跳到正文

#声音生成

今日 0 条
当前 13 条摘要

按 #声音生成 标签筛选相关文章,全部摘要包含已公开的精选与非精选内容。

相关主题AI 影视制作

按原文发布时间排列。

11月17日周二原文发布
  1. THR Business56

    “每周5000集”的AI播客公司 Inception AI 转向B2B并更名 Liquid Studios

    Inception AI 已停止运营超过15,000档自有AI播客,将节目置于休眠状态并停止变现,同时更名为 Liquid Studios,转向为企业提供文本转音频、音频转播客视频及多语言翻译服务。公司称此次转型于7月中旬决定,既出于增长考虑,也回应市场对AI内容的顾虑。 转型前,公司一度每周制作超过3,000集节目,以50多个AI虚拟主持人生产内容,单集成本不超过1美元,并通过程序化广告变现。但部分广告市场尚无法向广告主清楚标识哪些节目由AI制作及其表现,即使节目音频和说明中已有AI声明。公司还面对超过350,000集历史内容的维护压力,其中部分健康与保健类AI主持人曾自称医生或心理健康专业人士;相关节目随后停止更新,并从历史库中下架。旧模型生成的节目质量和封面问题也增加了持续编辑、更新的工作量。 Liquid Studios 目前主要通过AI orchestration选择和协调不同AI模型及视频生成器,从音频提取相关图像和动画,制作动画或写实风格的视频,客户可决定是否采用AI生成图像。公司也能克隆主持人的声音与外观,创建写实或动画数字替身,但美国客户因担心市场反应,尚不愿公开使用。其音频转视频服务报价为每成片分钟10美元,并已为 PodNews 启动将行业新闻播客音频转换为视频的试点项目。

10月22日周四原文发布
  1. Motionographer25

    F&C ai Lab《Lorem Ipsum Rap》:用 AI 将占位文本变成嘻哈动画 MV

    François Chatelain 以 F&C ai Lab 名义独立制作《Lorem Ipsum Rap》,围绕“Lorem Ipsum / Dolor Sit Amet”创作了一支 AI 生成的嘻哈动画 MV,让设计领域通常退居背景的占位文本成为歌曲的核心 hook。作品采用高饱和度的黄色、橙色和粉色,结合涂鸦式笔触、超大字体及插画表演者;文字排版也直接参与画面构成,既充满标题,又横跨嘴唇,并化作说唱歌手手上的金戒指。所提供的画面带有明确的 AI 标记。 Chatelain 在音乐、图像、动画段落和剪辑等环节均使用了 AI:音乐由 Suno 生成,视觉风格与插画由 Midjourney 生成,动画段落由 Seedance 生成;ChatGPT 协助构思、提示词和创意指导,剪辑则由 Chatelain 完成。成片把平面设计的视觉语言移入音乐视频场景,为占位文案赋予声音和鲜明的视觉形象。

10月16日周五原文发布
  1. TV Tech57

    ENCO将在NAB Show New York展示新闻制作与本地广告AI工具

    ENCO表示,enCue新闻制作工具集和SPOTai视频广告方案将于10月21日至22日在曼哈顿Javits Convention Center举行的NAB Show New York上首次面向北美展示;其539号展位还将展出字幕、翻译、AI制作、自动化和虚拟制作工具。 enCue是一款基于浏览器的云原生平台,可自动完成素材切条和新闻包装制作。ENCO称,它能分析新闻节目、播客等长篇内容,识别片段并生成适合社交平台的短视频和集锦,同时生成标题与字幕、将视频改为竖屏格式并制作15秒预告。制作新闻包装时,系统可将脚本或旁白与采访、外拍等原始素材匹配,由AI组合相关画面供编辑审核。 SPOTai将ENCO现有的SPECai音频广告产品扩展到视频领域,用户提供基本品牌信息和简单文本Prompt后,可在数分钟内生成1080p广告;产品还包含图像编辑器和自动化社交发布功能。ENCO称其增强后的AI模型可生成更真实的视觉效果和更强的创意结果。 基于Unreal Engine的实时3D虚拟制作合成平台Qimera将展示新的Talent Tracking功能,可在三维空间追踪主持人全身,使其在虚拟环境中移动时,阴影与反射保持对齐。enCaption Sierra则可在本地环境中把实时字幕翻译为另一种语言,并将enTranslate纳入Sierra工作流;enTranslate可实时生成多语种文本,enSpeak进一步把译文转换为自然、低延迟的语音。面向广播电台,ENCO还将展示SPECai的新进展,以及用于生成、本地化和排播动态AI音频内容的云原生平台aiTrack。

10月14日周三原文发布
  1. ProVideo Coalition48

    使用真人演员或 ElevenLabs 克隆声音制作多角色对话有声书

    作者以儿童读物《El gato que se le coló a Colón》的有声书制作为例,介绍如何在客户无力聘请真人配音演员的情况下,使用 ElevenLabs Pro 方案的克隆声音完成多角色对话。该项目需要六种声音,分别对应一名女性旁白及 Paquito、Cloti、Cristóbal Colón、未具名船员发言人和 Rodrigo 五个角色。这也是作者首次制作以实际角色对话贯穿内容的有声书;此前的多声音作品通常只在片头、单章、前言、序言或后记中更换声音。作者认为,ElevenLabs 目前已能提供较自然且可辨识的情绪表现,真人专业配音与克隆专业声音之间仍有差距,但差距正在缩小。 制作按作者要求,让女性旁白采用拉丁美洲口音及 seseante 发音;西班牙雄猫 Paquito 的克隆声音整体适合角色,但其卡斯蒂利亚发音不稳定,会随词句在 distinguishing 与 seseante 之间切换。作者强调,这类差异未必会被所有听众察觉,却是成品中真实存在的限制。项目网站的免费样段只包含旁白、Paquito 和未具名船员发言人,不能代表完整有声书中六个角色的全部情绪表现。 ElevenLabs 还会扫描稿件,对无法确定读音的词语和专有名词提出确认,并提供试听猜测及音标式输入字段,使设定应用于全文。在这份卡斯蒂利亚语稿件中,只有作者介绍部分的地名“Dade”需要人工输入“deid”纠正;系统最初将其读成类似英语语音的“Dah-Day”。各版本的共同核心是 Carmela Doval(亦名 Carmen L. Bofill)创作的故事;有声书的特点是六种声音的协作,纸质版和 PDF 版则以 Andreína Ascanio Toro 的插图见长。目前作者为争取较高版税,仅通过作品网站销售有声书和 PDF;纸质书则借助 TecnoTur,经 Amazon、IngramSpark 及 TecnoTur 的扩展渠道发行,后者覆盖多个拉丁美洲国家和西班牙更多独立书店。文末披露称,文中个人和公司未为本文付费,作者也未从 ElevenLabs 获得特别折扣或 NFR,但部分第三方链接可能通过联盟计划间接使 TecnoTur LLC 获益。

10月11日周日原文发布
  1. Production Expert44

    Charles Maynes:声音设计技能不受 AI 威胁,但声音行业未必安全

    声音设计师兼终混师 Charles Maynes 认为,生成式 AI 尚不能取代影视、流媒体及互动媒体声音从业者的创造性思维,但声音行业仍面临更现实的生存威胁:客户以成本和速度为先、AI 能力只能租用而非拥有、版权归属不明,以及低端市场被逐步侵蚀。AI 可以从既有作品中归纳“剑击盾牌后余振”之类的范例,却不能像人类一样以隐喻连接动作与抽象叙事,也缺少创作中的“意外收获”;复杂提示词能够细化指令,却不能弥补这种思维差异。 Maynes 指出,“声音设计师”本身定义不一:Walter Murch 式的理念将其视为统筹对白、音乐、效果、拟音和环境声并构成最终声轨的“声音导演”,而好莱坞语境中又常指创造特殊声音的人,部分统筹职能则由声音剪辑指导和终混师承担。业内清楚专业声音工作的价值,但多数客户不了解其制作过程。AI 宣传所承诺的低成本、快速结果,促使部分制片方在“便宜、快速、优质”三者中选择前两项,只追求足以发行的最低质量;高速互联网又使欧美低预算项目能够转移至劳动力成本更低的国家,工会和专业组织因而难以仅凭行业内部共识扭转局面。 文章还强调,AI 提供的“即时专长”依赖服务持续存在,用户并不拥有这种能力;一旦服务关闭,能力也随之消失。工具的创作边界由设计者而非最终用户决定,可能迫使使用者接受预设工作流和有限选项。其风险不只在于工具效果不及宣传,更在于低成本生产首先减少入门及低端岗位,令培养和延续专业技艺的人才基础萎缩,再沿质量阶梯向上扩散。Maynes 以无需演员、布景、摄影和声音团队的 YouTube AI 广告,以及在罢工和制作放缓后成为部分从业者工作来源的“Verticals”为例,说明侵蚀已从产业底部发生;同时提醒,不同文化对 AI 方案的适用性和接受程度并不相同。 在版权与市场机制方面,Maynes 将提示生成内容称为“版权黑洞”:若影片、剧集或其中的声音由 AI 生成,其所有权、可复制性及身份被竞争作品挪用后的责任都不明确。他主张通过国家和国际立法,明确拒绝为侵用既有人类作品的提示生成内容提供版权保护;并援引音乐流媒体设置 AI 内容障碍、澳大利亚近期禁止生成式 AI 音乐进入排行榜的做法,认为排行榜和媒体曝光限制可能影响投资判断,给采用 AI 的制片方带来经济压力。这些是作者提出的政策立场与行业判断,并非文中所述问题已经获得统一法律结论。 Maynes 最终认为,保护声音艺术不能只依靠知名导演拒绝 AI,因为相关企业主要瞄准的是产业金字塔底部。决定性力量仍是观众:行业需要理解观众为何会接受 AI 媒体,是成本过高、内容质量已足够,还是个性化提示生成满足了需求;同时也应反思高达 2 亿美元的制作和频繁推出大片是否必要。声音及影视从业者应在国际范围倡导人类创作者的贡献,并与以投资回报为目标的制片方进行坦诚、善意的商业协商,建立既能维持生产基础设施、又能保护创作渠道的长期共识。真正的防线,是持续创作超越既有作品简单重组、能让观众珍视而非视为一次性商品的故事。

10月9日周五原文发布
  1. Deadline69

    Paul Vaughan之女指控Royal Mail用AI再现其亡父声音

    Deadline调查发现,Royal Mail在2025年圣诞广告中使用ElevenLabs技术生成旁白;已故BBC节目、Paddington有声书旁白Paul Vaughan的女儿Lucy Wynne认为,该声音未经许可再现了父亲的嗓音。Royal Mail承认广告旁白由AI生成,但称其并非为模仿任何特定个人,制作方此前的检查也未发现声音相似问题。 该广告由Darwin & the Machines统筹,Untold Studios负责拍摄真人故事,捷克AI公司Fameplay承接旁白并使用ElevenLabs技术。Fameplay称生成提示未引用Vaughan;ElevenLabs确认这不是对Vaughan的直接声音克隆,但拒绝说明模型训练材料是否包含他的录音。Vaughan曾为BBC《Horizon》、Radio 4《Kaleidoscope》、电视剧Threads及Paddington有声书担任旁白,公开领域存在大量其专业录音。 Queen Mary University of London的声音心理学专家Nadine Lavan表示,研究显示家属辨认亲人声音的能力很强,据此可认为广告声音与Vaughan非常相似。University of York法证语音科学教授Vincent Hughes在广告音频较短的限制下,仍发现两者在辅音和元音发音模式及整体音色上存在“相当大的语音相似性”。Deadline另用三种开源AI分析工具比对,三者均认为该合成声音有较大概率与Vaughan属于“同一说话者”,但这些结果并未确定模型是否使用过其录音。 Wynne批评制作方未充分调查声音来源,也反对AI取代配音演员;她投诉后尚未收到Royal Mail道歉。ElevenLabs随后将Vaughan加入No Go Voices名单,今后不得在其平台上被直接克隆。报道以此案例说明,即使没有明确要求复制某个人,生成式语音也可能产生与真实人物高度相似的结果,并引出训练数据透明度、相似性检查及责任归属问题。

    推荐理由:报道结合家属辨认、法证语音分析与开源工具比对,呈现合成旁白相似性审查与责任归属的现实难题。

10月8日周四原文发布
10月6日周二原文发布
  1. postPerspective64

    Ambassadors 向所有用户开放视觉 AI 工作流平台 Mosa

    阿姆斯特丹创意制作公司 Ambassadors 已向个人创作者、自由职业者、工作室、代理机构及企业团队开放其内部视觉 AI 工作流平台 Mosa。平台于 6 月首次亮相,随后由 10 个品牌和代理机构进行封闭测试,共构建超过 40 个工作流并生成超过 500 项资产。 Mosa 源于 Ambassadors 自身制作中遇到的工具分散问题,旨在把 AI 模型、数据和工作流步骤集中到一个可视化工作流中,减少在图像、视频、upscaling 等工具之间手动传递提示词、数据和品牌要求。团队可在同一画布上连接不同 AI 提供商和数据源,构建涵盖图像、视频与音频的流程,并将其复用于不同项目、格式和市场。Ambassadors 此前使用的相关工具包括 Fal、Higgsfield、Magnific 和 ComfyUI。 Ambassadors 称,原本需要把一个主创意手动适配到 10 个市场的广告活动,现在可作为单一工作流运行,由 Mosa 提取核心信息、使用适合的模型生成本地化文案和视觉内容、按品牌规范检查输出,并一次交付完整素材。每个步骤会显示资源用量和成本,用户可在运行前了解费用;AI Agent 可在无需编程的情况下帮助构建和理解工作流。 个人方案按使用量付费;团队方案提供项目共享、完整工作流协作、可按成员设置使用上限的共享预算及 SSO。企业方案包含专属客户经理、解决方案工程师、定制培训和由 Mosa 团队设计搭建的托管工作流,用户也可按需接入自己的 API keys。

    推荐理由:材料交代了 Mosa 串联多类 AI 工具、复用跨市场流程及核算成本的方式,可供团队评估工作流整合方案。

9月30日周三原文发布
  1. ProVideo Coalition48

    《Remembering》:首部以作者本人克隆声音朗读的有声书

    TecnoTur 为 Anna Pittman 的首部著作《Remembering: Wholeness and Awakening through the Twelve Steps》制作并发行多个版本,其中英文有声书采用作者本人的克隆声音朗读。全书定稿为 308 页、63,325 词;考虑到真人配音需要投入大量录制、补录和编辑时间,且 Anna 希望保留自己的声音,团队基于制作周期和预算选择了声音克隆方案。用于克隆的真人录音来自 Ernesto Morales-Ramos 此前为 Anna 的音频冥想项目所做的录制,使用 MXL 770 电容麦克风。 在比较 FlexClip、ElevenLabs、Descript、DaVinci Resolve Studio 等方案后,作者为本项目选用 ElevenLabs Pro 计划。导入书籍的 ePUB 版本后,ElevenLabs 分析了全部 63,325 词,列出其无法确定读音的术语和人名,允许制作人员试听系统的初步发音,并在需要时以注音方式输入正确读法。文章作者将其称为“主动式配音词汇表”;该功能可为制作提供起点,但不能替代人工逐章、逐节试听,以及对生成语音进行必要的手动修改。 互动有声书采用支持章节和段落导航的 M4B 格式,主要通过 Remembering.info 直接销售,同时提供 ePUB 版本;网站另设 M4B 与 ePUB 使用说明页面,并将链接加入页脚及购买后的自动邮件收据。有声书也可通过 Spotify 获取,但作者所得版税较低。纸质书在文章发布时已面向阿根廷、澳大利亚、智利、哥伦比亚、厄瓜多尔、墨西哥、波多黎各、西班牙、乌拉圭、英国和美国销售,各地区页面以当地货币显示价格。

  2. TheWrap32

    创作者谈 AI:它代表未来,但使用时必须对受众保持透明

    在 TheWrap 于周二举行的首届 AI Creator Day 上,多位创作者认为,AI 已成为无法回避的行业趋势,其提高创意变现能力和扩大受众范围的潜力值得探索,但使用者必须向受众保持透明,并面对粉丝抵触与应用边界尚不清晰的问题。身兼创作者、喜剧演员和配音演员的 Vincent Marcus 表示,他已在为配音工作可能消失做准备,因此全面投入 AI;他参与为 AI 社交平台 Cantina 的生成式机器人角色配音,希望借此将创意转化为收入。YouTube 创作者及 MOLO Fertility 创始人 Rebecca Zamolo 则强调,应承认行业正在向 AI 发展,并坦诚告知受众如何使用它。 文章列举了 AI 进入创作者工作流的多种路径:通过 Cantina 等第三方公司,直接使用 ChatGPT、Claude,或采用社交平台内置工具。YouTube 的 AI 工具可对标题和缩略图进行 A/B 测试;Ask Studio 是熟悉创作者频道的专用 AI 智能体,可辅助数据分析。TikTok 的 Symphony Creative Studio 支持文本生成视频、图像转动画和数字化身;Instagram 的 Muse 则用于管理工作流、分析账号活动和规划内容。 Zamolo 与丈夫 Matt Slays 表示,AI 配音扩大了其 YouTube 频道的国际覆盖面:美国受众占比在一段未说明具体长度的短时间内由 65% 降至 35%,反映海外观众比重上升。Slays 认为,这使团队无需投入同等程度的工作便能显著拓展市场。不过,他们仍在测试哪些 AI 用法可以被接受;当应用越界时,观众通常会在评论区指出,这种反馈也构成学习正确使用 AI 的过程。 与会者对“AI 创作者”标签态度较为务实。Destorm Power 认为创作者无法决定外界如何称呼自己,Bernie Su 则表示规则正在改变,只能继续创作并观察观众反应。多名参与者同时反对“AI 必然扼杀创造力”的看法:Cantina 合作伙伴高级总监 Katherine Rundell 主张,技术让更多大胆构想得以实现,因此创意在 AI 时代反而更重要。上述观点来自会议讨论及个别创作者案例,并不构成对所有 AI 工作流或受众反应的普遍验证。

  3. TheWrap28

    Stability AI CEO:一年后,我们的 AI 工具将成为所有音乐制作的必需品

    Stability AI CEO Prem Akkaraju 在 TheWrap 首届 AI Creator Day 上表示,公司不会脱离专业创作者开发应用或 AI 模型。他认为,“没有创作者参与却去创造创作者工具”是不可理解的,并预计一年后,Stability AI 的音频平台将在音乐,以及游戏、创作者内容和电影的音频制作中变得不可或缺。这是 Akkaraju 对未来的判断,并非已经实现的行业现状。 Stability AI 以 Stable Diffusion 和 Stable Image 系列闻名,这些工具可让个人和企业通过文本提示词创建、编辑照片级真实感图像。公司试图凭借与媒体行业的直接联系拓展娱乐市场:Universal Music Group、Warner Music Group 和 Sony Music Group 作为战略合作伙伴及投资者参与了近期融资,导演 James Cameron 则担任公司董事。曾任 Weta Digital CEO 的 Akkaraju 表示,公司在开发工具时会借助 Cameron 等业内人士及相关合作关系;他以编码工具为例,认为这类模型之所以具有较高投资回报,是因为开发者清楚优秀代码与输出应达到何种标准,而同样的方法也可在合适专家参与下用于其他媒介。 文章同时指出,AI 正逐渐进入娱乐行业,一些制片公司和好莱坞从业者已低调采用相关技术,创作者也借此提高内容生产效率,但公众污名和粉丝抵触仍然存在,科学类 YouTuber Hank Green 等人曾遭遇反弹。Akkaraju 将时间与资金称为娱乐业的“两大祸害”,主张创作者在能够减少这两项成本、提高产出并增加用于故事创作时间的情况下使用 AI。

9月27日周日原文发布
  1. Production Expert43

    生成式 AI 与原创性:我们需要谈谈“房间里的大象”

    Production Expert 作者讨论生成式 AI 在音乐与音频创作中的原创性问题。作者并不反对所有 AI:清理原本不可用的音频、整理和分类大量音效,以及修补录音中的掉音,都可为专业音频工作带来实际价值。文章针对的是从提示词直接生成文字、音乐、图片或视频的生成式 AI,并暂时搁置大部分伦理争议,集中追问现有技术能否产生真正的原创性和偶然发现。 作者的核心判断是:生成式 AI 的输出在最初的“魔法感”消退后,往往会迅速显得雷同;这并非只因算法尚不成熟,而与其依据既有数据预测最可能后续内容的架构有关。人类创作中的突破常来自意外及对意外价值的判断。文章以 Townhouse Studios 的 Stone Room 中因 SSL 调音台 talkback 麦克风保持开启并经过 gate,而偶然形成 gated reverb 的故事为例:新声音并非预先规划,而是有人发现意外结果值得保留。作者认为,当前生成式 AI 虽会产生“幻觉”等错误,却不能自行区分值得发展的“快乐意外”与普通故障;调节 temperature 只能在较可预测的平庸输出和更失控的无用结果之间变化,并不会自然带来有意义的偶然性。 为验证这一点,作者用 Suno 尝试生成“从未有人听过的音乐”和“原创的东西”,得到的都是三首中庸流行歌曲;进一步要求创作带有 5/7、风笛和 50 年代鼓组的摇滚/流行抒情曲,结果在作者听来只是 80 年代 Whitesnake、《Braveheart》与 The Skids 的混合,既不原创也不好听。作者承认未来可能出现采用不同设计、真正突破现有局限的系统,但强调那并非当前技术,因此“以后算法会改善”不足以反驳其对现阶段生成式 AI 架构的批评。 文章也回应“人类同样从既有作品中学习”的观点。作者承认人的创造会受到书籍、音乐、电影、电视、经历与交流影响,文中还提到一些研究把这种影响估为约 70%;但他认为,将人的经验性创作与生成式 AI 的模式预测等同起来是错误类比:Suno 可以写一首关于失去的歌,却从未体验过失去。作者据此把当前生成式 AI 概括为“通过挪用进行迭代”,并指出 Suno 等公司承认使用受版权保护的材料,同时主张这属于“合理使用”。最后,他把部分 Suno 输出播放给妻子;对方认为音乐很糟,并在未受提示的情况下主动询问是否由 AI 生成。作者将这一有限的个人测试作为其观点的现实印证,而非普遍听众研究。

9月24日周四原文发布
  1. Variety19

    原版《Willy Wonka & the Chocolate Factory》Oompa-Loompa 演员 Rusty Goffe 听到 AI 重现 Gene Wilder 声音后落泪:“再次听到它很美好”

    据 Variety 标题,曾在 1971 年版《Willy Wonka & the Chocolate Factory》中与 Gene Wilder 合作、饰演 Oompa-Loompa 的 Rusty Goffe,听到 AI 重现的 Wilder 声音后“流下了一滴眼泪”,并表示再次听到这个声音“很美好”。 正文仅取得开头且在提到 Netflix 的收购事项时截断。已提供部分还写到,Goffe 本月早些时候接受 Zoom 采访,结束通话时以影片风格的用语“Have a scrumdiddlyumptious day!”道别;除此之外,材料未提供 AI 声音重现的制作方法、使用场景或 Netflix 所收购对象等完整信息。