫面并具有豐富的感情，這就要進(jìn)行自我聯(lián)想能力的調(diào)動來能有效對自身的感受刺激，更好實(shí)現(xiàn)受眾的共鳴。為了進(jìn)一步開展跨領(lǐng)域推理，人類可以通過思維導(dǎo)向來進(jìn)行信息間關(guān)系梳理，能有效聽取、整合他人意見，積極通過換位思考來謀求新思路。人類使用上述的高級分析、決策技巧、推理方式，對當(dāng)前的計算機(jī)還難以實(shí)現(xiàn)。而這些則是播音與主持藝術(shù)中重要方面，如果沒有較強(qiáng)的跨領(lǐng)域推理能力，則會造成膚淺、深度不足的問題。

（3）同理感受能力—溫度不足。在人工智能領(lǐng)域的發(fā)展過程中，情感分析技術(shù)則是重要的一個方面。如果在具有比較充足的樣本情況下，機(jī)器能夠從人的肢體動作、面部表情以及所說的化中進(jìn)行人的情緒推測。從技術(shù)方面考慮，弱人工智僅能表現(xiàn)出對于情緒的理解以及表現(xiàn)，但難以去感受情緒。對于二度創(chuàng)作表達(dá)者來說，不同播音員對于同一篇稿件則是采用不同的處理方式，也就意味著不同的表達(dá)。

這里通過《創(chuàng)新中國》為例來進(jìn)行相關(guān)的分析。對于《創(chuàng)新中國》第四集來說，其中，“屠呦呦從黃花蒿中提取了有效成分——青蒿素，它成功壓制了人類歷史上最大規(guī)模的傳染病之一——瘧疾，挽救了數(shù)百萬人的生命”這句配音中，重點(diǎn)應(yīng)該著重于“青蒿素”，而在配音過程中卻一筆帶過，并沒有感受到青蒿素的非常重要的作用。同樣，對于李易先生親自配音的紀(jì)錄片——《生命的力量》來說，基本上同一范疇的內(nèi)容，受眾則能夠同配音的字里行間感受到力量。所以，對于播音與主持藝術(shù)來說，情感交流則是必不可少的重要內(nèi)容，而人工智能盡管能夠部分理解人類情緒，但現(xiàn)在還難以和人類產(chǎn)生共情，這樣的作品往往難以深入人心。

六、結(jié)語

綜上所述，人工智能主播能通過大量的樣本學(xué)習(xí)，通過自身所具有的強(qiáng)大的數(shù)據(jù)分析能力，能夠帶給播音與主持行業(yè)發(fā)展巨大的沖擊。在未來的發(fā)展過程中，我們應(yīng)該將人工智能主播當(dāng)成播音與主持藝術(shù)學(xué)科的參照物，能夠不斷深入自身專業(yè)體系的發(fā)展，積極思考該學(xué)科的發(fā)展路徑。在未來的信息社會的時代背景下，“人工智能+播音主持”的思路則是必然的發(fā)展趨勢，這也是符合時代發(fā)展的必然需求，也是我們應(yīng)該進(jìn)一步深化工作的重點(diǎn)所在。