播客行業正朝著更加輕松自然、非正式性的音頻敘事方向發展。這種較少使用嚴肅用語的傳播形式，也成功拉近了主播與聽眾間的溝通距離。

換句話說，主播們盡可能使用口語表達，降低表述內容的理解與反應難度。也正是憑借著這種通俗易懂優勢，音頻敘事變得越來越流行，相關調查數據也證明了這一發展趨勢。

根據Statista公布的統計結果，2018年全美播客收聽者已經達到7500萬;預計到2024年，月收聽用戶將增長至1.64億。由此估計，2019年至2023年之間播客聽眾的復合年增長率將高達17%。

2020年，四分之三的美國民眾明確知曉播客為何物，其中超過半數(55%)的受訪者已經開始收聽播客。而作為全球收入最高的播客，喬·羅根(Joe Rogan)的《喬·羅根體驗》(The Joe Rogan Experience)節目在2019年獲得高達5000萬美元銷售額，月均下載近2億次。

目前，播客行業面對的主要問題在于如何在維持內容獨立性的同時，獲取支持行業快速增長的必要資源。終于進入正題——人工智能等突破性技術帶來的語音克隆功能，也許能夠帶來重要的解決手段，或者至少是部分解決方案。

以尼克松(Nixon)項目為例，其以令人信服的結果證明AI技術完全能夠重現出與人類對象沒有任何區別的語音效果。麻省理工學院的一組研究人員、新聞工作者及藝術家，同語音克隆廠商Respeecher及VDR公司的Canny AI開展合作，共同創造出模擬得出的首次登月通話記錄——只是這一次，宇航員阿姆斯特朗與奧德林未能完成任務，并被困在了月球上。

他們甚至還“偽造”了時任美國總統的尼克松的視頻，向全世界宣告此次登月之旅的悲慘失敗。

當播客遇上AI

計算機化語音的主要挑戰，在于如何復制人類表達以及其中的種種細微差別，同時盡力避免機器音的存在。而在識別并重現細微聲音變化元素方面，以人工智能為基礎的語音轉換技術為我們指明了一條可行的發展道路。

蘋果Sir、Amazon Alexa、微軟Cortana以及Google Assistant等語音助手仍在使用文本到語音轉換技術。雖然這種技術的實用性確實很高，但卻很難帶來不同的語音類型。以Siri為例，要想實現老年男性的語音效果，除了需要引入龐大的預錄制文件之外，Siri還無法處理該音頻文件中未能包含的單詞。在這方面，AI支持下的語音到語音轉換就成了新的突破口。

如何將AI語音克隆應用于播客領域?

人工智能不僅能夠實現語音克隆，還能夠在任意播客節目中完美復制一切語音效果。其中使用的是一項名為“智能雞尾酒”的經典數字信號處理算法，外加專用的深度生成建模技術——允許內容制作者使用最適合的聲音解決以往難以實現的錄制效果(例如播報員有其他工作，或者需要重現某位已經去世的配音演員的音色等)。

下面來看幾種語音克隆技術在播客制作領域的可行用例：

1. 讓名人加入您的節目

我們很難請到知名演員、作家、運動員等參與您的節目，但如果使用人工智能技術復制他們的聲音，就可以既輕松實現同樣的效果、又不必勞煩他們親自到錄音棚跑一趟。以此為基礎，聽眾們能夠聽到自己喜愛的聲音，節目制作方與名人們也省去了勞頓之苦。

2. 重現舊日之聲

語音克隆能夠讓已經去世的演員們再次獻聲。想不想讓肯尼迪總統為歷史播客配上旁白?沒有問題，語音轉換技術能夠精確重現他的聲音——是的，不只是“相似”，而是真正的完美還原。

3. 使用童聲朗讀，又不用強迫孩子們長時間工作

孩子們講話總是非常有趣，這種趣味性不一定體現在內容上，而更多在于他們的語音、語氣和語調當中。但與孩子們一同工作可是相當費心費力。通過語音合成技術，我們可以讓專業演員念出孩子的臺詞，再將其轉換為童聲效果，大大簡化節目制作流程。

4. 快速推進節目制作進度，保證播客及時播出

AI可以瞬間重現人聲，而且短時間內就可以提供高質量的目標語音成果。

總結

2017年，全球播客市場帶來的廣告收入高達2.2億美元，且每年都在翻番。而用戶參與度的提升，將成為吸引潛在廣告客戶的核心動力。更重要的是，播客中的廣告其實效果極佳，調查顯示此類廣告擁有近90%的播放完成率。

此外，廣告客戶甚至愿意為某些播客節目支付 高達30美元的CPM(廣告每千次展示成本)。單說這個數字大家可能沒有概念，但Facebook上的每千次廣告展示成本約為6美元。

網絡電視正在緩慢但堅定地取代著有線電視，播客與傳統廣播之間的關系似乎也是這樣。而單純從傳統廣播類廣告出發，播客行業至少還能夠吸引到額外約200億美元收入。而正如我們在文章開頭提到，播客節目能夠吸引到大量原本根本不聽廣播的群體，因此其利潤增長期望可謂一片光明。

這些調查數字表明，播客業務將長久存在，同時也迫切需要音頻內容制作者們找到效率更高、效果更好的節目產出方法。

也許AI語音克隆技術，正是幫助播客行業在內容獨立性與節目制作資源需求間找到完美平衡的終極解決方案。