AI与本地化配音：不只是炒作

视频经过本地化，特别是经配音之后，更能引起共鸣，激发情感反应，逼真的表演也让角色栩栩如生——这些因素都对叙事有着深刻影响。近年来，语音转文本（speech-to-text）生成器在字幕市场广泛应用，越来越多的AI语音生成器和相关工具应运而生，视频质量更高，配音更自然。微软宣称，其语音转文本的AI模型VALL-E只需三秒钟音频样本，就能模拟一个人的声音。该模型的开发者预测，AI语音编辑将能通过只更改文本来改变一个人的声音，比如让那人说出最初并未说过的内容。YouTube的视频创作者们制作了大量视频，教人们如何使用ChatGPT制作高质量AI配音，展示了AI如何加快传统的语音处理过程，制作逼真的人声。

关于AI配音有很多悬而未决的问题，例如：

这些声音谁做主？

AI改变配音演员的原版声音，版权保护及法规又该如何变化？

如何处理AI改变配音声音并重新利用？

声纹验证越来越困难，应用实例该如何追踪？

如果AI配音与声优或音视频的声音相仿，但语言不同，会怎么样？

即使声优同意AI使用声音，谁持有他们之前作品和演出的版权？

AI能改变声音（和图像），但谁有权这样做？

AI本地化业务模式的潜在风险是什么？

问题虽然复杂，但随着AI的快速发展，这些都是需要考虑的重要的道德及法律因素。

视频工作室和内容制作者通过本地化（配音或字幕）不断扩大受众范围，内容拥有者也在寻找趁手工具尽快呈现内容。以目前的行业趋势，这个方法的性价比越高越好。随着内容拥有者在新地区推广内容，越来越多的视频自动配音服务提供商进入市场。他们价格更低，承诺减少市场阻力，并宣称可提供将会彻底改变本地化行业的工具，部分项目不再需要人工参与。AI和机器学习技术的确可以节省资金，并且能更快地将内容制作成视频，上传到流媒体平台，但成本和质量又如何呢？近年来，机器翻译质量有所提高，本地化行业中的语音识别、语音合成和自然语言处理技术也有所发展，但仍需人工参与来弥补AI的不足。

高质量的本地化配音高度依赖语境、情感、口语化语言，需要处理细微的情境和文化差异。AI和机器学习技术目前还无法处理这些复杂因素，进而提高关键的本地化质量。公众普遍认为AI将会继续发展，但在相当长的一段时间内，如果要保证项目质量，人工参与不可或缺。简而言之，如果没有广泛的人工参与，高端本地化就无法保证质量和一致性。因此，尽管AI发展迅速，但它目前仍是辅助工具。AI工作流程具有变革性，这一点毫无疑问，但它同时也会为人类的创造力留下足够的空间。

AI并不是不适合本地化某些类型的内容。它广泛适用于如宣传视频、讲解/培训视频、在线学习视频、播客、部分社交媒体，以及对艺术性和表现性要求较低的内容。

AI本地化内容最重要的是满足受众期待，让他们认识某个商标或公司品牌。从长远来看，低质量本地化可能会损害公司品牌，增加客户流失，或者直接让受众失去兴趣。

AI是一种工具，它不能解决所有问题，也不能取代以人为核心的工作。然而，体验这些技术的进步与发展，参与这场迅猛的核心变革，着实令人着迷。