一種基于AI配音技術的微課簡便制作方法

◇福建船政交通職業學院經濟與管理學院 朱娜娜

微課制作是一個比較繁瑣的過程，利用AI配音技術，采用先制作音頻，后制作視頻，然后進行剪輯合成的創新方法，可是實現操作簡單快捷、提高配音質量的效果。

我國教育部于2018年印發了《教育信息化2.0行動計劃》，其中重點強調了發展智能教育、辦好網絡教育，以人工智能、大數據、物聯網等新興技術為基礎，依托各類智能設備及網絡，積極開展智慧教育創新研究和示范，推動新技術支持下教育的模式變革和生態重構[1]。2008年美國一位名為戴維.彭羅斯的學院高級教學設計師首創“微課程”概念，而在我國“微課”是佛山市教育局的胡鐵生最早在2011年提出來的，他認為，“微課”是以教學視頻為主要載體，教師針對某個知識點或教學環節而進行教學活動的各種教學資源有機組合[2]。近年來，在我國互聯網+、教育信息化浪潮的推動下，全國的各大高校、中小學校的微課制作如火如荼展開。如何高效、簡易可行地制作微課，成為每個制作微課教師面臨的普遍問題。當今人工智能與信息技術迅猛發展，AI配音應運而生并且技術不斷取得突破。AI配音，也稱為“人工智能配音”、“合成語音”，在社會各行業得到越來越廣泛的應用[3]。在教學視頻、音頻制作中，科學合理應用AI配音，不僅能達到播報準確、語音標準、語速適當、節奏有序和流利的效果，而且配音環節也非常方便易操作，視頻和音頻的后期剪輯也能有效地降低難度和工作量。如此，可以很大程度上解決教師制作微課的部分痛點，方便更多的普通教師參與到教學視頻的制作中來，實現教學視頻和音頻的數量和質量快速提升。

1 微課制作的主要痛點之一

胡鐵生在對我國527位高校微課參賽教師的調查問卷中發現，有超過50%的教師認為微課視頻的后期編輯加工技術難度大，技術問題成為多數教師在制作微課過程中遇到的最大困難[4]。微課有多種類型，通常制作的基本流程是：①設計與素材準備：確定課程整體結構大綱、各個細分微課選題，準備具體內容和相關素材；②制作視頻：配合前期準備的圖文內容或實景、操作過程等，教師講授、演示，同時進行拍攝、錄音、錄屏等操作；③后期剪輯與優化：刪除和替換錯誤、多余的內容，插入輔助素材和添加各種效果、調整美化等。在該制作流程中，大部分普通教師都會面臨的共同痛點之一，就是在錄制或拍攝微課過程中，雖然已經準備有腳本，而且配合提詞器看到滾動的腳本內容，但還是會出現錯講、漏講、多講，停頓節奏不合理，普通話不標準，音色不美，發音不夠清晰，由于緊張和不夠熟練等因素導致講解的表情和語氣機械僵化等各種情況，如此導致了在錄制過程中需要多次重新開始，在后期剪輯中需要很細致地去捕捉諸多大大小小的錯誤，進行修剪和拼接、調整，非常費時費力，而且普通話不標準、音色不優美，發音不夠清晰等問題，是后期剪輯基本上無法改變的。

2 AI配音的可行性

2.1 AI配音的技術條件

早在2018年1月，中央電視臺播出大型紀錄片《創新中國》，就是全球第一個利用人工智能配音技術重現已故的著名配音大師李易老師的聲音。2018年11月，世界第一個AI合成主播在新華社“上崗”。近幾年來在商業應用的推動下，特別是隨著自媒體行業的發展，目前AI配音通過文本結構與語種判斷、文本標準化、文本轉音素、句讀韻律預測等技術方面的不斷改進，已成為較成熟可落地的產品，在各種場景的應用越來越普遍。AI配音的音質優美和豐富多樣，能夠模擬真人的韻律進行合理停頓、重讀、輕讀、情感的語氣表現，實現聲音的高低曲折、抑揚頓挫、字間協同過渡平滑、自然等效果，已經有很多品牌能做到。

2.2 AI配音的主要優點

首先，AI配音工具的選擇性廣泛、簡單易得。各種品牌的AI配音平臺和軟件非常多，有電腦端的網絡在線、軟件，也有手機端的微信小程序、APP。電腦端的主要有訊飛配音、百度智能云在線語音合成、騰訊云語音識別、小馬配音、知意配音、迅捷文字轉語音軟件、風云文字語音轉換器等；手機端的主要有訊飛聽見、配音家、配音神器專業版、標貝悅讀、錄音轉文字助手等。基本的操作模式就是錄入或粘貼文字內容在對應的窗口，選擇語音風格（男聲還是女聲，穩重低沉還是溫柔甜美、詼諧幽默還是成熟知性等），設置停頓、多音字、局部變調、局部變速度等，然后就稍等幾秒鐘，就能自動生成一個清晰流暢、無噪音的音頻文件。操作非常便捷快速，遠比人工朗讀節省時間。

再者，AI配音成本低。很多AI配音是免費試用的，即使是付費，也算經濟實惠，能起到花小錢解決大問題的效果。付費能得到更全面的服務，例如，微信小程序“配音家”的普通會員17.99元/月，“訊飛配音”的會員費是45元/月，長期會員月均費用更低，可滿足期限內無限次配音以及各種精細化的設置。

另外，AI配音制成的微課小音頻方便后期剪輯處理。微課的一個關鍵特點是“短小精悍”，一個微課的持續時間通常是5～10分鐘，一般少于20分鐘。一個微課文稿（腳本）內容大概在1500～2000字，在正常語速情況下，錄制的音頻大約6～10分鐘，不僅在腳本撰寫和修改方面很方便，在后期剪輯方面，因為一個比較小的音頻文件，放在剪輯軟件的音軌上，很方便進行放大、剪切、調整位置、對應添加與修改字幕等精細操作。

3 基于AI配音技術的微課制作實踐

3.1 準備工作

首先，在定好系列微課細分主題的基礎上，圍繞具體的每一個微課進行PPT制作和腳本撰寫。PPT要應用簡要的文字突出重點，并配以相應的圖、表、小動畫、視頻等（這些素材也可以等到后期應用剪輯軟件再插入），力求清晰、簡明扼要、邏輯結構條理。而腳本其實就是教師的演講稿，要根據PPT來詳細化，加入必要的、適當的過渡性語句，并按順序和頁面內容對PPT里的主題或者關鍵詞展開詳細解析和補充擴展。為了接下來在對腳本文字進行AI配音中，能有對應合理的停頓，以及在后期錄屏制作中能更好地與PPT翻頁同步配合，在腳本撰寫時需要注意分隔，特別是對應每一頁PPT的內容進行分段，必要的時候也可以做好標記，在錄屏時可查看與對照操作，減免操作失誤。

3.2 應用AI配音技術制作音頻

利用電腦端（在線平臺或軟件）或者手機端（小程序或APP），對完善的腳本利用AI配音進行音頻制作。以手機端微信小程序“配音家”為例，為了方便操作（特別是實現腳本內容的直接復制粘貼和后期音頻直接下載到電腦剪輯），可以在電腦端打開微信軟件，進入小程序里的“配音家”，在其配音主頁面粘貼上前面已經準備好的腳本內容，然后，選擇合適的音色優美的“朗讀員”，并在需要地方插入停頓（可根據情況，插入1秒、1.5秒、2秒……5秒的停頓時間），如果有多音字，可以進行多音字糾正設置，還可以調整音量、語速。以上各種設置完畢后，直接點擊“生成語音”，稍微等待不到1分鐘，一個10分鐘左右的音頻就生成了，可以在線進行預覽試聽，如果發現有差錯和不滿意的地方，可以重新編輯，重新修改、設置和生成音頻，直到沒問題，就點擊“下載音頻”，把MP3格式的音頻下載到電腦里待后期使用。除了以上設置和操作，還可以根據需要添加背景音樂、音頻格式轉換、拼接成對話等操作。類似的配音軟件和在線平臺，基本操作方法大同小異。國內行業領先的專業配音網“訊飛配音”還能進行“局部變調”、“局部變速”的設置，以便更接近真人播音的音調變化。整個AI配音過程基本上非常簡單易上手、快速方便，在腳本準備完善的基礎上，10分鐘之內就可以做出一個音頻，尤其是操作熟練后，制作過程可實現一次性順暢完成。

3.3 根據音頻制作視頻

根據前面準備好的PPT，教師要聽著上一步制作好的講解音頻（電腦端如果采用全屏錄屏，音頻在電腦里就不方便同時操作，可以把音頻轉發到自己的微信，用手機做輔助，進行播放），采用電腦錄屏軟件進行PPT操作錄屏。也就是，對PPT的操作動作和進度要根據已錄制好的音頻進行。最基本的操作是翻頁，如果PPT有另外設置動畫效果，要細致準確地捕捉講解音頻的進度，以便讓動畫動作和翻頁都能與音頻內容同步對應。教師最好能事先熟悉講解音頻里關鍵內容與PPT內容的對應關系，或者同時查看前面做好標記的腳本，一般就不會出差錯和慌亂。這一步的關鍵是根據音頻來自制作視頻，改變了以往視頻音頻同步錄制的常規做法。以往常規做法是播放PPT錄屏，教師要邊看PPT內容，邊操作PPT（翻頁、標注、點擊動畫動作等），還要對照腳本來講解或者臨場發揮講解，容易手忙腳亂、顧此失彼，導致不斷重復和各種差錯，而且后期精細剪輯的工作量比較大。

3.4 視頻與音頻的剪輯合成

得益于近年來自媒體行業的快速發展，目前的剪輯軟件非常多種，適合普通教師的容易上手、便捷好用的主要有：剪映、Camtasia、蜜蜂剪輯、快剪輯等。基本操作也類似，就是把音頻和視頻都導入到剪輯軟件，把視頻本身的聲音關閉或調整為靜音，而采用之前制作好的音頻。根據上一步的操作，此時的音頻與視頻一般都可以做到同步對應的，即便有些地方不同步，也可以把音頻或視頻進行剪切，然后針對某一段在音軌或視頻軌上進行移動，直到音頻內容與視頻內容同步對應。在此基礎上，對合成的視頻進行進一步優化，可以插入相應的輔助視頻、動畫和圖片，添加字幕、音效、背景音樂、畫面特效、特殊片頭片尾等效果，進行色彩、亮度、清晰度等調整美化。最后，以高清格式（一般是1080P）導出成品微課。在這一步，就省去了對真人講解時錯講、多講、漏講的精細識別和剪輯，也不需要降噪處理，如果采用音頻自動轉字幕的功能（像“剪映”軟件就可以實現），還會因為AI配音的普通話比真人播報更標準從而使得字幕識別率更高，可以節省大量的修改和調整時間。

4 結束語

微課作為教育信息資源的其中一種類型，它的制作也要遵循“適用、實用、易用”的基本原則，才有進行推廣應用和被普遍接受的基礎。利用AI配音,結合PPT錄屏的簡單快捷微課制作方法，能夠降低普通教師們親自全程制作微課的難度。雖然真人配音具有傳遞微妙感情、更加靈活生動等優點，但是在客觀上，廣大的普通授課教師沒辦法全部達到專業播音主持人的程度和水平，在播音連貫準確、流利清晰、發音標準、音色優美等方面是遠遠不及AI配音的。隨著人工智能技術的持續發展，AI配音技術也持續優化和迭代，必將向更加人性化、更加貼近真人講解的方向發展。利用AI配音制作微課，因其便捷性和良好效果值得教育界推廣應用以及更深入的研究與實踐。