AI语音技术对口语传播的侵蚀与应对之道.pdfVIP

e聚焦视听shiting

AI语音技术对口语传播的侵蚀与应对之道

——基于AI语音技术Sovits的个案研究

◎李彦清

摘要：随着以Sovits为代表的AI语音技术的开源和普及，用户可以利用Sovits自行训练

AI语音模型，进而实现AI语音内容的创作。Sovits使AI语音技术跨越阶层障碍，从官方媒

体和企业走向“草根”阶层，在AI语音技术的发展史上具有里程碑式的意义。然而，So-

vits在促进AI语音技术发展的同时，也侵蚀了自古以来以人为主体的口语传播活动，并诱

发了深度伪造、隐私窃取等社会现实问题。为此，人类应在坚守和保卫人在口语传播活动

中的主体地位的同时，找寻口语传播与AI语音技术共存的进路，从而借助AI语音的技术浪

潮，促进口语传播在实践和观念上的创新与发展。

关键词：AI语音技术；口语传播；Sovits

由于生产资料的可供性之间的差异，物质需求相技术的影响。在如此背景下，AI语音技术究竟会如

对较低的AI语音技术成为最早落地的人工智能技术。何侵蚀和危害以人为主体的口语传播活动，人类又

1952年，ATT贝尔实验室成功研究出世界上第一个将如何面对和解决这些问题，是本文重点研究和讨

语音识别系统Audrey，标志着AI语音技术发展的开论的内容。

始。早期的AI语音技术大多数是合成音或者是提示

音，只能通过固定指令来执行特定的行为，并不具一、AI语音技术的实际应用与技术原理

备真正的学习和思考能力，具有机械性、单一性、（一）So-vits-svc：AI语音技术的实际应用

可预测性等特点。随着互联网科技的发展，以及受So-vits-svc（简称“Sovits”）是由B站UP主

众对互联网体验需求的提高，AI语音技术的学习能“Rcell”基于VITS、soft-vc、VISinger2等一系列项目

力不断提升，应用场景愈加多样。从手机智能语音开发的一款开源免费AI语音转换软件。目前，国内

系统“Siri”到商场里的智能语音导航，AI语音技术视频网站中绝大部分UGC（用户生成内容）性质的

的互动性不仅越来越强，其仿真性也在不断提升，尤AI语音作品均基于Sovits的核心技术——声音转换

其是2023年，以免费开源的So-vits-svc为代表的AI（voiceconvertion）。声音转换能够在不改变声音内容

语音技术再次将AI语音的仿真性提升到了新的维度，的情况下，将原说话者的声音修改为与目标说话者的

许多用户利用So-vits-svc创作了各种AI语音作品。例发音规律具有高度相似性的声音。在实际应用中，用

如，B站UP主“陈墨瞳1995”利用知名女歌手孙燕姿户需要准备一个1～2小时的原说话者的干声作为So⁃

的干声制作了一系列“AI孙燕姿”演唱的歌曲，在Bvits的训练数据，而后用户可以利用AudioSlicer软件

站上总播放量已经突破420万次。其中，《发如雪》的对干声进行切片处理，切片后保证每段干声的时长在

单曲播放量已达325万次，收藏人数突破5万名。但3～15秒之间，然后将切片好的学习数据导入Sovits

是，各式各样的AI语音作品在丰富受众视听体验、推进行30分钟以上的推理训练。当Sovits根据用户提供

动社会发展的同时，也在进一步侵蚀和危害以人为主的学习数据，推理出基本符合原说话者发音规律的

体的口语传播活动。AI语音模型后，用户可以再输入一段文字或者一段

尼采曾说：“我们所使用的工具也参与了我们去除伴奏的歌声，Sovits便能根据原说话者的AI语音

①模型生成一段与原说话者发音规律相似度较高的音

的思考。”从文字到图片，再到音频和视频，人

工智能的应用范围逐渐扩展，受众视听体验日趋丰频，从而实现在保持原说话者发音规律的同时转换话

富多元，其思维方式和行为范式也会受到人工智能语内容