不止是“傳聲筒”：AI合成主播的特征、趨勢與進化邏輯

楊嘉儀 楊雅

【內容摘要】AI合成主播正逐漸成為現代新聞生產中的特殊一環。AI形象化，即將成為內容生產者與受眾之間一種新的界面與媒介形態。本文結合智能主播的技術特征，分析其局限性與發展潛力，推測未來AI合成主播的發展趨勢;結合自動化新聞生產流程與現有技術條件，進一步從AI合成主播新聞生產的數據輸入、分析處理、制作分發三個階段分別討論未來AI合成主播技術進化的方向及其可能給新聞業帶來的幫助，并提出三點技術發展原則。

【關鍵詞】AI;合成主播;自動化新聞;智能新聞媒介;形象化媒介

新聞生產業態與規則一直受到技術的影響（Parry，2011）①。在過去十年中，技術進步影響最深刻的領域之一就是人工智能（AI）的發展及其在多個行業中的深度融合（Lemley et.al，2017;Smith&Eckroth ，2017）②③。人工智能在新聞生產、內容分發和界面呈現等領域，都產生了重要影響，也醞釀著巨大變革。

2018年，新華社聯合搜狗在第五屆世界互聯網大會上發布全球首個合成新聞主播——“AI合成主播”。AI合成主播運用最新人工智能技術，通過提取真人主播新聞播報視頻中的聲音、唇形、表情動作等特征，經由合成以及深度學習等技術聯合建模訓練而成，“克隆”出與真人主播擁有同樣播報能力的“分身”。④這不僅在全球AI合成領域實現了技術創新和突破，更是在新聞領域開了實時音視頻與AI真人形象合成的先河。AI合成主播，可以說是新聞業在界面呈現層面的一種新的嘗試與突破。

以新華社AI合成主播為例，本文結合當前人工智能技術在新聞業中的應用現狀，試圖探討形象化人工智能主播納入新聞生產對行業發展帶來的影響，以及AI合成主播在未來的發展趨勢與進化邏輯。

一、局限與可能：從“傳聲筒”到“媒介智能體”

（一）從傳統新聞主播到智能合成主播

新聞主播在新聞業中承擔的角色是特殊的，于受眾而言，最熟悉的是主播在節目中所展示的具有其鮮明特色的面孔、體態與聲音。舉例來說，《新聞聯播》某位原節目主持人曾因播送悼詞獲得過“金話筒”獎，有網民評價說聽到他的聲音，就擔心是否又有名人不幸離世。作為主播，其聲音特質早已深入人心，甚至到了無可替代的地步。

Dalen（2012）曾說，可以被自動化的一切都會被自動化⑤，單一角色的主播也似乎是很容易被機器取代進而實現“自動化”的角色。根據美國MIT教授Winston對人工智能的定義，AI是指“研究如何使計算機去做過去只有人才能做的智能的工作”的一門技術（Brown，1984）⑥。結合主播角色定位的相關概述，AI合成主播應當是“以計算機來完成人類主播策劃、編輯、主持等工作”的技術成果。

這樣的“自動化”角色正在漸漸成為現實。在新華社做出嘗試之前，合成主播已在全球傳媒業激起過幾次波瀾。早在2001年4月，為了提高播報的準確率與即時性，英國的Press Association在網上推出了全球首位2D合成、只有半身出鏡的主播Ananova⑦。盡管在今天的眼光看來，Ananova顯得有些僵硬，但當時的它被寄予厚望，“24小時不間斷播報”的特性在各大全球媒體報道中被廣泛提及，全球也興起一股合成主播熱潮。美國和韓國也紛紛推出CG感十足的虛擬主播形象，中國中央電視臺電影頻道也推出了“小龍”單獨主持的《光影周刊》欄目，引發熱議。從半身到全身，從2D到3D，從機械動作到豐富表情，技術的進步顯而易見，合成主播的面孔與真人形象也越來越靠近。到目前為止，新華社AI合成主播已與真人形象十分接近，其語調聽起來也較早期合成主播自然了許多。盡管各類特征方面還未與真人達到完全一致，新華社AI合成主播已經是目前同類主播產品中較為出色的一類，未來的AI合成主播在技術上更加完善只是時間與成本投入的問題。

（二）AI形象化成為內容生產者與受眾之間新的媒介形態

AI合成主播的應用，使得人工智能形象化，不再是隱藏于文本或者圖像背后的算法。在已有的媒介形態中，無論是用戶的被動接受還是主動獲取，用戶是內容消費的主體，所有的內容生產都指向用戶的理解、記憶、遺忘等自然能力。以往我們看到的“虛擬主播”，一般只有人工智能的聲音，或者匹配一個虛擬的動畫形象，比如微軟小冰在東方衛視擔任天氣播報員。

然而，應用真人圖像與語音合成技術之后，AI被賦予真實的形象，成為內容生產者與用戶之間新的媒介形態，將以“新聞呈現界面”“個人智能生活助理”等形式為受眾提供服務。以AI合成主播為例，它的產生來自于“搜狗分身”技術，理念為“自然交互和知識計算”，通過這一技術理念，能夠從一段視頻中的圖像表情、語音聲音、聲線等方面計算出其邏輯思維等層面，再進行AI處理。這樣的技術與流程能夠快速地復制出人類的“AI分身”，能夠進一步快速表達，能夠提高人類表達與傳遞的速度與效率。未來，人工智能在我們的生活中將扮演一個非常重要的角色，一些較為常規以及可預測的工作都可以通過機器和算法來更好地執行，諸如審查法律文件、分析醫療圖像、AI客服、AI快遞員等。

除去專業新聞機構，UGC（用戶生成內容）也可以借助AI合成形象，將知名主播、明星等新內容制作中的稀缺資產，轉化為受眾可以自主運用來制作內容的技術中介。在合理合法運用此項技術的基礎上，普通受眾也可以創作自己需要、喜愛的形象化內容。

（三）當前形象化AI合成主播的優勢與局限

形象化AI合成主播在實際應用中優勢明顯。首先，其類人具象媒介形態符合以往電視及短視頻用戶使用體驗習慣;其次，AI合成主播跳出了原本新聞制作生產的時空限制，可全年無休，還可通過圖像模擬技術在具體的新聞環境中進行播報，更具時效性和沉浸感;再者，AI合成主播由于其外表的可替代性和不拘于時空限制的特性可壓縮部分的新聞生產成本，這對傳媒業來說是一大利好;最后是高度的可控性，AI合成主播是完全服從于計算機代碼的技術產物，相較于真人，只要指令準確，AI合成主播在信息播報中不會有意外發生。

然而，外部特質上的類人只不過是完成人類主播工作的基礎，AI合成主播的局限也相當明顯。從Ananova到最近的新華社AI女主播“新小萌”，其信息產品的制作方式本質上都是由人類策劃、編輯相關內容，再用指令的方式輸入到AI合成主播的處理程序中，最終輸出成為一條條播報⑧;其產出的新聞產品質量有所提升，但主要的新聞播報類型局限于體育、金融、天氣與新聞快訊等，遠遠還未達到可稱為“智能主播”的程度。

AI合成主播曾經還發生過這樣的失誤，他將阿里巴巴創始人馬云的英文名“Jack Ma”讀成了“Jack Massachusetts”，這是因為語音合成系統讀到這部分文字稿的時候，判斷“MA”兩個字母是美國馬薩諸塞州的縮寫。⑨在對程序指令高度服從的情況下，合成主播依然會發生這樣的情況。從這一角度看，當前的AI合成主播不過是努力在向新聞生產機構新的“傳聲筒”這一屬性靠近。未來AI主播需要在對新聞信息進行準確內化處理的基礎上，利用自身優勢乘技術發展之風扶搖直上，在提升新聞業生產效率的同時改善傳播效果，實現真正“AI”定義中的“智能化”。

（四）AI合成主播未來發展的三大趨勢

進入5G時代，社會主要交流手段將從書寫文字轉為視頻語言，⑩AI合成主播發展與應用的技術門檻降低。根據現有AI合成主播技術特性以及進化歷史，合理推測，未來AI合成主播發展可能將呈現以下三大趨勢：

第一，形象化傳播優勢與新聞產品創作有機結合。盡管AI合成主播已經前所未有地與真人相似，但在微表情、語境情緒融合表達方面仍然具有較大提升空間。參考其他形象化的AI媒介相關研究，Nicholas（2008）等學者進行調查發現人們在了解及傳播與人類相關信息時希望承載信息的媒介形象是具有擬人性的，因此具有擬人形象的AI新聞媒介其實是符合大眾需求的。可以預期，未來的AI合成主播將在更具逼真度的前提下逐步脫離“傳聲筒”的屬性，發揮聲畫一體的傳播優勢，結合恰到好處的情緒匹配，與更多的新聞作品類型有機結合，創作更多原本需要真人主播才能駕馭的新聞作品。

第二，結合算法擬人化傳播提升新聞交互性。根據新華社AI合成主播技術負責人陳偉的介紹，在形象建模完成后，編輯人員輸入文字，AI合成主播即可自動識別語義，并匹配對應音調和表情，且通過一定的設計和剪輯，未來的AI分身將具有一定的交互性。隨著技術的發展，AI新聞主播將從單向的新聞播報主體進化為具有雙向信息與情感交互的新聞傳播主體，受眾將體會到更具沉浸感的新聞體驗。

第三，整合采編播形成一體化新聞媒介智能體。當前新聞生產中，機器新聞已成為常見的智能新聞生產方式。通過對數據采集加工，即可在幾秒之內撰寫一條完整的新聞，并通過算法分發到特定的讀者群體。在中國，微軟的小冰、頭條的“xiaobingbot”都是有名的機器人寫手。新華社的“媒體大腦”已經可以在分析數十萬條內容后在幾秒鐘內制作MGC（machine generated content）視頻新聞。假以時日，當AI新聞主播結合機器新聞寫作技術，真正能夠做到自采、自編、自播，哪怕只是初步實現較為簡單新聞的生產，都是新聞媒介智能體發展的巨大飛躍。在這一階段，也許每個人都將擁有自己的主播;部分的媒體工作者也可以從單調、重復的簡單工作中解放出來，著重于進行具有一定深度、復雜的新聞產品生產工作。

二、進化邏輯：高效提供符合受眾需求的新聞產品

受眾對新聞具有特定的要求，其中時效性、準確度與自身相關性是最為重要的，新聞生產機構應當以盡可能快的速度提供符合受眾需求的高質量新聞產品。

AI合成主播生產的音視頻新聞產品是契合5G時代受眾需求趨勢的。傳統的視頻類新聞制作主要有選題策劃、拍攝錄制、后期制作三個流程。目前AI合成主播是將原本的拍攝錄制這一步驟轉化為輸入內容，由算法進行語義識別并匹配相應的語音語調與面部表情。當AI合成主播真正成為新聞智能體，應實現更加深度的“融合”，這種融合不是簡單的媒介形態與功能的融合，而是其整體的新聞生產制作流程與各類人工智能新聞傳播技術的有機結合。它不僅是形象化的媒介形態，更是一個專業的新聞生產系統。

根據一般自動化新聞與算法新聞的制作規則，未來的AI合成主播應當是以數據輸入、分析處理、制作分發為主要生產步驟的新聞生產智能體。依照現有的技術條件，分別從以下三個步驟合理進行討論，可以詳細剖析進一步發展的AI合成主播能夠向哪些方向進化升級。

（一）數據輸入：數據來源更廣泛，數據核查更準確

得益于發展迅速的自動新聞生產，相較于傳統的演播室新聞制作，未來的AI合成主播面向的消息源應當不止是已獲關注的熱點事件，還包括線上互聯網絡與線下物聯網以及各類數據網絡中的大量未被發現的信息。AI合成主播是5G時代真正的MGC主體，面對大量數據，AI合成主播擁有了更廣泛的信源與更豐富的資料，這有助于發現更多在原本的新聞制作選題思路下難以發現的新聞。當部分智能采集設備如傳感器、無人機、GPS等設備數據與AI合成主播的監測系統聯動，能夠快速捕捉到部分新聞事件的發生，將數據整理傳送到分析處理階段以供新聞生成之用。例如彭博新聞社使用的Cyborg已經能夠通過特定算法在一些公司發布財報時進行即時分析，以最快的速度解讀數據，生成新聞報道。這在以前是需要人工耗費大量時間進行手動對比分析才能完成的。更加全面的數據來源對信源求證提供了有力支持。結合算法，AI合成主播可以在數據輸入時將原有的新聞編輯把關轉化為以人的判斷為基礎規則的技術把關。例如Facebook通過算法檢測部分文章單詞的組合模式，將其與虛假文章進行比對，如果相似度較高，則判斷為虛假信息進行處理。這一技術就可以運用到對信源真實性的判斷中。張洪忠（2018）等人認為，算法技術使得把關從少量人求證變為以海量數據求證，而把關的時間點從較為滯后變為即時把關。在這一信源真實性的求證過程中，可以納入更多更廣泛的信源進行比對核查。與此同時，一些本來需要編輯耗費時間抽絲剝繭進行查驗的信息也可以快速用于數據核查，例如某一信源的社交網絡分析、全網網民對某一事件的評價與個人記錄等，都是可以被算法及時發現、使用的重要信息。這樣一來，數據求證更加準確，參考信息更加全面，最關鍵的是處理過程快速方便，哪怕還需要人類編輯進行最終核實，也比原本的核查機制要高效得多。

（二）分析處理：內容處理更快速，信息排序更精準

正如前文所言，未來的AI合成主播智能體應當是各類應用于新聞業的先進人工智能技術的有機結合體。單一用于數據采集和自動核查的算法只是AI合成主播數據輸入階段的部分應用，在進行初步篩選后，新聞生產將進入進一步分析處理數據的階段。

未來AI合成主播內容處理的快速高效將主要體現在三個方面：

一是能夠同步處理更多的數據。算法并不像編輯辦公室一樣有雇傭員工數量的限制，只要有足夠的計算機，對大量數據進行整理，發現大范圍、大規模的普遍趨勢即成為可能。例如對大量數據內容的管理方面，《紐約時報》的nytlabs就可以通過“Editor”這一算法識別文本進行自動標注，這為下一步驟的分析提供了便利。

二是能夠迅速挖掘報道重點。在財經、體育等領域，機器新聞的快速反應能力已經毋庸置疑，在整體性、精確性和高效能方面，機器比人具有更多優勢（喻國明，2018）。《華盛頓郵報》有一個叫作Slack的人工智能監測系統，它能夠監測采集到的新聞數據是否是在新聞中值得一提的亮點。例如奧運期間，它對運動員成績進行監測，如果超出原世界紀錄的10%將發送通知提醒編輯關注這一事件。結合類似技術，AI合成主播應當能夠自己發現值得報道的新聞亮點，無需過多查找、比對、定選題，人類需要做的只是為它設定選擇的規則標準。

三是能夠簡化新聞生產流程。在目前的新聞生產中，每一個生產步驟都能夠受到算法簡化生產流程、提升生產效率的幫助。在未來，當部分內容的生產基本做到在AI合成主播的算法集合中進行時，數據分類、發現線索、結構化分析、解析結論、自動寫稿一氣呵成，算法直接將稿件與素材整理好，把數據傳送到下一步的制作環節，這在原本的電視新聞節目與直播當中都是無法快速完成的，而AI合成主播可以利用各項技術合作實現這一點。

在高效處理數據的同時，算法還能夠幫助進行信息的篩選排序。現在的信息社會中，人們面臨的關鍵問題不是信息匱乏，而是信息過剩。什么樣的信息是關鍵的、重要的、與受眾本身息息相關的，這應該由受眾和把關人共同決定。算法可以從數據的海洋中發現真正有用的信息，并通過自身的排序將必要信息傳遞到即時處理的環節，為受眾提供對其有價值的信息。這樣一來，AI合成主播兼具處理的時效與實效，既能快速發現信息，又能準確排序信息重要級，這符合受眾新聞信息消費的基本需求。

（三）制作分發：媒介形態形象化，信息體驗定制化

未來的AI合成主播是形象化的新聞全媒體。目前AI合成主播的節目制作是依靠“自然交互+知識計算”技術，將真人主播的聲音、唇形、表情動作等特征提取出來，然后再通過人臉識別、人臉建模、語音合成、唇形合成、表情合成，以及深度學習等多項人工智能技術將真人主播“克隆”出來，展現出與真人相似度極高的信息播出效果。鑒于現在技術已經可以自動根據文本生成短視頻（如新華社媒體大腦MAGIC可最快在6秒內自動生成短視頻），未來的AI合成主播也許只是新聞的形象化內容載體，真正關鍵的技術在于新聞音視頻的自動化生產。但相較于沒有主播形象的視頻，AI合成主播播報的新聞更富人性化觀感，這符合受眾對技術擬人化的需求。

AI合成主播提供的信息體驗可因受眾而異來進行定制化處理。一方面是所提供信息內容的定制化。“千人千面”的算法新聞分發已成現實，但一個人類形象的主播為你播報所需信息是需要AI合成主播才能實現的，定制化的虛擬主播信息服務是新聞業尚未完全開發的利基市場。另一方面，在未來，用戶或許能夠選擇自己喜歡的主播形象、語音語調、播報風格，定制自己獨特的信息體驗。每天早晨，打開電視或手機甚至隨身投屏，收看或僅僅是收聽由自己定下關注篩選規則、AI主播制作精選后只為你一人播報的獨家資訊產品，這將是信息爆炸時代人工智能帶給人類的珍貴福利。

三、技術發展原則：堅持以人為本，促進人機協同

2017年7月，國務院印發的《新一代人工智能發展規劃》指出，人工智能是影響面廣的一種顛覆性技術，可能帶來改變就業結構、沖擊法律與社會倫理、侵犯個人隱私等問題。隨著技術的發展，當AI合成主播作為一個全新的呈現界面出現在新聞生產過程中，媒體原本遵循的準則受到了沖擊，也可能引發侵犯公眾隱私、相關問責機制不明確等一系列倫理問題。為防止危機出現，AI合成主播技術在發展過程中應當注意以下三點：

一是應當明確新聞生產中的底線與原則。媒體具有社會公共性。無論是否有AI合成主播的參與，新聞業都應當將準確、客觀、以人的利益為先立為自身操作的價值準則。

二是明確責任的歸屬。在AI合成主播技術的發展中，政府應當承擔規劃者和法規制定者兩種責任;在AI合成主播的新聞生產中，媒體前期應該明確輸入與處理時人類編輯與記者對內容負責部分的分類以及處理與輸出時技術人員對產生后果責任的歸屬。當AI合成主播更加自動化之后，對技術的問責應當更加深入細化。這不是一件容易的事情，尤其當技術的影響還未完全明確之時，一切都只是設想，責任明確的過程一定是對解決這一問題有幫助的。

三是明確操作的制度。AI合成主播的新聞生產流程應當有一個明確的操作章程，它建立在新聞專業主義原則的基礎上，有明確的問責機制，也有詳盡的操作章程。倫理價值觀嵌入其中，以人為本的原則是最高原則，從數據輸入、分析處理到制作分發的每一個細節，都應當是合乎規定與預設的。這是對技術的控制，也是對技術的指導。技術人員如何將新聞專業主義的規則納入操作中、縮小價值理性與工具理性之間的鴻溝，是制度應當詳盡告知的內容。將道德原則嵌入代碼中并非易事，但在智能化的未來，這是不得不做的事情。

凱文·凱利說，當我們創造和使用技術時，我們實際上參與了某個比我們自身更大的事件。我們擴展著創造生命的力量，加快向未來進化的速度，我們增加著一切的可能性。人工智能正在顛覆人類傳播，新聞業需要接受技術的鍛造，在維護人類權力的基礎上，更好地實現人機耦合，促進信息社會的發展。

注釋：

①Parry， R. （2011）. The Ascent of Media： From Gilgamesh to Google via Gutenberg [M]. Nicholas Brealey， 22.

②Lemley， J.， Bazrafkan， S.， & Corcoran， P. （2017）. Deep learning for consumer devices and services： pushing the limits for machine learning， artificial intelligence， and computer vision. IEEE Consumer Electronics Magazine [J]， 6（2）， 48-56.

③Smith， R. G.， & Eckroth， J. （2017）. Building AI applications： yesterday， today， and tomorrow. AI Magazine [J]， 38（1）： 6-22.

④Baraniuk， C. （2018）. China unveils AI news presenter. https：//www.bbc.com/news/technology-46136504 [EB/OL]，2018-12-8.

⑤Van Dalen， A. （2012）. The algorithms behind the headlines： how machine-written news redefines the core skills of human journalists [J] . Journalism practice， 6（5-6）： 648-658.

⑥Brown， R. H. （1984）. Artificial Intelligence， an MIT Perspective [M] . MIT Press， 7.

⑦BBC news. Ananova makes her debut [EB/OL] . https：//www.bbc.com/news/technology-46136504， 2000-4-19.

⑧鈦媒體：《從實驗室到熒屏，“搜狗AI合成主播”是如何接近真人的？》，鳳凰網，http：//tech.ifeng.com/a/20190314/45434833_0.shtml，2019年3月14日。

⑨航通社：《 “AI主播”跨越擬真技術“恐怖谷”，或將帶來電視新聞事業的革命性變化》，鈦媒體，https：//baijiahao.baidu.com/s？id=1616711303442987281 ，2018年11月10日。

⑩喻國明：《5G：一項深刻改變傳播與社會的革命性技術》，《新聞戰線》2019年第15期。

Epley， N.， Waytz， A.， Akalis， S.， et al. （2008）. When we need a human： Motivational determinants of anthropomorphism[J]. Social cognition， 26（2）： 143-155.

胡兵、王思逸：《國外新聞編輯室及數據新聞運作探析》，《南方電視學刊》2015年第2期。

MGC是“Machine Generated Content”的縮寫，意為技術生產內容。

Peiser， J. （2019）. The Rise of the Robot Reporter [EB/OL]. https：//www.nytimes.com/2019/02/05/business/media/artificial-intelligence-journalism-robots.html， 2019-2-5.

Underwood， C. （2019）. Automated Journalism – AI Applications at New York Times， Reuters， and Other Media Giants[EB/OL].https：//emerj.com/ai-sector-overviews/automated-journalism-applications/，2019-1-31.

張洪忠、石韋穎、劉力銘：《如何從技術邏輯認識人工智能對傳媒業的影響》，《新聞界》2018年第2期。

The New York Times （2015）. @nytlabs Editor [EB/OL]. http：//nytlabs.com/projects/editor.html.

喻國明：《人工智能的強勢崛起與新聞傳播業態的重構》，《教育傳媒研究》2018年第1期。

李仁虎、毛偉：《從“AI合成主播”和“媒體大腦”看新華社融合創新發展》，新華網，http：//www.xinhuanet.com/politics/2019-08/08/c_1124850634.htm，2019年8月8日。

新智元：《中國首個AI短視頻生成平臺新華社造！一條新聞視頻只需6秒》，搜狐網，http：//www.sohu.com/a/285648190_473283，2018年12月30日。

《國務院關于印發新一代人工智能發展規劃的通知》，中華人民共和國中央人民政府網，http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm，2017年7月20日。

﹝美﹞凱文·凱利：《技術元素》，張行舟、余倩等譯，電子工業出版社2012年版，第13頁。

（作者楊嘉儀系北京師范大學新聞傳播學院博士生;通訊作者楊雅系北京師范大學新聞傳播學院講師）

【特約編輯：劉原;責任編輯：韓勇】