纪录片创作中AI配音的功能性探析——以《创新中国》为例

□ 郭雨辉 张宇莹

纪录片属于电视或电影艺术形式，以真人真事、真实生活为素材，通过艺术手法加工后进行展现，表现本质上的真实。纪录片在发展中,解说与配音是其创作的关键要素,对纪录片的表现力及质量产生影响。在纪录片创作中，声音和画面是最基本的表现手段。声音包含音乐、音响效果、解说词、同期声等，其中解说是能够引导和带领观众进入故事和贯穿故事、推动故事发展的最佳、最有效的途径之一。纪录片的配音一般依附于画面内容，并利用情声气展现出画面之外的意蕴和内涵，让受众透过配音产生更为丰富的思维活动和想象空间，更准确的领会纪录片的内涵。《创新中国》利用人工智能模拟，复原了李易的声音，AI智能配音虽然还有不足，但在纪录片创作中具备重要功能。

《创新中国》中解说词配音的功能

不同于传统的真人配音，《创新中国》采取AI模拟人声对解说词进行二度创作，配音解说具备对画面进行解释和梳理的基本功能，以及升华价值、奠定基调的附加功能，在几种功能的发挥中，AI智能配音又有着不同的功能价值，笔者将以《创新中国》为例，辨析AI智能配音的功能。

解释画面，强化信息。对纪录画面进行解释说明，这是纪录片配音的最基本功能，配音演员对解说词的诠释，传递的不仅是作品画面的信息，更是画面之外的超信息，即对重要信息的强化。纪录片利用画面呈现的内容有时不能精准的表达创作者想要传递的信息，画面的特质是视觉化的、抽象的，而通过具象的文字和声音，能更好的表情达意。如在《创新中国》第二集《能源》中，画面呈现正在煤田工作的挖掘机和大全景的煤田盛况，在配音解说中突出了“全国最大露天煤矿之一”，并解释说明画面中的挖掘方法为“分层挖掘——这种挖掘方法有助于土壤回填。”通过解说词的信息补充和画面的解释，能够让受众准确掌握信息，而AI配音中重音和停连的使用，使解释说明的音响达到了音韵和谐的效果，完整呈现出段落的信息和主题。

升华价值，注入情感。纪录片不同于新闻报道的事实性创作，在纪录片当中创作者需要通过解说词、音乐、配音、同期声等音响手段配合画面，达到升华内容主旨的效果，同时为作品注入情感打动受众。而这部分的内容则更接近创作者真正的思想观点、创作意图，同时也是对全片的总结升华和主旨的深化，一般情况下，这部分的解说词配音感情运用更为饱满，声音色彩的变化对比更强烈，从而彰显情感色彩。如《创新中国》第六集《潮起》中的配音解说词“这座城市的生长，正如同这个古老国度，40年来走过的路程……这个梦想值得我们付出全部的智慧和努力。一个人、一个团队、一家企业、一座城市，都在用自己的方式描绘着我们共同的未来，每一种力量都无比珍贵，每一次创新都意义非凡。”作为升华价值的解说词多出现在纪录片的片末，在处理这类解说词时，配音员要更加注重情绪渲染层面的声音处理，激发受众心理、情绪、情感的共鸣。而这也正是AI配音最薄弱的一环，由于缺乏真实的社会经验和人类情感，AI智能配音仅能在解说词、音乐和画面的帮衬下完成升华价值的功能，但难以为其“增色”。

奠定基调，补充叙事。在配音过程中，通过感情的色彩分量和声音形式的拿捏，呈现出与纪录片风格相匹配的声音样态，将整体的作品格调呈现出来。同时，能够在画面承续性较弱、叙事断档的地方，通过解说词和配音内在语的手段增强内容的连续性，达到补充叙事的功能。《创新中国》中创作者选择李易的声音样本作为创作元素，李易的声线特点符合作品理性而庄重的风格需要，但AI智能配音的合成效果中，对声音的色彩变化控制还需增进。在第一集《信息》中，画面从信息化的中国无人机运输转到顺丰无人机的考试现场。在解说词和配音的过渡下，再加之片头和台标的标注，整个内容浑然一体。在纪录片配音创作中，声音的音色和对感情色彩的把控将对作品产生重要影响，AI智能配音在音色的选择上具有更大的自由度，但在声音色彩和播音基调的掌控上还有较大的提升空间。

AI配音的优势与劣势探析

人工智能配音的出现主要依托语音合成和图像合成技术，不论是对主持生态还是配音生态环境都产生了极大的冲击和变革，正如纪录片《创新中国》所选用的配音演员不是真人，而是以已故配音大师李易的声音做为样本合成的AI配音技术，一经问世便震惊业界。AI合成配音作为播音主持有声语言艺术和人工智能技术的一次深度融合，其作用的发挥可以很大程度上把配音员从单一繁重的劳动中解放出来，同时可以满足受众的好奇心。作为新生事物不可避免的存在缺陷，AI配音如今只是停留在单纯的读稿阶段，未来还有很大的发展空间。

AI配音的优势。自从生成对抗网络(GAN)能稳定训练以后，语音合成这种由A数据生成B数据的数据生成方法就不再存在大的技术障碍了。人工智能技术应用到纪录片配音需要的声音样本不仅要内容丰富而且要有完整的声音样本，它能够根据编剧所提供的文稿通过对声音样本库的对比自动合成一段媲美真人配音的录音，这也极大的帮助了很多纪录片剧组都可以用上名家的“高水准配音”。

人工智能配音可以应对多语言环境下的不同要求，AI合成语音技术支持多语言混读，只要声音样本库的储量够大都可以满足这样的需求，同时人工智能配音还可以提供各种声音包括男性、女性甚至是儿童。在合成效果方面，良好的人工智能配音可以媲美真人的声音，仿真度极高，能够为受众提供悦耳的聆听体验。再者，人工智能配音在线融合技术，可以根据当前网络环境自动判断本地引擎或云端引擎，进行语音合成。

除此之外，对于纪录片配音来说“解说+画面”是最为重要的一种展现模式，唯有画面与解说相互完美配合才能铸就优秀的纪录片，所以画面和配音成为纪录片叙事的两大核心手段。对于配音演员来说，如何让自己的声音和画面完美契合是亟待解决的问题，恰恰人工智能配音有力的缓解了这样的问题。比如《创新中国》，画面在拍摄和后期的处理方面的专业性不言而喻，而人工智能配音也贯穿在每一集纪录片中。

AI配音的劣势。有人针对受众对人工智能配音的适应性进行调查，结果显示，对于资讯类消息和任务播报场景等，63%的人从一开始就没有表现出不适应和排斥；21%的人表示在使用过程中不适感慢慢消失，开始习惯人工智能配音。人工智能配音技术虽然让整个配音行业生态环境有所改变，但还存在不足之处。比如《创新中国》多个片段中，人工智能配音的停连很生硬，甚至存在字和字之间有所黏连；介绍中国“天眼之父”南仁东去逝时，人工智能配音对于感情的刻画生硬，很难让受众体会到缅怀之情；对于激动等情绪的表达，人工智能配音和真人配音之间的差距显而易见。在第一期中，顺丰小哥在几千个人中脱颖而出获得了无人机配送快件的岗位，这本应是一件令人激动的事情，人工智能配音反而显得稳重，这和同样是李易老师所配音的《美丽中国》有很大差距。可以说，在语音合成技术领域，可以很轻松地解决最基本的字音准确的要求，但是很难解决重音、停连、语气和节奏，更难解决配音的灵魂——情。当下如何让人工智能发音更富情感、用对情感是未来它能否走得更远的关键一环。除了纪录片，其他各种类型影视作品的配音都需要用感情丰富的配音员来进行艺术演绎，当前AI配音的技术水平远不能达到要求。

结语

在纪录片整体表达过程中，解说艺术是纪录片叙事的重要组成部分，可以有效地解释画面、强化信息、升华价值、注入情感、奠定基调、补充叙事。相同的解说，在不同的解说员口中会展现出不同的效果，因此配音技巧在纪录片中的精准应用十分重要。当下，人工智能配音可以有效缓解配音员繁重的配音工作，并且为人机合作配音开辟未来。随着深度强化学习等智能技术的发展，人工智能配音将不再仅仅只是根据提供好的现成稿件去进行单一的二度创作，而是不断的去尝试人工智能自主写稿并且自主配音，完成整套流程。人工智能正改变着目前整个配音环境，未来将会更加完善。