張一帆 姜卓群

（作者單位：1.南昌航空大學(xué)；2.河北美術(shù)學(xué)院）

1 AI合成主播的進(jìn)階演化

早在2001年英國就推出了世界上第一個(gè)虛擬主持人——阿娜諾娃（ANANOVA），由此開啟了虛擬主持人的旋風(fēng)，并在全球掀起了虛擬熱潮，中國、日本、韓國等都進(jìn)行了嘗試。處于萌芽時(shí)期的虛擬主持人呈現(xiàn)出語言機(jī)械、形態(tài)僵硬、計(jì)算機(jī)動(dòng)畫（Computer Graphics，CG）技術(shù)不成熟等缺陷，此后十余年虛擬主播的發(fā)展也并未激起科技界的轟動(dòng)。直到2018年，虛擬主播正式開啟真人原型的“分身”，由新華社聯(lián)合搜狗發(fā)布的全球首個(gè)人工智能（Artificial Intelligence，AI）合成主播“新小浩”于第五屆世界互聯(lián)網(wǎng)大會(huì)問世[1]。次年2月，全球首個(gè)站立式“AI合成主播”——“新小萌”問世，其聲音和形象都優(yōu)于之前的“新小浩”。此時(shí)AI合成主播與早年間的虛擬主播相比已經(jīng)發(fā)生了極大的變化，尤其是2020年推出的全球首個(gè)“3D AI 合成主播”“新小微”硬核上線，這是AI領(lǐng)域和新聞生產(chǎn)深度融合的飛躍性成果。高度智能化的“新小微”，在交互能力和場景切換應(yīng)用層面較之前取得了很大進(jìn)步，且實(shí)現(xiàn)了單一景深機(jī)位到可全方位視角呈現(xiàn)的跳躍式進(jìn)步，立體感和逼真性明顯增強(qiáng)[2]。除此之外，“非對(duì)稱式互信息估計(jì)器”保證了音視頻轉(zhuǎn)換過程中損耗值盡量最小，轉(zhuǎn)換的映照盡可能準(zhǔn)確。

從“AI合成主播”的誕生、更新?lián)Q代，到全球首個(gè)“3D AI 合成主播”的正式亮相，新型主流媒體與AI技術(shù)達(dá)成了深度融合。AI主播近幾年發(fā)展突飛猛進(jìn)，“3D AI 合成主播”的加入，除了給人帶來新奇感之外，新聞工作者存在的意義將重新定義。AI的出現(xiàn)掀起了一波科技改革的浪潮，而“3D AI合成主播”的出現(xiàn)更是引發(fā)不少新聞播音人士的焦慮。的確，“3D AI 合成主播”為新聞節(jié)目制作和呈現(xiàn)帶來了更多選擇，但是AI合成主播未來是否具有人腦一樣的思考力還未可知。關(guān)于人機(jī)協(xié)同如何發(fā)展，學(xué)界和業(yè)界還需進(jìn)一步探討，尋求二者的平衡點(diǎn)。

2 技術(shù)賦能下AI合成主播的優(yōu)勢

2.1 全天候、零失誤的信息“生產(chǎn)者”

作為真人主播的“鏡像”，“3D AI 合成主播”可進(jìn)行信息資訊的海量收集，全天候大容量播報(bào)。與真人主播相比，在新聞播報(bào)語速把控、相關(guān)信息快速提取、信息無紕漏輸出等方面都更勝一籌。內(nèi)容生產(chǎn)層面，虛擬主播根據(jù)文本便可自動(dòng)生成報(bào)道視頻，如新華社媒體大腦“MAGIC”可最快在6秒內(nèi)自動(dòng)生成短視頻。原始視頻剪輯中一幀畫面的差池便要重新合成、導(dǎo)出，幾十秒的短視頻整套流程下來要花費(fèi)幾個(gè)小時(shí)。在新聞挑選層面，平臺(tái)自動(dòng)識(shí)別出具有較高新聞價(jià)值的訊息，幫助記者在海量信息中及時(shí)完成報(bào)道，提高新聞的時(shí)效性。虛擬主播在達(dá)成高效率的同時(shí)具有優(yōu)質(zhì)的性價(jià)比。24小時(shí)無間斷運(yùn)行，高強(qiáng)度體能在線，實(shí)現(xiàn)零失誤、無紕漏輸出，一定意義上解放了傳媒業(yè)的生產(chǎn)力。

2.2 形象傳播高仿真性彌合視覺鴻溝

“3D AI 合成主播”作為一種媒介視覺呈現(xiàn)，從形象載動(dòng)信息的角度來說，與前幾代相比，“新小微”最大的進(jìn)步就是高度復(fù)原了真人的外形特征。媒介形象作為信息傳達(dá)的中介，造型上的接近性會(huì)帶來心理上的接近性?！靶滦∥ⅰ备叻抡嫘缘耐庑稳〔挠谛氯A社記者趙琬微，本土化的外形更易帶來文化認(rèn)同感。個(gè)人形象是視覺范疇的第一要素，譬如早期的比爾·鄧，不論是外形還是名字都具有西方化的特征，體現(xiàn)在聲畫造型上就是聲音機(jī)械化、行為舉止遲鈍，觀感不佳。中國觀眾對(duì)于比爾·鄧的視覺導(dǎo)入認(rèn)可度極低，而“新小微”的形象診斷和形象定位都符合中國審美，外形與氣質(zhì)具有親和力，造型本土化的應(yīng)用上頗為用心。

2.3 多語種“數(shù)字人”助力文化輸出

多種語言加持，助力文化對(duì)外輸出。AI合成主播可切換至任何國家的語言播報(bào)，起到溝通中國和世界的橋梁作用。2019年，AI虛擬主播“小晴”在科大訊飛新品發(fā)布會(huì)上首次使用全球多語種，實(shí)現(xiàn)中、英、日、韓等七國語言，以及兩種民族語言——維吾爾語、藏語同時(shí)進(jìn)行直播[3]，還表演了變聲技術(shù)，實(shí)現(xiàn)聲音的模仿，助力中國文化輸出。2020年，阿里AI完成全球首個(gè)多語言實(shí)時(shí)翻譯的電商直播，直播過程無懼嘈雜的環(huán)境，讓機(jī)器聽清、聽懂，實(shí)現(xiàn)了中文直播內(nèi)容精準(zhǔn)翻譯成多國語言的目的，幫助人類跨越語言障礙，助力中國文化對(duì)外輸出。

2.4 場景突破時(shí)空維度增加新鮮感

算法驅(qū)動(dòng)下，“AI合成主播”穿梭于不同直播間，在真人主播難以到達(dá)現(xiàn)場的情況下，幻化成不同的分身，打破時(shí)空情景，成為真人主播的替補(bǔ)上場完成任務(wù)。2020年，真人主播迫于空間限制信息傳播量減少或傳播不及時(shí)，一時(shí)間信息“供需不平衡”，AI主播分化到各個(gè)平臺(tái)，發(fā)生緊急情況時(shí)及時(shí)向受眾播報(bào)新聞，保證信息及時(shí)、準(zhǔn)確供應(yīng)，避免謠言的滋生，保障了公眾的知情權(quán)。

“真人分身”實(shí)現(xiàn)了多場景轉(zhuǎn)化，增強(qiáng)現(xiàn)實(shí)（Augmented Reality，AR）、 虛 擬 現(xiàn) 實(shí)（Virtual Reality，VR）等技術(shù)賦能，再現(xiàn)新聞事件現(xiàn)場，將報(bào)道場景延伸至虛擬演播廳完成新聞播報(bào)。從視覺上看，AI主播還原了新聞的現(xiàn)場感，能更好地滿足受眾對(duì)現(xiàn)場多樣化呈現(xiàn)的需求。相比而言，真人主播的創(chuàng)作場景較單一，無法打造視覺奇觀，某種程度來說無法滿足觀眾對(duì)新鮮感的需求。

3 AI合成主播的技術(shù)反思

3.1 程序游戲下的情感缺陷

“情感”是藝術(shù)作品的核心，是主持人有聲語言外化的基石。播音員主持人作為有聲語言的傳遞者，“情景再現(xiàn)、內(nèi)在語及對(duì)象感”等內(nèi)部技巧均是塑造播音主持作品的要素?！?D AI主播”高度還原了真人主播的發(fā)音、樣貌，但是外部技巧的豐盈也難抵內(nèi)部技巧的缺失，只有與客觀世界發(fā)生真實(shí)存在的聯(lián)系才能獲取對(duì)現(xiàn)實(shí)世界的真實(shí)感受，尤其是主持人與被訪者面對(duì)面交流的過程中，表情、語氣、語調(diào)等非語言符號(hào)發(fā)揮的作用甚至超越了語言符號(hào)，而人工智能主播無法傳遞副語言。日本機(jī)器人科學(xué)家森政弘曾提出，對(duì)于高仿真的機(jī)器人，人們會(huì)產(chǎn)生恐怖感，原因之一“源于高仿真形態(tài)下真假的不確定會(huì)給人帶來的不安”[4]，這種不安直接導(dǎo)致AI主播與人的交流感消失殆盡，交流感是中樞神經(jīng)系統(tǒng)的延伸，它超越了任何一種媒介，只有人類言語本身才能與之匹配，源于此，AI主播將一直存在于交流失效的循環(huán)怪圈。

文字是規(guī)定性的，語言是創(chuàng)造性的。對(duì)于一般的信息內(nèi)容，客觀事實(shí)信息占據(jù)主體的位置，但在面對(duì)傳染性疾病時(shí)，媒體的喉舌作用最先體現(xiàn)的是關(guān)注“生命體”。情緒和情感的支撐是新聞報(bào)道的靈魂，也是播音員主持人進(jìn)行“二度創(chuàng)作”的過程。面對(duì)復(fù)雜的情況，主持人會(huì)依據(jù)自己的社會(huì)經(jīng)驗(yàn)、文化教育、情感體驗(yàn)等對(duì)生活的感悟提前預(yù)判觀眾的情緒變化?；谒惴ㄟ壿嬒碌腁I合成主播只不過是程序游戲下的產(chǎn)物，盡管AI主播可以依據(jù)機(jī)器學(xué)習(xí)，模擬人類表情、揣摩人類心理活動(dòng)并機(jī)械地作出預(yù)判，但究其根本是依據(jù)數(shù)據(jù)庫被賦予的學(xué)習(xí)能力，而缺少人文情懷和共情能力，人類心智的解讀仍然是AI主播永遠(yuǎn)難以跨越的鴻溝。

3.2 機(jī)械符號(hào)下的去抑制化

主持人是一個(gè)節(jié)目最有影響力的品牌，是廣播電視新聞風(fēng)格和頻道形象的構(gòu)成要素。媒介融合趨勢加快了主持人IP化塑造的步伐，催生了“粉絲經(jīng)濟(jì)”，康輝、撒貝寧、尼格買提、朱廣權(quán)四位主持人組成的“央視boys”最為明顯，他們擁有高水平的專業(yè)能力，且各具特色，收獲了大量“粉絲”?？递x作為新聞聯(lián)播的主持人，以往都是以嚴(yán)肅、端莊的形象出現(xiàn)，隨著短視頻的興起，中央電視臺(tái)開通了“主播說聯(lián)播”賬號(hào)，讓受眾了解到康輝作為主持人生活化的一面，拉近了與受眾的距離；再譬如撒貝寧，《今日說法》中的嚴(yán)謹(jǐn)認(rèn)真，《你好，生活》中的詼諧幽默，《開講啦》中推己及人的同理心，以及《經(jīng)典詠流傳》中超強(qiáng)的控場能力等，贏得大批粉絲的關(guān)注。

主持人在不同的節(jié)目呈現(xiàn)出不同的風(fēng)格，通過個(gè)性化的語言樹立標(biāo)簽，形成節(jié)目的品牌效應(yīng)。品牌效應(yīng)是受眾對(duì)節(jié)目產(chǎn)生深度黏著的關(guān)鍵，“粉絲經(jīng)濟(jì)”就是很好的印證。在“粉絲經(jīng)濟(jì)”里，商品的符號(hào)價(jià)值遠(yuǎn)遠(yuǎn)大于商品的實(shí)際使用價(jià)值，情感上的傾向性帶來心理上的滿足，受眾對(duì)節(jié)目的信任度和忠誠度在很大程度上源于主持人的感染力和感召力。粉絲的黏性越強(qiáng)，信任度越高。真人主播的感受是多樣的，他們將自身置于過往所見所得所感之中，播報(bào)的每一個(gè)字符都是基于生活的沉淀，如此傳達(dá)的信息才能令受眾感同身受。而AI合成主播只是機(jī)械的符號(hào)，沒有個(gè)人風(fēng)格，無法營造情感氛圍，受眾的消費(fèi)也只是停留在“資訊消費(fèi)”的階段?！胺缕浔黼y以仿其里”是AI主播的一大缺陷，算法操控下機(jī)械化的符號(hào)難以傳達(dá)個(gè)性化的傳播特征，受眾容易產(chǎn)生審美疲勞，節(jié)目的主流價(jià)值導(dǎo)向作用無法發(fā)揮。

3.3 具身性抽離下的思想裹挾

唐·伊德在吸收莫里斯·梅洛-龐蒂“知覺現(xiàn)象”的基礎(chǔ)上，提出了“具身性”，具身強(qiáng)調(diào)心智、身體和環(huán)境的一體化。而身體是人和社會(huì)之間進(jìn)行溝通交流的本質(zhì)條件，是參與社會(huì)最基本的方式。人們利用神經(jīng)系統(tǒng)、視覺器官等去認(rèn)知主體，在這個(gè)過程中，“身體”被放置在一個(gè)最顯現(xiàn)的位置上[5]。身體與環(huán)境的交互性和融合性直接決定了新聞報(bào)道的傳播效果。行為主義心理學(xué)提出的“刺激反應(yīng)論”提到，身體通常作為接受外界刺激的效應(yīng)器來處理，是視覺、聽覺、味覺等接受外界環(huán)境刺激后引發(fā)有機(jī)體作出相應(yīng)反應(yīng)的渠道從而發(fā)揮作用。主持人依據(jù)自身所處的環(huán)境、經(jīng)驗(yàn)閱歷進(jìn)行信息加工處理，同時(shí)考慮受眾的人口學(xué)特征，這個(gè)過程直接決定了傳播效果的好壞。而人工智能主播是人類構(gòu)造的符號(hào)現(xiàn)實(shí)，這些符號(hào)對(duì)社會(huì)現(xiàn)實(shí)進(jìn)行再生產(chǎn)，主體仍然是個(gè)體，而非個(gè)體的產(chǎn)物?！?D AI合成主播”現(xiàn)有的導(dǎo)入都是基于人類過去的經(jīng)驗(yàn)和現(xiàn)有的認(rèn)知，人類社會(huì)的發(fā)展必然帶來技術(shù)的更迭，這一切都依賴于人類思維的進(jìn)步，其看上去是技術(shù)驅(qū)動(dòng)自身，但實(shí)際上技術(shù)應(yīng)用的第一推動(dòng)力依舊是人。人工智能主播只是在盡可能地營造出一個(gè)逼真的虛擬空間，一旦脫離身體，主持人就無法在其所處的環(huán)境中進(jìn)行信息加工。

AI合成主播依據(jù)大數(shù)據(jù)建模而成，沒有自主思維，無法賦予新聞報(bào)道深刻的內(nèi)涵，譬如“深度調(diào)查節(jié)目、人物訪談或者突發(fā)事件的現(xiàn)場報(bào)道”具有高度的自發(fā)性和不可預(yù)測性，主持人的臨場反應(yīng)能力正是新聞專業(yè)能力的體現(xiàn)，虛擬主播無法察言觀色，難以準(zhǔn)確拿捏所獲信息的準(zhǔn)度和精度，沒有獨(dú)立應(yīng)對(duì)突發(fā)事件的能力，發(fā)揮不出價(jià)值導(dǎo)向的作用，新聞背后的溫度更是難以企及。

4 “人機(jī)共生”——戴著鐐銬舞蹈

“人機(jī)博弈”的時(shí)代，實(shí)現(xiàn)“人機(jī)共生”才是可持續(xù)發(fā)展的道路。

媒介融合背景下，基于算法和大數(shù)據(jù)的人工智能正在改變行業(yè)結(jié)構(gòu)，更新傳播方式，改革傳播模式。AI主播可以發(fā)揮高效率、全天候、高精度的功能，幫助真人主播從超負(fù)荷的工作中解放出來，令他們專心投入創(chuàng)造性的新聞活動(dòng)。融媒體時(shí)代，受眾的需求不僅僅是知曉權(quán)，而且在信息量、權(quán)威性和可看性等方面也提出了較高的要求，更要注重的是情感的溝通交流。虛擬主播剛剛問世的時(shí)候依靠新鮮感確實(shí)可以吸引受眾觀看，要想加深節(jié)目對(duì)受眾的深度黏著，樹立品牌形象，彰顯頻道意識(shí)，還要依靠真人主播來完成。的確，智能主播在精確傳達(dá)信息、自動(dòng)核查信息、快速搜索信息等方面無法超越，人類主播則在深度調(diào)查、觀點(diǎn)導(dǎo)向、情感交流、應(yīng)變能力等方面發(fā)揮自身優(yōu)勢[6]?；诖耍瑢?duì)于人工智能是否會(huì)取代人類這一問題，答案不言自明。人類是情感表達(dá)的本體，自主能力和決策能力使人類仍然處于主體地位。盡管如此，人們?nèi)孕璞е?jǐn)慎的態(tài)度，發(fā)揮具身優(yōu)勢，同時(shí)認(rèn)識(shí)到技術(shù)本無善惡，決定技術(shù)善惡的是使用技術(shù)的人。

倘若未來人工智能發(fā)展到可以自行思考的階段，必定會(huì)展開一場“新論戰(zhàn)”。那么，新聞工作者就應(yīng)進(jìn)一步提升自身的專業(yè)技能和職業(yè)素養(yǎng)[7]，發(fā)揮自身的創(chuàng)造力。從思維意識(shí)和外部技巧同時(shí)進(jìn)行調(diào)整，扮演“把關(guān)人”的角色來重構(gòu)自身價(jià)值，突出媒介意識(shí)體現(xiàn)者、價(jià)值導(dǎo)向者的獨(dú)特身份，掌握輿論主導(dǎo)權(quán)，主動(dòng)并積極應(yīng)對(duì)人工智能化浪潮帶來的挑戰(zhàn)。