吳 鋒 劉昭希

[提要]人工智能主播是指以大數(shù)據(jù)處理與學習、虛擬合成與分身、人機交互等人工智能技術為驅(qū)動，在廣播、電視、電子出版及互聯(lián)網(wǎng)等媒介中擔負著主持與播報任務的智媒產(chǎn)品。人工智能主播展現(xiàn)出具身認知與離身認知交互、智能技術與主播藝術結合、主體身份與客體身份并存的特質(zhì)，它是目前人工智能視頻新聞發(fā)展領域的最新和最高階段。全球人工智能主播的發(fā)展經(jīng)歷了研究源起與萌發(fā)、技術探索與蓄力、合成應用三個階段。當前全球人工智能主播正經(jīng)歷從低水平到高質(zhì)量應用，從單一模式到定制化生產(chǎn)，從“機器替人”到“人機協(xié)同”，從機械傳播到情感交互，從案例實驗到商業(yè)化應用等幾個層次的不斷發(fā)展，并進一步對真實社會中的人類主播、傳媒產(chǎn)業(yè)格局及大眾視野產(chǎn)生影響。

長期以來，主播被認為是人類特有的職業(yè)，但人工智能主播的誕生顛覆了這一傳統(tǒng)認知。隨著人工智能技術向縱深發(fā)展，人工智能技術引入視頻新聞業(yè)致使新聞產(chǎn)品的形態(tài)更加多樣化，智能機器主播逐漸在廣播、電視、電子出版及互聯(lián)網(wǎng)等媒介中擔負起主持與播報等任務。依托虛擬合成、機器學習等技術的“人工智能主播”是目前視頻新聞領域人工智能技術應用發(fā)展的最新形態(tài)和高級階段，雖然起步較晚，但正重塑傳統(tǒng)廣播電視和視頻節(jié)目的生產(chǎn)流程，引發(fā)了各界廣泛關注。

人工智能主播的理念發(fā)軔于英國①，并在中、韓、日、美等國家率先應用②。2018年以來，全球人工智能主播加速研發(fā)與推廣，中國在人工智能主播技術研發(fā)和應用市場競爭中已處于世界領先地位，形成了多方面的優(yōu)勢③。在人工智能主播新聞引發(fā)全球傳媒行業(yè)新變革的特殊節(jié)點，回顧人工智能主播的歷史沿革、梳理其最新應用現(xiàn)狀及其在傳媒領域的發(fā)展趨勢和影響，顯得至關重要。

一、人工智能主播的概念和基本特征

人工智能主播是指以大數(shù)據(jù)處理與學習、虛擬合成與分身、人機交互等人工智能技術為驅(qū)動，在廣播、電視、電子出版及互聯(lián)網(wǎng)等媒介中擔負主持與播報任務的智媒產(chǎn)品。人工智能主播又稱“合成主播”“機器主播”等，在學術界尚未形成統(tǒng)一、固定的表述，原因是不同時期人工智能技術的發(fā)展水平不同，但其本質(zhì)都是以人工智能技術的創(chuàng)新發(fā)展為前提、以智能機器替代(或部分替代)人類播報與主持任務為目的的科技產(chǎn)品?！叭斯ぶ悄苤鞑ァ边@一概念基本涵蓋了不同歷史時期的各個形態(tài)，既符合當前智媒傳播的基本特征，又體現(xiàn)了其最新的“合成”特質(zhì)?，F(xiàn)階段的人工智能主播以AI合成主播為代表，但距高級人工智能的目標尚存差距。從人工智能主播產(chǎn)生、發(fā)展的歷史來看，它展現(xiàn)出以下三個基本特征。

首先，人工智能主播呈現(xiàn)具身認知與離身認知交互的特征。人工智能主播在二十余年的發(fā)展歷程中體現(xiàn)出具身認知和離身認知的交互應用。離身與具身是人工智能領域的重要話題，離身是人工智能理論的來源，具身對智能系統(tǒng)來說至關重要。[1]人工智能主播的早期形態(tài)是虛擬主持人，拋開人類主播外形、設計全新的2D或3D動畫形象是其離身性的探索，賦予虛擬主持人以人的名字則是其具身性的體現(xiàn)。人工智能主播從完全的虛擬動畫形象到擁有真人形象參照，歷經(jīng)數(shù)十年時間。2018年，全球首個“AI合成主播”，即首個完全模擬和仿真的合成主播“新小浩”誕生，是由新華社使用CCTV主持人邱浩的聲音、語料和外表建模而成④，真實人物和數(shù)字建模的組合創(chuàng)建了一個看起來是物理上存在，實際上是作為化身存在的場景。在此之后的AI合成主播也大多是對人類主播進行虛擬建模而成。與此同時，英國的“索菲亞”、日本的“Erica”和中國的“小小撒”，則是以機器人形態(tài)出現(xiàn)的智能主播典型代表，擁有了“實際身體”的機器人主播甚至可以模仿人類主播主持風格進行互動采訪。無論是采用真人形象建模還是利用機器人實體，都是人工智能主播具身性的進一步探索。依靠語音合成技術，人工智能主播也實現(xiàn)了離身重組的智能語音視頻播報這一離身性應用，無需真人在場或配音，就可以直接播報和傳遞信息，營造了真人與數(shù)字結合、具身與離身交互的傳播場景。[2]縱觀人工智能主播的發(fā)展史，其不斷追求具身性應用這一趨勢，與合成分身技術的不斷進步密切相關，可以預測，隨著技術的高歌猛進，人工智能主播具身性探索也將更具創(chuàng)新性并獲得進一步優(yōu)化。

其次，人工智能主播具有智能技術與主播藝術結合的特征。人工智能主播是人工智能技術與新聞媒體深度融合的產(chǎn)物，AI技術的加持、主持行業(yè)的特殊性使人工智能主播具有技術性與藝術性相融合的特質(zhì)。一方面，技術滲透至人工智能主播采集、輸入、生產(chǎn)和傳播等多個新聞業(yè)務環(huán)節(jié)，大量前沿人工智能技術的應用是人工智能主播備受矚目、不斷創(chuàng)新發(fā)展的前提。另一方面，主持行業(yè)的特殊性促使人工智能主播在展現(xiàn)形態(tài)上不斷追求象形、音韻和情感等藝術特質(zhì)。從播音學視角看，新聞播音工作有宣讀式、播報式、談話式三種，在不同題材、內(nèi)容的新聞播報工作中應選用對應的播報樣式。當前市場上應用的中文人工智能主播尚不具備多樣化的、與新聞稿件內(nèi)容相匹配的播音樣式。此外，從漢語語言發(fā)音學的層面看，人們在進行日常交流對話時，存在一種名為“語流音變”的過程，它是指人們在表述一句完整的話時，各個詞語、各個漢字間前后相互影響，從而產(chǎn)生部分字詞變調(diào)和異讀的現(xiàn)象，例如我們熟悉的“一”“不”二字以及輕聲、兒話等。這個現(xiàn)象在中文人工智能主播播報過程中雖有體現(xiàn)但表現(xiàn)不佳，采樣次數(shù)不足導致整體聽覺上不連貫。未來人工智能主播將以知識計算和自然交互為手段，使面部表情和肢體動作更加擬人化，使重音、停頓、連貫等表現(xiàn)更像真人一般自然，不斷貼近人類口語傳播時的狀態(tài)及表情達意時的特征。[3]

最后，人工智能主播具有主體身份與客體身份并存的特征。人工智能主播作為新聞播音和主持人時具有客體性身份，而作為大眾眼中的新聞對象和研究對象時就具有了主體性身份。當新聞主播播報新聞時，需要使觀眾注意新聞信息內(nèi)容，而忘記主持人本身。人工智能主播的追求也應如此，應使觀眾的注意力集中在新聞內(nèi)容上，這體現(xiàn)了其客體性?，F(xiàn)階段是人工智能主播研發(fā)的初級階段，也是其不斷創(chuàng)新發(fā)展應用的階段，人工智能主播播報新聞這件事本身就是一個“新聞熱點”，吸引了受眾眼球和研究者興趣，比其所播報的內(nèi)容更受關注，這時人工智能主播就具有了主體性。[4]人工智能主播在主體身份與客體身份之間不斷交替，未來隨其應用的愈加廣泛，將逐漸淡化主體性身份。

二、人工智能主播的研究萌發(fā)、技術蓄力和合成應用

對人工智能主播的探索已經(jīng)有二十余年的歷史，其發(fā)展演進大致可分為研究萌芽、技術蓄力、合成應用三個階段。

(一)研究源起與萌芽階段(2000-2004年)

最早的人工智能主播可追溯至虛擬主持人時代，其應用初衷是用來代替人類主播的部分工作，但以阿娜諾娃為代表的虛擬主持人卻呈現(xiàn)出稚嫩化、高成本的特點。虛擬主持人最早源起于英國，并于20世紀初在中國、日本和美國率先萌芽。世界上最早的虛擬主持人是“阿娜諾娃”，由英國報業(yè)聯(lián)會媒體公司于2000年在互聯(lián)網(wǎng)上率先推出。從技術原理上看，它是使用數(shù)字技術制作并通過無線互聯(lián)網(wǎng)傳播新聞信息的模擬真人的圖像。盡管它在外觀、播報效果和整體能力上仍處于起步階段，但因其具有可愛、聰明的“人設”，以及可以基于新聞腳本24小時連續(xù)制作新聞短片的能力，在全球范圍內(nèi)紅極一時，許多媒體爭相報道和模仿制造。[5]在阿娜諾娃之后，中國、韓國、日本和美國等國家相繼推出虛擬主持人，其變化特點是從2D到3D，從只顯示頭部的二維畫面到顯示半身的立體畫面，從單一不變的純色背景到演播室、節(jié)目場地的動態(tài)背景。其技術原理大致相同，從外形上看相對成熟，引發(fā)了全球范圍內(nèi)各大媒體爭相效仿(見表1)。

表1 全球早期虛擬主持人的應用案例⑤

各國對虛擬主持人的研究方興未艾，但處于萌芽期的虛擬主持人存在技術水平有限、形態(tài)相對僵硬、成本高昂等“硬傷”，因此發(fā)展數(shù)年后趨于停滯。在這樣的瓶頸期下，CG技術的應用使虛擬主持人的發(fā)展有了重大突破。CCTV-6頻道在2004年推出國內(nèi)首位運用CG技術的虛擬電視節(jié)目主持人——小龍⑥。應用CG技術體現(xiàn)了當時虛擬主持人發(fā)展的較高水平，但今天看來略顯稚嫩。與此同時，阿娜諾娃漸漸從媒體節(jié)目中消失，淡出人們的視野，這正是技術更迭發(fā)展帶來的產(chǎn)品更新?lián)Q代。虛擬主持人進入市場的初衷是節(jié)省新聞生產(chǎn)成本，提高新聞制作效率，但是從其研發(fā)和制作過程來看，技術瓶頸和硬件復雜導致整個生產(chǎn)過程的成本并不低。另一方面，傳統(tǒng)主持人是經(jīng)過專業(yè)播音訓練的，不論是面部表情、聲音控制還是整體播報狀態(tài)，都有嚴格的行業(yè)標準和要求，口才是其最關鍵的要素。換言之，只有當自然語言處理的準確性和匹配性達到非常高時，虛擬主持人才有機會擁有與人類主播相同的口語表現(xiàn)。在這一方面，早期虛擬主持人的應用顯然沒有考慮到這些重要的細節(jié)，沒有做好充分的準備，它們與真正的人性化表達之間仍然存在很大差距。因此，虛擬主持人在興起四年左右的時間之后，其市場走勢急轉(zhuǎn)而下，進入了長達十多年的“停機時代”。

(二)技術探索與蓄力階段(2004-2018年)

2004至2018年，智能技術的飛速發(fā)展促使人工智能主播由萌芽走向技術勃發(fā)階段，視頻網(wǎng)站的興起為“虛擬主播”提供了新的應用平臺。語音識別和圖像識別技術催生的“虛擬主播”象征著這一時期的開端，最具代表性的是日本于2016年率先推出的動漫虛擬主播“絆愛”(Kizuna AI)⑦，與早期虛擬主持人不同，專業(yè)公司開發(fā)了“絆愛”的3D模型后，真人會佩戴運動捕捉設備來控制“絆愛”的動態(tài)面部表情和前后運動，隨后由配音演員進行配音和唇形同步，于是形成了真人扮演的直播或錄像。整體而言，無論是外形圖像還是語音表現(xiàn)，“絆愛”都優(yōu)于早期的虛擬主持人。以“絆愛”為代表，很快出現(xiàn)了“虛擬主播”群體Virtual YouTuber，即“VTuber”⑧。這股熱潮很快席卷到中國，不少國內(nèi)博主和UP主模仿“絆愛”在主陣地Bilibili網(wǎng)站進行節(jié)目直播，我國主流媒體央視也曾推出新科動漫頻道娘化擬人形象——虛擬主播“新科娘”⑨。但技術總逃脫不了成本的問題，虛擬主播自身成本高昂、硬件設施復雜昂貴、操作過程耗費大量的人力物力和財力等不可忽視的弊端，導致其仍然只是一個小眾市場，除一些主流官方媒體之外，大部分的虛擬主播都不能產(chǎn)生利潤。因此，在“虛擬主播”短暫興盛之后，人工智能主播的應用轉(zhuǎn)而向著深耕技術這一研究方向開展。多種新技術賦能虛擬主播領域是其進一步發(fā)展與成熟的根本原因，人工智能主播步入了漫長的技術探索與蓄力階段。

多項人工智能技術的集成發(fā)展與運用使人工智能主播在全球范圍進入新一輪的“AI化轉(zhuǎn)型發(fā)展”高潮期，其中擺脫高昂成本的限制是其發(fā)展的關鍵因素。大數(shù)據(jù)算法、語音及圖像識別、MGC、人機交互對話等人工智能技術在新聞生產(chǎn)領域的應用，是人工智能主播轉(zhuǎn)型發(fā)展的主要技術驅(qū)動力。如2017年微軟(亞洲)互聯(lián)網(wǎng)工程院研發(fā)的智能主播“微軟小冰”以播報員身份出鏡東方衛(wèi)視融媒體新聞直播節(jié)目《小冰搖搖吧》；2018年相芯科技同科大訊飛公司一起為CCTV頻道創(chuàng)建了虛擬主持人“康曉輝”，以節(jié)目助理主持的身份參與了節(jié)目直播，并與觀眾進行簡單互動?！翱禃暂x”是虛擬主播的又一新轉(zhuǎn)型，虛擬圖像生成技術(PTA)是一大亮點，并為后期“AI合成主播”的研發(fā)提供了良好的思路與借鑒。應用“PTA”技術的益處是大大降低了生產(chǎn)成本，在逃離不開昂貴成本的虛擬主播時代，降低成本、提高效率和利潤是其被大范圍應用的關鍵。盡管受眾的接受程度尚未得到過具體衡量，但這種普及帶給新聞傳媒行業(yè)一個顯著的信號：虛擬主播的智能化轉(zhuǎn)型迫在眉睫、勢不可擋，后續(xù)發(fā)展走勢也給這個結論以證實，全球各大新聞媒體都在這一領域涉足、深耕(見表2)。

表2 21世紀轉(zhuǎn)型期主要人工智能主播的應用案例

表2 21世紀轉(zhuǎn)型期主要人工智能主播的應用案例

出廠時間商用名稱國籍應用領域應用機構主要特點2011.07小雪中國廣播節(jié)目主持撫順廣播電視臺廣播界首個虛擬主持2015.03微軟小冰美國新聞主播多客戶端大數(shù)據(jù)能力、人際互動2017.11琥珀虛顏中國新聞主播新華網(wǎng)AI虛擬生命2018.03俎江濤中國財經(jīng)新聞主播南方財經(jīng)全媒體專門的財經(jīng)節(jié)目主播2018.04Yomiko日本NewsCheck11NHK電視臺深夜情感節(jié)目主播2018.05康曉輝中國實時互動主播中央電視臺虛擬形象生成技術

新聞媒體希望借助人工智能技術突破記者采訪的時空限制，利用智能機器人開展新聞活動，是人工智能技術賦能傳統(tǒng)新聞行業(yè)、涉足采訪和主持領域的一項重大進步。虛擬主播的蓬勃涌現(xiàn)，使人們不再滿足于僅能在屏幕上看見的主播。實體機器人主播的應用得益于近年來機器人研發(fā)的重要成就。全球?qū)嶓w機器人主播應用以中國、日本、英國和俄羅斯為主，主要應用在節(jié)目主持、活動采訪領域，且多與人類主播一同工作，一般不獨立工作。機器人技術與大數(shù)據(jù)、深度學習及虛擬合成技術結合運用，使實體機器人也由簡單形態(tài)向智能化應用轉(zhuǎn)變。但從試驗結果來看，其效果欠佳。經(jīng)過漫長的技術探索，盡管這一階段虛擬主播的發(fā)展相對緩慢，但各種技術的實踐嘗試，為其后AI合成主播的出現(xiàn)不斷蓄力、夯實基礎(見表3)。

表3 主要實體機器人主播的應用案例

表3 主要實體機器人主播的應用案例

出廠時間商用名稱國籍應用領域應用機構主要特點技術研發(fā)公司2015.04索菲亞英國節(jié)目嘉賓早安英國等模擬人造皮膚美國HansonRobotics公司2016.03云朵中國兩會記者湖北廣電輔助性記者武漢喻華科2016.08小白中國節(jié)目主持央視財經(jīng)擬腦機器人元趣科技2017.03愛思中國活動記者新華社獨立采訪新華社2017.04小圈中國節(jié)目主持央視綜合傳統(tǒng)節(jié)目新嘗試旗瀚科技2018.03快寶中國活動記者ZAKER南京采訪播報現(xiàn)代快報2018.04Erica日本節(jié)目主播NHK電視臺深夜節(jié)目主播大阪大學、京都大學2019.02小小撒中國春晚主持央視春晚自動生成技術偶邦(OBEN)2019.04亞歷克斯俄羅斯新聞主播Russian-24頭部和面部模仿技術莫斯科Promobot公司

(三)合成應用階段(2018年至今)

全球人工智能主播的發(fā)展于2018年進入虛擬化、數(shù)字化的“AI合成主播”階段，這是人工智能主播的最新形態(tài)，是智媒深度融合發(fā)展的產(chǎn)物。隨著大數(shù)據(jù)、算法和云計算等技術的急速發(fā)展，以及人工智能合成、分身、交互技術的不斷進步，虛擬人格化、數(shù)字化的“AI合成主播”開始出現(xiàn)，這是真正意義上的人工智能主播。“AI合成主播”與早期的虛擬主持人、虛擬主播是截然不同的概念，它是指通過語音畫面合成、表情唇動、數(shù)據(jù)建模和自主學習等技術，聯(lián)合建模出的具備一定人類主播特征的虛擬分身。它不再僅僅從事簡單的信息播報工作，而是具備了數(shù)據(jù)儲備、處理和學習能力，后期甚至能與觀眾簡單互動，呈現(xiàn)一定的人際交往特征。多項智能和數(shù)字技術的奠基是AI合成主播迅速進入大眾視野的前提和關鍵。人工智能四項核心合成技術大大改善了新聞音視頻效果的表現(xiàn)力，提高了合成主播的象形感和真實感，更加逼真的表情合成和肢體運動也提升了受眾的觀感，自然的唇動以及與語義內(nèi)容的精確匹配，更是讓觀眾眼前一亮。依靠“自然交互+知識計算”和不斷創(chuàng)新的克隆技術，人工智能主播被更加真實地“克隆”出來，并具有獨立制作和傳播新聞的能力?；诖?，全球首個AI合成主播“新小浩”應運而生，開啟了第一代AI合成主播的研發(fā)之路，在智能主播領域?qū)崿F(xiàn)了技術創(chuàng)新的重大突破，是傳媒行業(yè)在視頻新聞領域首次使用智能仿真人模型的嘗試。當前AI合成主播最新的進展是朝著運動式3D主播邁進，較第一代2D的形象做出了新的改變，成為第二代AI合成主播的開端?！叭斯ぶ悄芴摂M主播”“AI虛擬合成主播”“AI智能虛擬主播”“3D合成主播”這些相關概念，其基本含義都與“AI合成主播”概念一致。AI合成主播在中國掀起研發(fā)和應用熱潮，在全球受到廣泛關注。

現(xiàn)階段中國成為“AI合成主播”技術研發(fā)和應用的新中心，按照其研發(fā)技術機構分類，主要有科大訊飛系、搜狗系和百度系三大系別?？拼笥嶏w公司主要在AI虛擬主播產(chǎn)品和語音合成技術兩個領域深耕，研發(fā)技術較為成熟，能夠為客戶提供定制化服務，已在中央電視臺、人民日報和中國日報等主流媒體得到應用，如央視國際頻道人工智能主播“紀小萌”，央視春晚節(jié)目虛擬主持“央小廣”，新華報業(yè)的虛擬記者“匯匯”等。搜狗公司的主要優(yōu)勢是分身技術和實時語音識別技術，在成本控制、細節(jié)處理等方面取得重大突破，并通過與新華社及俄羅斯塔斯社、阿布扎比媒體集團等國外媒體合作，初步實現(xiàn)了全球化布局。從AI主播的產(chǎn)品數(shù)量來看，百度略遜色于前兩家公司，但其依靠短語音極速識別和離線語音合成技術，主要用于幫助教育、醫(yī)療、電子政務、游戲視頻等多行業(yè)客戶快速實現(xiàn)虛擬主播的應用。此外，其他媒體和技術公司也有一些人工智能主播開發(fā)和應用案例(見表4)。

表4 全球主要AI合成主播在傳媒業(yè)的應用案例

表4 全球主要AI合成主播在傳媒業(yè)的應用案例

技術系別時間商用名稱國籍應用機構應用領域主要特征科大訊飛系2019.02央小廣中國中央廣播電視總臺春晚廣播定制主播2019.05紀小萌中國央視國際頻道國際頻道定制主播2019.05王小健馬小騰中國合肥電視臺男女主播定制雙人主播2020.03匯匯中國新華報業(yè)交匯點云媒定制主播2019.04通通中國一帶一路國際論壇論壇主持定制記者2019.05果果中國大數(shù)據(jù)產(chǎn)業(yè)博覽會新聞主持人民日報社首款虛擬主播2019.10小晴中國多新聞端新聞主播多語種、交互2019.10一峰中國多新聞端新聞主播常駐男主播2019.11曉璇中國多新聞端新聞主播訊飛常駐主播搜狗系2018.08新小浩中國新華社新聞主播全球首個合成主播2019.03姚小松中國央視財經(jīng)頻道財經(jīng)新聞專職財經(jīng)節(jié)目2020.05新小微中國新華社新聞主播“第二代”產(chǎn)品2019.08雅妮中國“網(wǎng)絡文學+”高峰論壇論壇主持首次賦能網(wǎng)絡文娛2019.05阿語主播中、阿阿布扎比媒體集團新聞主播全球首個阿語AI主播2019.06Lisa中、俄塔斯社新聞主播全球首個俄語AI主播百度系2019.03小白小度中國中央電視臺兩會記者早期語音交互技術2019.07小菲中國澎湃新聞新聞主播早晚間節(jié)目主播其他2019.03小明中國光明日報新聞主持獨自完成全流程2019.03小封中國封面新聞直播記者機器寫作、實時報道2019.03冀小藍中國長城新媒體新聞主播自主研發(fā)2019.09那小巖中國圓桌pie直播主播斗魚直播2020.01禧寶中國無錫觀察新聞主播自主研發(fā)2020.02小淮中國淮北市傳媒中心新聞主播自主研發(fā)2019.04小萌芽小萌花中國北京電視臺虛擬視頻語音動畫合成2020.02ISanj中、哈阿塔梅肯商業(yè)頻道哈語主播全球首個哈語AI主播

由上觀之，現(xiàn)階段AI合成主播的應用主要呈現(xiàn)出四個特征。一是全球范圍內(nèi)，以中國發(fā)展最為迅速、應用最為廣泛。除中國外，只有俄羅斯和哈薩克斯坦啟動了AI合成主播應用，但均為與中國合作研發(fā)。歐美發(fā)達國家擁有前沿人工智能技術，卻在“合成主播”領域逐漸“失語”。二是應用領域單一。盡管人工智能技術在傳媒領域的發(fā)展如火如荼，但智能主播目前只應用于新聞播音主持領域和大型活動主持領域，以前者為主，應用領域依然單一，這是人工智能技術較為落后的體現(xiàn)，未來可在人機互動、信息溝通等多場景中深度研發(fā)。三是中央媒體走在前列。我國除中央媒體積極采用人工智能主播這一創(chuàng)新嘗試外，地方媒體也在加大投入和應用。[6]總體上看，新華社、央視和人民網(wǎng)等中央媒體的人工智能主播應用處于領先地位，個別地方媒體人工智能主播的應用也較為突出，以四川封面新聞“小封”、無錫日報“禧寶”、長城新媒體“冀小藍”為典型代表，但在應用水平上還有較大差距。四是主要采取“媒體+技術研發(fā)公司”合作的方式。我國媒體主要采取與技術研發(fā)公司合作的方式推出人工智能主播。這主要是由于我國媒體的技術研發(fā)能力較差，無法承擔獨立研發(fā)的工作，技術公司的介入可以大大減輕媒體的壓力。但媒體也因此失去了部分話語權和掌控力，未來可能因技術限制而發(fā)展受限。

三、全球人工智能主播應用的最新進展

人工智能主播的誕生與演進，反映了智媒深度融合發(fā)展，體現(xiàn)出從低水平到高質(zhì)量應用，從單一模式到定制化生產(chǎn)，從“機器替人”到“人機協(xié)同”發(fā)展，從機械傳播到情感交互發(fā)展，從案例實驗到商業(yè)化應用的特征。

(一)從低水平到高質(zhì)量應用

早期人工智能主播的聲音和外形都相對低級，傳播效果較弱，難以獲得公眾認可。近三年來，人工智能主播被技術賦予人類的聲音、語態(tài)和外貌，同時實現(xiàn)高效率、低成本，從低水平向高質(zhì)量發(fā)展。我國20世紀初電視節(jié)目中應用的“比爾·鄧”和“小龍”等屬于早期的虛擬主持人，但其主持時動作遲鈍、語言機械，一看便知是機器人，與真正的人性化表達之間仍然存在差距，因此后來逐漸沒落，沒有進一步發(fā)展。

目前，各種人工智能技術快速發(fā)展。在語音級別，人工智能主播使用了AI語音識別與合成技術，能夠自動輸入合成后的音頻，通過波形建模技術生成十分仿真的音頻文件，使受眾在聽覺上感到更加順暢、自然。在圖像級別，早期的動畫匹配技術較弱，臉動和唇動都十分僵硬。如今應用了通過建立人臉模型來實現(xiàn)全息成像的最新技術，利用智能化的畫面合成使唇形運動更加自然地貼合語義，大幅提升了受眾的直觀感受。分身技術使受眾可以依靠少量的真實音頻數(shù)據(jù)和視頻數(shù)據(jù)，實時快速轉(zhuǎn)換生成虛擬分身。換言之，用戶只須輸入一定量的文本即可生成同步的音頻聲音和視頻畫面。人工智能主播正朝著擬人化和高質(zhì)量方向不斷發(fā)展。盡管在其發(fā)展過程中，不斷有著更高的要求和挑戰(zhàn)出現(xiàn)，但與之相配套的人工智能各項技術也在飛速發(fā)展和完善。對于傳媒行業(yè)來說，基于用戶視角制定好發(fā)展規(guī)劃，不斷對人工智能主播的各項指標進行改良和優(yōu)化，是未來人工智能主播發(fā)展的新路徑。早期“虛擬主持人”與現(xiàn)在“AI合成主播”在各個層面的特征對比如下(見表5)。

表5 虛擬主持人與AI合成主播特征對比

表5 虛擬主持人與AI合成主播特征對比

名稱時間商用舉例語音技術畫面技術主要表現(xiàn)虛擬主持人2000-2004小龍、比爾·鄧后期配音CG技術動作遲滯、語言機械AI合成主播2018-今新小浩、果果語音合成合成分身自然唇動、流暢表達

(二)從單一模式到定制化生產(chǎn)

早期人工智能主播生產(chǎn)模式單一，“出廠設置”簡單且同質(zhì)化，難以滿足傳媒行業(yè)和消費者的個性化需求。近年來，技術公司與多家媒體合作，人工智能主播逐步向定制化生產(chǎn)邁進。[7]人工智能的核心技術——“分身技術”可使智能主播實現(xiàn)不同場景的克隆覆蓋，使成千上萬的用戶克隆到屬于自己的人工智能主播。2019年1月，中央電視臺小型互動智能節(jié)目《你的生活，AI為你唱作》中，應用了微軟公司研發(fā)的智能女生“曉曉”與主持人康輝一同進行錄制。其制作過程是首先對康輝錄制的多首歌曲進行預采樣，針對用戶上傳的照片類別，分析主題、場景、顏色以及面部特征等，從而生成智能歌詞模板。運用人工智能定制聲音技術，最終使每個用戶都能得到屬于他們的作品。近年來，科大訊飛公司已經(jīng)借其成熟的定制技術和研發(fā)思路，為多家媒體定制了專屬人工智能主播，這種實現(xiàn)了更低成本的定制化應用在未來必將會成為新趨勢。如中央廣播電視臺在《A.I.記者“通通”游世界》節(jié)目上推出了科大訊飛公司專為2019年的“一帶一路高峰論壇”主筆定制的智能記者“通通”，在節(jié)目上自動生成并播送相關新聞，帶著觀眾游覽和體驗“一帶一路”的風景。此外，新華社還推出多個外語智能主播，包括俄語主播麗莎、全球首個哈語合成主播等。擁有無窮可能的中國人工智能主播依靠定制化和多語種正在走向全世界。

在人工智能主播的研發(fā)過程中，新聞媒體往往通過評估自身實力，來選擇購買技術服務、自主研發(fā)或合作研發(fā)三種模式，實現(xiàn)媒體的智能化、國際化和創(chuàng)新化轉(zhuǎn)變。與科技公司、高?；蚩蒲性核扇『献餮邪l(fā)的模式最為常見，如國內(nèi)新華社與搜狗公司合作生產(chǎn)系列智能主播，央視與科大訊飛公司合作生產(chǎn)“央小廣”等主播；國外如日本NHK電視臺與京都大學、大阪大學合作生產(chǎn)的智能主播Erica，還有哈薩克斯坦、俄羅斯等國與我國搜狗公司合作生產(chǎn)的智能主播等。采取自主研發(fā)模式的多為科大訊飛等技術研發(fā)公司，還有少數(shù)地方媒體也在加速自主研發(fā)進程，如淮北傳媒中心、無錫日報報業(yè)集團等，但技術水平相對較弱。近年來，向科技公司購買產(chǎn)品或技術服務的模式受到越來越多的新聞媒體的青睞，如2020年疫情期間，國內(nèi)百余家媒體向科大訊飛公司購買或租賃虛擬主播“小晴”?？拼笥嶏w公司下的虛擬主播系統(tǒng)也在不斷更新迭代，不斷添新(見表6)。

表6 科大訊飛公司“AI合成主播家族”

表6 科大訊飛公司“AI合成主播家族”

出廠時間商用名稱形象外形特征音色特征主要技術2019小晴女東方美、溫和端莊穩(wěn)重知性簡單交互,多場景應用2019一峰男陽光、輪廓分明低沉渾厚、磁性支持嚴肅、開心等多種狀態(tài)2019曉璇女青春活力甜美親切、俏皮采集真人聲音素材2019瑋玲女成熟、和藹平和中立音視頻聯(lián)合約束人臉技術2019通通女年輕可愛積極向上、活力深夜情感節(jié)目主播2020愛加女形象多樣可變靈動智能交互、高度自動合成

(三)從“機器替人”到“人機協(xié)同”

人機協(xié)同工作將是未來主要新聞生產(chǎn)形態(tài)，也是智媒時代播音主持獲得技術賦能、進行轉(zhuǎn)型升級的關鍵。早期使用虛擬主持人是想要實現(xiàn)機器替代人工作這一“美好”愿望，然而數(shù)十年的發(fā)展經(jīng)驗告訴我們這并不是正確的發(fā)展方向。實際上，當前傳統(tǒng)新聞媒體生產(chǎn)的各流程仍主要依賴人類操作，但是人工智能時代的新趨勢是向以機器操作為主、人機協(xié)作為輔的模式轉(zhuǎn)變?；谌斯ぶ悄苤鞑プ灾鲗W習和建模的功能，可以預測，當大數(shù)據(jù)愈加完善和豐富時，其建模效果就越智能，傳播效果也就越精準和高效。人工智能主播背后依賴的依然是數(shù)據(jù)邏輯，與人類主播有本質(zhì)上的不同，二者相輔相成，可在多個層面上實現(xiàn)開發(fā)協(xié)作、互補共贏。

在突發(fā)新聞、重大事件、財經(jīng)新聞、體育新聞和深夜新聞等時效性要求較高的新聞播報領域?qū)崿F(xiàn)人機協(xié)同發(fā)展。時效性是新聞的基本特征之一，人工智能主播能夠在事情發(fā)生當刻快速反應，根據(jù)已經(jīng)編入的既定寫作模板和新的新聞要素在幾秒內(nèi)生成報道并完成播報，也能夠不受時空限制地進行工作。這種模式更適用于突發(fā)事件及財經(jīng)、體育、深夜新聞等簡單重復以及帶有危險性的新聞領域。例如2020年新冠肺炎疫情期間，在人類主播無法“到場工作”的情況下，科大訊飛公司的人工智能主播“小晴”助力重慶衛(wèi)視、廣西衛(wèi)視、陜西廣播電視臺等百余家媒體開展抗“疫”宣傳工作，包括及時通報疫情發(fā)展、科普疫情防控知識、整合播報戰(zhàn)“疫”情況等。一方面，在這次重大突發(fā)疫情中，人工智能主播帶領受眾在極短時間內(nèi)了解疫情信息，填補受眾的信息空白并緩解緊張情緒。另一方面，人類主播只需要設計好既定程序，人工智能主播即可自動采集播發(fā)新聞，并全天候不停歇工作，減輕了媒體工作者的工作負擔和疫情期間的工作危險。

在情感內(nèi)涵、深度報道和專業(yè)知識方面實現(xiàn)人機協(xié)同發(fā)展。新聞報道要注重深度挖掘和情感內(nèi)涵，這離不開人類主播的專業(yè)知識。各媒體機構人工智能主播幾乎能做到同時在第一時間報道新聞，因此傳統(tǒng)意義上的新聞時效性已經(jīng)不是媒體的核心競爭優(yōu)勢。如何透過表層信息發(fā)掘新聞背后的價值，運用專業(yè)知識做好新聞調(diào)查和深度報道，是當今快節(jié)奏和信息泛濫的新聞大環(huán)境中，媒體應該關注的關鍵問題。未來，新聞工作者應當利用人工智能主播龐大語料庫、精準性、即時性等優(yōu)勢，使智能機器輔助人類更好地生產(chǎn)新聞，為受眾產(chǎn)出更高質(zhì)量、人性化、有情感深度和價值意義的新聞。

(四)從機械傳播到情感交互

隨著AI交互對話技術進一步發(fā)展，人工智能主播正以對受眾需求和喜好的精準投放為目標，朝著智能化和情感化邁進。人工智能主播強大的深度自主學習能力，使其在傳統(tǒng)的語料庫建模基礎上，逐步具備了情緒表達能力等“類人化”特征。[8]過去的新聞生產(chǎn)主要是點對點的單向傳播，而在智能時代，用戶與人工智能主播的互動反饋效率將得到提高，這無疑有利于為用戶營造更加深入的交流平臺。也許現(xiàn)有技術還不能完美地解決受眾的問題，卻已經(jīng)朝著較好地調(diào)動受眾參與心理及互動情緒之目標不斷努力。[9]這充分顯示出為用戶營造更加開放、互動和深入的交流平臺是未來智能媒體的發(fā)展趨勢之一。

最新應用案例是2021年3月全國“兩會”期間，智能主播“愛加”出現(xiàn)在“AI主播說兩會”節(jié)目。與早期虛擬主播不同的是，除了“愛加”本身形態(tài)多元、表達靈動外，科大訊飛公司還創(chuàng)新性地引入自然語義理解技術，對文字內(nèi)容進行智能理解和決策，自主生成與觀眾的對話文本，形成元素豐富、形式多樣的視頻，提升用戶與虛擬人交互過程中的視覺效果和交互體驗，起到了在AI多模態(tài)虛擬人方向的引領作用，讓我們看到人工智能主播在交互服務中的無限可能。在央視網(wǎng)《2021兩會邀你來閱卷》H5中，觀眾只須語音對話，“愛加”就能根據(jù)語義實時進行交互，并精確播報信息。

(五)從案例實驗到商業(yè)化應用

人工智能主播自2019年以來引發(fā)了一定規(guī)模的商業(yè)化浪潮，體現(xiàn)為應用的范圍變廣、規(guī)模變大、成本降低和效果增強。當前人工智能主播的各大研發(fā)公司已經(jīng)實現(xiàn)批量生產(chǎn)和專業(yè)化定制，并應用于新聞報道、現(xiàn)場記者、活動論壇記者和紀錄片配音等各個領域。三大技術研發(fā)公司均推出專門平臺為客戶提供虛擬主播應用服務。百度公司的百度大腦AI開放平臺使用虛擬主播形象定制，使教育培訓、文娛游戲和政務辦公等各類企業(yè)或個人客戶能夠快速實現(xiàn)虛擬主播的應用?？拼笥嶏w公司則主要為國內(nèi)新聞媒體機構提供定制化新聞主播，用AI虛擬主播賦能媒體行業(yè)，用人工智能技術為中央電視臺、央視網(wǎng)、人民日報等媒體提供新聞生產(chǎn)和分發(fā)的創(chuàng)新化新思路，其“AI虛擬主播系統(tǒng)”榮獲“2019‘指尖融媒榜’中國廣電十大最具影響力融媒平臺/產(chǎn)品”。

當前人工智能主播在視頻新聞領域已經(jīng)有了不錯的實踐，其應用成果在新聞業(yè)的采訪、寫作、校對和分發(fā)等多領域開花。在新聞采寫方面，借助人工智能主播，時間和空間已經(jīng)不能成為限制采訪的因素，近年來機器人記者不斷被應用在會議或論壇采訪當中，如央視的“兩會”機器人記者小白和小度，以及2016年湖北省廣播電視臺“兩會”機器人記者云朵。在互聯(lián)網(wǎng)新聞分發(fā)領域，部分新聞媒體聯(lián)合技術公司設計具有簡單交互功能的人工智能主播，使受眾在自己的終端設備就可以與對面的虛擬主播進行交流。如斗魚直播“圓桌pie”的智能主播“那小巖”，能實時與觀眾進行簡單對話。此時，成本問題已經(jīng)無足輕重，人工智能主播的應用使新聞生產(chǎn)成本大大降低，繁多的新聞生產(chǎn)流程也得到簡化，加之更加考慮觀眾體驗和觀感，朝著符合受眾審美和期待的目標不斷進步，使得媒體的影響力進一步擴大。新華社在2021年全國“兩會”期間，使用舉止優(yōu)雅、談吐清晰自然的AI合成主播“雅妮”穿越到全國人大代表的家鄉(xiāng)寧夏和福建等地，在沉浸式真實場景中與當?shù)剜l(xiāng)親們實時互動，并同步連線北京，這是新聞媒體首次遠程使用AI合成主播的嘗試。

四、人工智能主播對新聞傳播業(yè)的影響

(一)對人類主播的影響

人工智能主播正在像人類主播一樣，完成播報和主持任務，肩負與受眾交流、向外界傳遞信息的作用，在一定程度上影響了人類主播的地位。對于目前的人工智能主播來說，由于大數(shù)據(jù)和自主學習的賦能，其常規(guī)語言表達能力甚至可以超越人類主播。人類主播雖然可以富有感情、節(jié)奏和流暢地進行新聞播報，但是局限于“人類”本體，使其無法避免由于身心疲勞、注意力不集中等原因造成的誤讀、漏讀。不同的是，人工智能主播具有強大的數(shù)據(jù)庫支撐和程序精確率，可以減少乃至避免播報中出現(xiàn)錯誤和失誤的情況，使得信息播報的準確性大大提高。[10]

但是，人工智能主播不具備人類主播的思考創(chuàng)作、情感判斷和個性化表達等特征。第一，人工智能主播無法獨立思考。人工智能主播依據(jù)大數(shù)據(jù)建模而成，亦即它是依賴智能的數(shù)據(jù)庫系統(tǒng)和被賦予的學習能力，來完成系統(tǒng)對它的指令和操作，因此它是十分被動的。人工智能主播不具備人類的獨特思維能力，無法進行獨立思考和創(chuàng)造性表達。而人類主播在撰寫新聞文本時，需要思考新聞文本的合理性、可信度。更重要的是，人類主播可以聯(lián)系上下文，進行語義的理解和再造，在這之中加入自己的思考和評價。第二，人工智能主播沒有情感情緒。新聞的價值要素告訴我們，新聞從來不只是沒有感情沒有溫度的文本，新聞也不是無意義的字符堆砌，新聞背后是新聞工作者意圖傳達出來的獨屬于他自己的價值判斷和情感情緒。最典型的例子是2008年汶川地震時，當?shù)仉娨暸_的一位女主播在進行地震實況播報時，看到死亡人數(shù)的上升，情緒變得沉重，同時由于極度的悲傷而聲音顫抖、哽咽，卻仍在堅持播報，這種情緒感染力是人工智能主播無法企及的；再比如每年中央電視臺的春節(jié)聯(lián)歡晚會都是全家必看的節(jié)目，觀眾們觀看的不僅僅是一個個節(jié)目本身，更是一種團圓的氛圍、幸福的期盼，試想如果將春節(jié)聯(lián)歡晚會的節(jié)目主持人換做人工智能主播，不僅節(jié)目效果大打折扣，更使觀眾無法體會到整個節(jié)目的意義和內(nèi)涵。第三，人工智能主播雷同性強，沒有自身個性。盡管人工智能主播已經(jīng)具有多種性別、聲線甚至多種性格展現(xiàn)，但歸根結底都是“仿真”形象，即在提取真實人類主播的外形和聲音后，進行建模而成。因此人工智能主播只是空有其表，不論其表現(xiàn)出的性格特征是嚴肅中立，還是活潑俏皮，都是原有人類主播的性格特征。另外，人類主播可以根據(jù)自己的生活閱歷和經(jīng)驗，形成自己的獨特風格，例如中央電視臺主持人董卿以其知性大方的形象深入人心，撒貝寧以其搞笑博學的形象深受觀眾喜愛，另外還有不少既有良好的文化素養(yǎng)，又頗具個性的主播本身就是觀眾關注的熱點。人工智能主播在這個層面上還任重道遠。

(二)對受眾的影響

當前，受眾對人工智能主播的接受度呈現(xiàn)出逐漸增強的趨勢。一方面，人工智能技術不斷滲入各行各業(yè)，尤其是媒體領域，受眾處于由傳統(tǒng)媒體向新媒體過渡的環(huán)境中，對于AI技術本身不再有最初“機器人取代人類”這樣的恐懼，而是在日常實際生活中逐漸依賴人工智能技術帶來的便利。在國際社會中，討論對于機器人的顧慮的也被認為是不必要的，智能化發(fā)展作為當今一大技術發(fā)展趨勢，在解放勞動力方面做出了極大努力。同時，機器人會更大程度地提升世界倫理維度；另一方面，在人工智能技術高度集成的新時代下，傳統(tǒng)的新聞受眾也發(fā)生了變化。人工智能算法和大數(shù)據(jù)可以通過觀察和收集受眾的日常習慣、喜好興趣，再進行程序性分析，從而使得新聞精準地投放到用戶。這個精準投放也帶來一定的負面影響，比如重復性、無趣性內(nèi)容增多，算法帶來的信息繭房和倫理失范問題得不到有效解決?？傮w來講，受眾對于人工智能新聞的接受度是隨時間和技術發(fā)展而逐漸提升的。

以往的新聞受眾通常處于被動接受新聞信息的狀態(tài)，而人機互動發(fā)展的引入，將有效加強受眾與新聞信息之間的反饋力度。互聯(lián)網(wǎng)發(fā)展至今規(guī)模越來越大、體量越來越寬，加之人工智能技術的不斷賦能，用戶對新聞反饋的機會越來越多，互動積極性和能力也不斷提升，交互效率在不斷提高?！叭珕T網(wǎng)民”時代的新聞受眾可以通過更加多元化的渠道獲取和反饋信息。在這個層面上，技術的優(yōu)化使得受眾有了更加多樣化的選擇，而非只是拘于一隅。因此這帶來一個新趨勢，即受眾對于新聞信息質(zhì)量的要求將會越來越高、包容度越來越低，同時對反饋渠道和機制也會有自己的獨特看法。在這個層面，人工智能主播可以發(fā)揮自己的優(yōu)勢去深耕，提升新聞信息或者節(jié)目自身和受眾之間的互動性、臨場感和趣味性，這從另一個角度也詮釋了新聞傳播“人際溝通”的本質(zhì)。

(三)對產(chǎn)業(yè)格局的影響

目前看來，傳統(tǒng)新聞行業(yè)日益受到媒介技術快速發(fā)展帶來的挑戰(zhàn)，人工智能主播加快了當前技術與媒介融合的進程。新聞的根本仍然是為人傳播信息，應當加強培養(yǎng)新聞媒體工作者智能化和創(chuàng)新化的思維，與人工智能技術之間相互協(xié)作、相互進步，把人工智能看作與人類一同工作的“戰(zhàn)友”和“幫手”，在互聯(lián)網(wǎng)思維下主動擁抱人工智能技術。[11]新聞工作者與智能技術應當是相互補充、協(xié)作配合、共同進步的關系。新聞媒體工作者應當充分利用人工智能廣泛的信息采集、精準的用戶反饋和高效的生產(chǎn)制作等特點，新增新聞媒體主體、豐富新聞傳播形式、增強媒體合作共建能力。另一方面，新聞媒體具有成熟和豐富的實踐經(jīng)驗，人工智能技術可以借助新聞媒體的專業(yè)性，加強內(nèi)容把關和深入思考，克服機器生成內(nèi)容的模式化和淺薄性。[12]高效率和高質(zhì)量的人機合作將會促進人工智能與新聞媒體的進一步融合與共生，實現(xiàn)價值和功能的雙贏。

同時應當看到，當前人工智能技術在新聞傳播領域的應用還存在一些問題，仍然處在弱人工智能階段。人工智能主播的應用尚停留在創(chuàng)造性低的初級階段，但不可否認，從萌芽誕生一直發(fā)展至今的二十余年里，不論是研發(fā)人員還是新聞媒體從業(yè)者都在盡力對其不斷改善和優(yōu)化，使人工智能主播能夠更好地實現(xiàn)人機協(xié)同、互補共贏發(fā)展。要知道，應用新技術是媒介發(fā)展的必然選擇，在未來，人工智能主播必然朝著更加高效化、創(chuàng)新化和智能化的方向不斷邁進。[13]

注釋：

①2000年4月19日，英國西約克郡的聯(lián)合報業(yè)新聞媒體公司研發(fā)的產(chǎn)品“阿娜諾娃”在www.ananova.com網(wǎng)站上播出了第一條新聞，被認為是世界人工智能主播史上的開山之作。參見：《網(wǎng)上虛擬新聞女郎首次亮相，身價數(shù)億》，搜狐新聞網(wǎng)，http：//news.sohu.com/feature/worldnews/20000419.html，2000年4月19日。

②在“阿娜諾娃”之后，中國、韓國、日本和美國相繼推出虛擬主持人。參見：《虛擬人：一種時尚生命》，東方新聞網(wǎng)，http：//news.eastday.com/epublish/gb/paper148/20010520/class014800008 /hwz388818.htm，2001年5月20日。

③以2018年新華社推出的AI合成主播為開端，國內(nèi)主流媒體紛紛聯(lián)合技術公司推出AI合成主播，產(chǎn)品投入使用后取得了顯著進展，中國成為全球人工智能主播技術研發(fā)應用的新中心。

④參見：《AI合成主播“新小浩”成2019 WAIC亮點 搜狗AI布局前景無限》，中國新聞網(wǎng)，https：//baijiahao.baidu.com/s?id=1643553760674902952&wfr=spider&for=pc，2019年9月2日。

⑤表1由作者根據(jù)各媒體官方網(wǎng)站信息資料整理而成，具體參見：中國新聞網(wǎng)、南方時報網(wǎng)、東方新聞網(wǎng)、www.ananova.com、www.mtv-china.com、www.virtual-idol.com、www.51GO.com、www.wgn.co.j/yuki.com、www.vivianlives.com、www.lusia.com等。

⑥參見：《虛擬主持人“小龍”央視上崗 高身價挑戰(zhàn)孫小梅》，中國新聞網(wǎng)，https：//www.chinanews.com/news/2004/2004-11-18/26/507283.shtml，2004年11月18日。

⑦參見：《Kizuna AI株式會社設立のお知らせ》，日本Activ8官網(wǎng)，https：//activ8.co.jp/news/?id=31，2020年4月24日。

⑧參見：《“yoyo鹿鳴”3個月B站粉絲破百萬，虛擬偶像何時才能恰飯？》，搜狐財經(jīng)網(wǎng)，https：//finance.sina.com.cn/stock/relnews/us/2020-08-20/doc-iivhvpwy2087287.shtml，2020年8月20日。

⑨參見：新科娘，CCTV新科動漫官網(wǎng)，http：//www.cctvdream.com.cn/bling.html，2019年12月26日。