出版人杂志 AI有声书的“灵魂”问题本质上是技术与人文的平衡问题。
文｜王亚楠
今年，大家谈论最多的话题，离不开春晚跳舞的机器人、DeepSeek、“杭州六小龙”等，对于它们的“爆红”，我们必须承认科技时代已经来临，人工智能（AI）已经进入我们生活的方方面面。
作为一名数字出版领域的有声书编辑，我更深刻地领略到这一点。随着人工智能技术的快速发展，AI有声书逐渐成为数字出版领域的新趋势。然而，AI有声书是否具有“灵魂”呢？本文将结合我的工作经验，从技术、艺术和人文三个角度探讨这一问题，分析AI有声书的现状、优势与局限，并展望其未来发展。
AI有声书的技术基础
AI有声书的核心技术主要包括自然语言处理（NLP）、自动语音识别（ASR）和文本转语音（TTS）。近年来，深度学习和大数据技术的进步极大地推动了TTS技术的发展。基于神经网络模型，如Tacotron模型和WaveNet模型，能够生成更加自然、流畅的语音。这些系统通过大量语音数据的训练，学习到了人类语音的复杂特征，包括音调、节奏和情感变化，从而生成高质量的语音合成效果。
为顺应时代的发展，我们也开始尝试使用AI制作有声书。实践证明，AI制作有声书确实在一些方面展现出了显著优势。
首先，它可以快速生成大量音频内容，大大提高了有声书的生产效率。以前我们制作一本有声书，要先根据书的内容选择合适的配音员进行录制，配音员在录制过程中可能会因为生病、嗓音状态不好等而使录制时间延长；录制完成后有声书编辑要开始审听语句、字音的对错，以确保有声书的内容质量达标，如有错误还需要配音员返工；音频确认后开始剪辑、配乐，制作完成后在平台上线。这个过程有时需要1～2个月，甚至半年，效率较低。而使用AI技术，几分钟就可以把一本书的音频合成，节省了大量时间。
其次，AI语音可以轻松调整语速、音调和音量，满足不同听众的个性化需求。以前制作有声书，不同的配音员，语速、音调和音量是不一样的。同一本书，不同的人录出来的感觉是不同的，如果想要满足不同听众的个性化需求，就需要重新找人录制，耗时耗力。而AI可以高效解决这些问题。
再次，AI技术还能实现多语言、多方言的有声书制作，突破了人类配音员的语言限制。这一点非常重要，以往制作对话丰富的有声书，不同的角色有不同的地域背景、音色和语言特色，需要找很多不同的配音员录制，非常烦琐且耗时。尤其是多语言、多方言的作品，很难找到合适的配音员。然而，通过AI，我们可以便捷地选择不同语言、方言、性别、年龄、音色、情绪的声音，简单且高效。
最后，AI大大降低了有声书的制作成本。我们在为有声书爱好者制作精美内容的同时，也需要考虑经济效益。以往录制有声书，省级和国家级的播音员录制费用不一，级别越高，费用越高。不管是何种级别，录制一本书的费用都是不低的。如果投入与产出不成正比，我们就会处于被动位置，久而久之就失去了制作有声书的能力与动力。而AI有声书，在给相关公司一定的软件使用费后，所有的声音可以随意使用，这也成为当下用AI制作有声书的最大便利。
在具有这些明显优势之后，AI语音就可以完全代替人类配音员了吗？现状表明，AI语音在情感表达的细腻度和自然度方面仍存在局限，难以完全模拟人类配音员的独特音色和情感变化。
AI有声书与艺术创造力的关系
艺术创造力是人类有声书配音的核心价值之一。优秀的配音员能够深入理解作品内涵，通过声音塑造生动的人物形象，传达复杂的情感。他们可以根据自己的理解和经验，对文本进行二次创作，赋予作品独特的艺术魅力。这种创造力源于人类丰富的生活体验、情感认知和艺术修养，是AI难以复制的。以我们制作的有声书《骆驼祥子》为例，众所周知，《骆驼祥子》是老舍所著长篇小说，以旧北平为背景，讲述了一个年轻好强、充满生命力的人力车夫祥子三起三落的人生经历。录制这本有声书，要求配音员既要有极强的专业能力，又要有阅历、有积淀。于是我们邀请到中国中央电视台中国电视剧制作中心导演、演播艺术家李野默先生录制这本有声书。李野默先生播讲过多部长篇小说，比如《平凡的世界》《白鹿原》《北京人在纽约》《活着》等，而且李野默先生出生于北京，是地地道道的北京人，对北京的历史文化、人文积淀、民俗民情有深刻的感悟。在李野默先生的演绎下，这本有声书非常生动，听来如身临其境一般，让读者不由得跟着故事情节落泪、拍掌叫好。
相比之下，AI有声书在艺术创造力方面存在明显局限。虽然AI可以模仿人类语音的某些特征，但它缺乏真正的情感体验和艺术直觉。AI无法像人类配音员那样深入理解作品的文化背景、情感内涵和艺术价值，也难以进行真正的艺术创新。
AI有声书的人文价值探讨
有声书不仅是一种信息传播方式，更承载着重要的文化传承功能。人类配音员通过声音传递情感、思想和文化，与听众建立深层次的情感联系。这种人文价值体现在对作品的个性化诠释、情感共鸣和文化传承等方面。优秀的配音能够唤起听众的共鸣，激发想象力和思考，成为连接作者、作品和听众的桥梁。叶圣陶先生曾说：“读书让生活有温度，让灵魂有湿度，让生命有深度。阅读是一门技术，也是一门艺术。”现在的人，迫于生活压力，每天忙忙碌碌，很难有时间静下来读书，所以有声书便成为大家利用碎片时间来提升“生活温度”“灵魂湿度”“生命深度”的有效途径。于是我们邀请到许多优秀的配音员，录制了一大批经典的文学佳作，配音老师们用自己的声音对作品进行了生动的阐释，赋予了文字新的生命力，也让听众在零碎的时间里实现了对艺术的追求。
而AI有声书在人文价值方面既有潜力也面临挑战。一方面，AI技术可以扩大有声书的覆盖范围，让更多人接触到优质的文化内容；它还可以通过个性化推荐和交互功能，增强听众的参与感。另一方面，AI有声书可能缺乏人类配音所特有的情感深度和文化理解，难以完全替代人类在文化传承中的独特作用。比如我们用AI制作了有声书《西游记》，它的艺术呈现就差了很多。《西游记》作为我国四大名著之一，它的故事早已家喻户晓，许多经典的影视化呈现也让我们对其相关的展现形式有更高的期待。《西游记》角色众多，性格鲜明，而AI难以准确传达角色的情感变化，听众感受不到角色的喜怒哀乐，从而降低了故事的感染力。AI在区分不同角色的声音时表现有限，尤其是当角色众多时，声音的个性化不足，听众可能难以区分对话，影响对作品的理解。AI对《西游记》中的文化背景、成语、诗词等理解有限，导致发音或语调不准确，影响听众对内容的准确理解，尤其是传统文化部分。对于这样一部内容较多的作品，AI语调单一、缺乏变化的问题可能让听众在长时间聆听后产生疲劳感，难以保持兴趣。相对于真人演绎的《西游记》，AI版本确实逊色很多。所以，如何在技术发展中保持和提升人文价值，是AI有声书面临的重要课题。
通过对AI有声书的技术、艺术和人文维度的分析，我们可以得出以下结论：AI有声书在语音合成技术和生产效率方面具有显著优势，但在艺术创造力和人文价值方面仍存在局限。AI有声书的“灵魂”问题本质上是技术与人文的平衡问题。未来，AI有声书的发展应注重技术与人文的融合，在提升技术的同时，保留人类艺术的独特价值。■
（本文作者单位为山东教育出版社）
