人工智能背景下的纪录片配音特色——以《创新中国》为例

周舒君 何冬梅 江汉大学人文学院

从手机语音助手到语音地图，人工智能的语音功能已经深入到我们当代生活的很多方面，以人工智能配音的首部纪录片《创新中国》也已经面世。

纪录片《创新中国》的重磅问世不仅为科技狂人们献上一场“视觉盛宴”，还被称之为人工智能向艺术致敬的代表。该纪录片的最大亮点在于通过科大讯飞利用智能语音和人工智能技术，让已逝的著名配音艺术家李易老师的声音重现荧幕，这也是全球第一部全篇采用人工智能配音的纪录片。

一、人工智能配音技术

“人工智能配音技术称为‘TTS’（文本到语音）。简单地说，这种合成技术将用户输入的文本转换为流畅自然的语音输出，并支持语速、音调、音量和音频设置。其打破了传统的人机交互方式，使人们更加自然地沟通。在此技术基础上，结合顶级声学模型和语言模型，结合韵律处理，情感语音合成等技术，最终呈现出自然而富有张力的配音。”[1]由此可知，人工智能配音技术几乎全程使用计算机来完成一系列合成输出工作。新兴科技的出现必然要先从自身的条件作为基础，再进行下面的每一个步骤。传统的纪录片配音，往往受到设备、配音演员、后期制作、场地等因素的制约而不能如期进行或完成。但人工智能配音的出现就减轻了很多烦琐的环节。相比真人真声为纪录片逐字逐句配音要节省更多的时间，在短时间内提高效率，这样可以加速纪录片完成进度。我们可以花费大量时间在创新研究上，使人工智能为纪录片配音时更具特色，使其赋予更多细腻的功能，逐渐变成一个能体会情感变化的纪录片配音助手。

二、人工智能配音特色

（一）配音的标识性

从《周恩来外交风云》到《改革开放二十年》再到《再说长江》《大明宫》李易老师的声音陪伴一代又一代人的成长，似乎也成了纪录片配音的代名词。应该说，李易老师的声音本身就具有标识性。纪录片《创新中国》通过人工智能技术再次让李易老师的声音重现荧屏，“其音色的端庄儒雅且厚重自然、发音的强气息和弱控制、语流的起伏平淡又极富张力，共同构成其纪录片解说的独特风格。”[2]

（1）吐字发音

“毋庸置疑，配音艺术最基本的要求就是规范到位的吐字归音和娴熟自如的发声技巧。”[3]在吐字发音方面，人工智能充分复制并重组了李易老师的语音，成功实现了李易老师吐字清晰、准确，发音纯正、规范的特点。例如在《创新中国》第一集《信息世界》有一句“对于每天忙碌在派送一线的陶文斌来说，这次选拔竞争激烈。”其中“陶文斌”“激烈”这样的重音词，不仅在调值上能够做到阴阳上去分明到位，并且在这基础上能够很自然的突出重点，使整个句子主次分明逻辑清晰。让受众感受到该纪录片态度的端正性与严谨性。而模仿一位大师吐字发音的准确性只是人工智能为纪录片配音迈出的第一步。

（2）音色调整

“美好的声音总是能够让人难以忘怀，这也说明每个人都有自己独特的声音特色和声音魅力。”[3]音色的特点表现为共鸣腔体的位置、气息的处理方式、归音的特点以及音高音强的处理等。李易老师的声音厚重自然、端庄儒雅，其配音作品气息平稳、虚实相宜，共鸣腔体的位置以胸腹共鸣为主，归音平稳利落。这种音色端庄大气适于给大题材、大事件配音。在《创新中国》第一集《信息世界》中有这样一句话“一旦通过面试，他们的职业生涯将被彻底改变，更重要的是他们将亲身经历物流领域正在上演的一次创新革命。”在这段配音当中元音的开口度到位，后鼻韵归音采用胸腹共鸣使音色略显沧桑，句尾音节收束有力，音节弹性较强，使整个文本显得很有力量，并具有时代厚重感。

（3）语流音变

“评判解说人语言质量不仅要听声音的静态品质，而且要看语言的动态表达效果。”[2]李易老师在处理语流音变时多采用强气息弱控制的方法使语言平缓有力、衔接自然流畅，同时又不失重音起伏的变化，可谓是一气呵成。但在《创新中国》配音当中，人工智能的语流音变略显僵硬，在第一集介绍无人机技术时多次出现字与字之间衔接不够圆润的情况，如“走出深圳实验室，走向实际应用场景。”其中可以明显感受到“走出”“深圳”“实验室”三个词之间有停顿没能形成很连贯的一个短句子。再如“带来了两款独特机型”同样可以听出“带来了”与“两款”之间仍间隔较长，这就使短句子更碎片化，在听觉上没能呈现很好地表达效果。但从整体上看《创新中国》长句子的处理，语流音变还是很入耳的。

（二）审美的延展性

（1）记忆呼唤

“配音员声音特质与纪录片的完美契合，能够形成传播过程中受众的声音审美期待。”[4]当李易老师的声音出现在纪录片《创新中国》当中时，不由得让人回忆起当年李易老师的那些经典之作，那是一代人的记忆呼唤，同时也为当下的人们所赞叹，雄浑亲和的声音，掷地有声，不免让人怀念当年的峥嵘岁月，回忆起的不仅是一部部经典纪录片，而是属于那个年代的点点滴滴。同时也让受众感慨岁月流逝，如今的科技水平，已经可以在一定程度上满足人们的记忆呼唤，再次重温李易老师的经典之声，就已经让受众身临其境在《创新中国》的科技魅力里，感受我国的发展进步。这不得不让人们感受到《创新中国》制作团队的良苦用心。

（2）丰富想象

人工智能通过对李易老师声音的模仿激发了受众的想象力，“纪录片有其鲜明的时代特征，纪录片配音也必然有其独特的时代个性。”[5]人工智能配音纪录片《创新中国》首先在声音上丰富了对李易老师早期作品的想象与回忆。其次，李易老师的声音作为纪录片当中最为熟悉的声音之一，会给受众更强的代入感，因此对纪录片《创新中国》当中所讲述的事情也会有所想象。最后，受众感慨于当今科技发展的突飞猛进，自然而然地会想象出未来科技的高速变化。如在《创新中国》第四集《生命科学》中讲到的一段“由于人多地少等现实问题的困扰，如何制造充足的食物来满足未来中国人的需求，科学家们不断利用生物技术，创造着奇迹。”当人们听到这段讲述时，不免会想起李易老师的经典之作《再说长江》。同时，在雄浑的声音中，一幅幅生动的画面又把观众的想象拉回到现实，那沧桑的声音传递出的悲悯情怀和面对未来的信心也让我们深受感染。这会使观众在多重想象中获得极大的审美满足。

（3）人文情怀

“唯有融合东方审美取向和当下时代审美诉求，纪录片配音才能在精神引领和审美塑造方面发挥作用。”[6]人工智能选用李易老师的声音为纪录片《创新中国》配音，首先包含了对已逝去的李易老师的缅怀之情，李易老师作为我国早期纪录片配音的标杆本就属于一个时代的印记，其中浓缩了早年我国社会人文的心路历程。再者，李易老师的声音能够再现荧屏，证明他的声音在某些方面仍具有当代学习的价值，这是与时代无关的，而是他能成为一代典范与他的后天努力与坚持的精神是密不可分的。在看似简单的配音背后是一代一代人创新坚守的成果才有了今天人工智能配音纪录片的出现。“旧声新现”的样态同样记录着我们这一时代的历史巨变，呈现出带有归属性的人文情怀。

（三）创作的局限性

（1）创作空间狭窄

“AI智能配音还是有一定的缺陷，首先它没有情感也没有思想，在现阶段仅仅只是能够做到更接近人声，但缺乏配音员对于声音形象和具体情节的塑造，所以适用场景有限。”[1]如在《创新中国》第二集《创造能源》中“当下的我们，前所未有地支配着种类繁多的能源，但没有哪一种能源是完美的。”从这句当中并没有很好地表达出我们对能源匮乏的担忧，以及对开发新能源笃定的信念。情感平淡并且有些刻意机械。又如同样在第二集中出现的“蛋变成鸡需要在孵化器里经历21天的时间。”其中表述的重音不是很明确也就显得这句话的逻辑感不强。因此，除了人工智能首先涉及的手机语音助手与语音导航外，人工智能选中为纪录片配音就是因为纪录片在文字表达中极少使用议论、抒情等表达方式，并且在为纪录片《创新中国》配音时也尽量避开或删减了有关情感跨度较大的词语，避免造成情感表达不当等问题的出现，以免影响整部纪录片的传播效果。若不能改变人工智能配音情感表达及态度呈现方面的问题，那么人工智能配音的空间将仍面临一个狭窄的局面。

（2）个性化缺失

个性化是艺术创作追求的目标之一。由于人工智能配音的《创新中国》是我国首部运用该技术合成的纪录片，因此可借鉴的素材极少，选用李易老师的声音作为人工智能模仿的对象也是一次大胆的挑战，毕竟李易老师的声音是极具个性化的。但是就是这种个性化的声音，并不能适用于所有的纪录片配音。因为，每个纪录片作品都是独一无二的个体，更何况李易老师的配音风格已经与我国近几年的纪录片配音风格有所区别，因此人工智能配音的纪录片还缺少一定的个性，没有很明确的自身定位。例如在第二集中提到的“这些刚孵化出来的小鸡，将被送往40公里外武夷山脉的深处。”李易老师的声音雄浑有力，在处理这句话的时候明显感受到对于小鸡的阐述过于沉重，缺失了一份灵动自然。“纪录片配音艺术，虽是辅宰却同其他艺术构成元素一样，承载了纪录片创作的整体和谐之美。”[7]李易老师的声音虽具有个性，但相对于全部配音作品来讲却并不是全体匹配的。另外，随着时代的改变，受众人群也在相继发生变化，李易老师的声音是否还适用于当今受众的审美需求，有待考证。

三、人工智能配音的要求

（一）精准选片

人工智能配音首先选中纪录片的一个重要原因就是在纪录片的表述中少有语言的情感变化。这样就大大降低了人工智能给纪录片配音的难度，这也是为什么《创新中国》能够取得成功的原因之一。在第三集“智造”生活当中像是“中国曾以惊人速度成长为制造业巨头”这样的理性概述语言占全片配音篇幅较多，这也就降低了纪录片的情节性，而更像一部纯粹的科普片。从以往李易老师的作品来看，他的声音更适合大气的纪录片作品。

我们熟知的电视剧、电影、动漫等都需要配音演员极深的台词功底，再加上我国语言文化博大精深，若人工智能配音想探索这些领域，就有极大的困难。因此，人工智能配音在今后的发展中除了要量化自身，其次就是要确定配音范围，寻找适合自己的文本进行加工创作。除了纪录片以外，还可以尝试新闻类节目这样的少有情感变化的语言类节目进行再度加工。

（二）多元选音

“不难发现，许多优秀的纪录片解说配音都选择了更具张力的声音。音域更宽更深，嗓音更具共鸣和弹性，以及成熟稳健的叙事风格，是表达纪录片内涵的完美条件。”[8]纪录片《创新中国》能够一炮打响，还有一个不可或缺的因素就是它选用了受众们最为熟知的李易老师的声音。李易老师的声音是一个时代的标签，极具代表性。但随着我们的社会发展，人文风貌也在发生着相应的改变，李易老师的声音固然有他的时代意义，但未必适用于未来的纪录片配音风格。因此，人工智能在未来的声音选取上也要多挖掘有个性的声音，具有我们这个时代特色的声音，能高度符合当代社会文化的主旋律，为不同风格元素的纪录片选取最适中的声音去塑造它，为纪录片增添更多新鲜活力的血液，从而打造属于我们这个时代的纪录片声音印记。

李易老师的声音之所以能成为一个时代的经典，就证明他的配音顺应当时的社会历史背景，而人工智能在今后为纪录片配音时也需要选取多元化的声音来凸显不同纪录片的特色以及所要表达的主旨要义，既要在声线上与纪录片题材相吻合，语言气质上更要有审美性，突破原本的纪录片配音印象，摆脱刻板、冷漠的声音形象，尽可能使纪录片的声音画面和谐自然。多元化的声音也可以反作用于人们的常规思想，激发更多更好的纪录片文本创作，增添更加丰富的画面素材灵感，为受众们呈现更多印有中国元素的纪录片。

四、结语

人工智能为纪录片配音的出现无疑是一次科技与人文相融合的大胆尝试。而人工智能配音是否对真人真声配音产生冲击一直是很多配音演员及广大受众所担心的问题。其实只要定位得当找准自己的最佳生态位，二者完全可以相辅相成不会出现此消彼长的局面。人工智能给纪录片配音的技术还不够稳定成熟，声音形式和样本还较为单一，情感表达不当或不到位是人工智能配音纪录片目前无法攻克的难关。