ElevenLabs/Hume 基于人工智能的语音克隆:播客如何保护信任?

人工智能生成的播客的兴起为制作者带来了成本节约,但也引发了对信任和溢价的担忧。史蒂文·巴特利特 (Steven Bartlett) 在《CEO 日记》中用 AI 配音《史蒂文·巴特利特的 100 位首席执行官》已在 YouTube 上发布。

Erica Mandy 使用 ElevenLabs 在“The Newsworthy”中使用替代音频。 Hume AI 的 Alan Cowen 表示,语音 AI 已经变得很难与人类区分开来。 Inception Point AI 制作了 20 万集,每集定价 1 美元,收视人数为 25 人,收支平衡,订阅人数达到 40 万。

从: 人工智能播客正在改变行业

【编辑部评论】

随着语音人工智能接近“与人类难以区分”的水平,播客开始面临“供应爆炸”。争论的焦点不在于音质本身的改善,而在于较低的制作和运营成本将增加新节目的数量,这将损害可发现性、广告价值和听众的信任。

一个典型的例子是 Inception Point AI 制作大量剧集。单位生产成本越低,从“瞄准爆款”策略到“大批量满足小需求”策略重心转移,导致大量生产的内容混入排名和搜索结果中,形成增加用户选择负担的成分。

另一方面,AI语音不仅起到“替代”作用,而且起到“辅助”作用。由于健康状况不佳而难以录制时使用替身等用途,消除噪音等后处理或多语言开发可以提高制作人的连续性和可访问性。在这里,重要的是根据用途来划清界限,而不是在“人工智能是坏还是好”之间进行选择。

然而,港口广播的价值不仅取决于其内容,还取决于其声音和旁白所建立的关系。如果披露不充分,使用人工智能替代或克隆声音可能会产生一种“被欺骗”的感觉,从而损害信任。对于广告商来说,在无法解读品牌受损风险的环境下,很难做出广告决策。

从长远来看,成功的关键将是“保证信任”而不是“生成”。问题是系统能否让人安心,比如明确表明是AI语音、处理语音权利(同意、补偿、撤销)、平台检测和标签、广告安全评估等。因为语音AI的发展难以阻挡,无论是产品还是规则,都是一个有很大改进空间的领域。

【术语解释】

音声AI(Voice AI)
这项技术可以学习人的声音特征(音质、语调、语速等),并将其输出为合成语音。

文本转语音 (TTS)
它是一种输入文本并将其转换为音频的方法。

语音克隆
这是一种创建类似于特定人声音的合成声音的技术。

后期制作
这是在录音后编辑过程中执行噪音消除和乐句校正的区域。

披露
这是一种向观看者明确指示是否使用人工智能语音或自动生成的做法。

优质广告费率
这个概念是指附加在被认为品牌损害风险较低的节目上的高价广告空间。

[参考链接]

休谟人工智能(外部)
这是一家提供语音生成和语音表达技术的公司的官方网站。

十一实验室(外部)
这是提供语音合成和语音生成功能的服务的官方网站。

Spotify Newsroom(AI语音翻译试点)(外部)
Spotify 的 AI 语音翻译试点和目标计划概述。

YouTube 博客(YouTube 2024 制作)(外部)
您可以查看 YouTube 宣布的创作者新功能概述。

史蒂文·巴特利特的 100 位首席执行官(YouTube)(外部)
此页面被提及为 Steven Bartlett 的相关频道。

有新闻价值(外部)
这是艾丽卡·曼迪 (Erica Mandy) 主持的新闻播客的官方网站。

[参考视频]

[参考文章]

雅虎科技分布(人工智能生成的播客迅速增加)(外部)
组织和传达人工智能生成的节目的增加以及制作者和行业的反应。

ArcaMax分布(AI机器人生成大量程序)(外部)
关于人工智能播客的激增和行业接受度的简短摘要。

Spotify公式(AI Voice Translation pilot)(外部)
发布语音翻译功能试点内容及目标节目信息。

[编者后记]

随着带有人工智能语音的程序数量的增加,体验的质量可能会受到该语音是否属于某人以及他们是否知道这是人工智能语音的影响。

如果人工智能为你经常听的节目做翻译、替换、广告阅读,你会有什么感受?如果您发现任何更改,包括在可接受的用法之间划清界限,请告知我们。