科技讓人越來越「懶」，未來我們可能會閉著眼讀新聞嗎？

秉承著科技讓人越來越「懶」的原則，語音正在改變著人們的交互方式，你現在可以用語音輸入代替打字、用語音指令代替觸控操作，甚至能直接跟語音助手對話，讓它來幫你完成一些事情。其實語音技術還有一個用處，就是把文字轉換成語音，讓人們可以用「聽」的方式來閱讀一些文字，這裡用到的就是語音合成。我們在很多公共場合聽到的「機器音」，都是用語音合成技術生成的。

當然，這樣生硬而不帶任何感情色彩的聲音談不上什麼用戶體驗，只是在某些場合完成一些重複性的工作，節省人力成本。但大家有沒有想過這樣一個問題，如果機器音也可以變得不那麼生硬，和真人類似，我們的閱讀習慣會不會因此改變？

產生這樣的想法來源於最近聽到的一個聲音。掌閱的語音朗讀功能中有個「情感男聲」選項（百度語音提供支持），把語速調到較慢，這時它發出的聲音就變得和一些有聲小說的主播類似，有停頓、有語氣、有感情，說出的話就是完整的一句，而不像用詞語拼湊起來的。由此我產生一個想法，如果這種類似真人的聲音可以配合文字轉語音功能大規模使用，我們看到的所有文字新聞是不是就都能轉成文字內容？這樣就不再需要用人工朗讀的方式生成語音內容，用戶也不用再忍受生硬的機器音。也許未來，語音新聞會成為一種新的趨勢。

類似真人聲音+文字轉語音，萬物皆可讀

關於文字轉語音的技術已經有很多公司在做，比如國內的訊飛，他們就做了一個主打有聲閱讀的產品「訊飛有聲」，用語音合成技術代替了人工朗讀。不光是小說，在這裡還可以讀知乎、公眾號、新聞等平台的文章，相當於是把文字轉語音工具、聽書網站、新聞資訊三合一，達到「一鍵朗讀」。和喜馬拉雅 FM 這樣的音頻內容平台相比，訊飛是在用語音合成技術來代替人工，這樣一來創作者就顯得不重要了，用戶可以將看到的任何文字內容轉化成語音，而不用局限於現有的音頻內容。

近幾年音頻節目、短視頻內容興起其實可以說明一件事，就是單純的文字內容已經不夠豐富，不夠吸引人。上班族習慣在通勤路上瀏覽新聞，不斷加快的生活節奏也讓人對長篇文字失去耐性，所以喜馬拉雅、得到這樣的平台可以火起來，讓用戶用一種貼近生活、更輕鬆的方式來獲取信息。誠然，頭部用戶、優質內容是吸引用戶的重點，但從一個較長的時間周期來看，語音平台的發展需要持續的內容生產。毫無疑問，類似真人的聲音+語音合成才能滿足這樣的需求，才具備改變行業的力量。

極客公園的「極客早知道」欄目已經在今年四月份增加了語音播報的形式，我們獨家的音頻欄目「IF Talk」也已經更新了六期內容，很多人反響不錯（大家可以在最新的極客公園 App 3.0 版本中收聽）。如果每篇文章都能以語音的方式提供，是不是會更方便閱讀？這個事情由人工朗讀來完成是不現實的，效率低，效果可能也不好。但如果用類似真人的聲音+語音合成的方式來做，會更容易實現。

訊飛在微信裡面也做了文字轉語音的小程序「訊飛快讀」，不過定位是工具，用戶需要手動把文字複製，或者搜索公眾號文章才能聽到語音朗讀。微信小程序里還有個產品叫「飛鳥聽聽」，他們也是主打文字轉語音的功能，不過並不是做工具，而是在用新聞資訊產品的思維來做。只看文字轉語音的技術的話，好多公司都有這個能力，我們也看到了可以把機器音做得和真人聲音差不多的產品。但是在技術成熟後，更重要的是產品的實現方式和體驗。

語音合成可以填補智能音箱的內容空白

語音新聞會成為未來的發展趨勢，還可以從另一個角度來佐證，那就是現在越來越流行的智能音箱和語音助手。智能音箱的市場已經競爭到了百元以下，門檻降低，用戶增加，這時候內容就成了一個巨大的需求。家裡買了智能音箱的人都知道，現在的語音內容其實很少，而且各家的內容壁壘也高，只靠接入現有的語音內容遠遠無法滿足需求，但如果用類似真人的聲音+語音合成的方式來解決，就意味著有了一個不會枯竭的內容生產機器。誰可以先將技術、版權、產品這些整合，把體驗做好，誰就能擁有它。這可以繞過拼資源的老路，從技術的方面捷足先登。

另外還有越來越智能的語音助手，它對手機的交互已經是產生了巨大的影響，但扮演的角色還是一個介質、一個傳聲筒，如果語音合成可以無限接近真人聲音，那麼語音助手就可以兼任生產者、朗讀者。未來讀新聞的場景可能是這樣的：「Hey Siri！我想讀極客公園的最新文章。」然後 Siri 直接幫你找到文章，並語音朗讀。這時候語音內容就不再受限於人工朗讀，可以隨時隨地來聽新聞。

存在版權、準確度等問題

不管是文字、語音、視頻還是哪種內容，版權都是一個讓人頭疼的問題。當語音合成可以盡量像人，那麼這樣生成的內容該怎麼定義版權呢？如果文字轉語音只是作為一個工具，那內容的生成、消費就只是用戶的個人行為，但如果把它當一個語音新聞的平台來做，這就會涉及版權問題了。

另外，掌閱中的「情感男聲」雖然已經無限接近於有聲小說的主播，但說話是一股說書的味道，如果讓他來讀新聞，可能會有一些違和感。所以要想讓語音合成「什麼都能讀」，可能還需要更多的聲音角色，並針對文字內容匹配合適的聲音來朗讀。

語音合成還有一個問題，就是準確率。連真人都可能把 iPhone X 念成「愛瘋叉」，機器能保證不出錯嗎？比如像 GeekPark 這樣的英文，「極客之選」——極客公園的新酷產品頻道，這樣有複雜符號的內容，怎麼處理就是個問題。文字轉語音的技術必須針對這些具體出現的場景進行優化，讓機器去適應人的文字表達習慣，再輸出成語音。當然，拋去這些細節不說，語音合成的效率和準確率一定是會比人工朗讀要高的。

未來我們會怎樣進行閱讀？

語音內容是符合人們閱讀習慣的，智能音箱等產品的發展也需要大量的語音內容填充，而文字轉語音的技術和類似真人的朗讀已經可以實現，所以未來我們看新聞的方式可能會發生翻天覆地的變化。

首先是語音內容的數量，不局限在已有的人工朗讀，大部分的生產者變成了機器。第二是閱讀方式，語音助手可以兼任助手和朗讀者，用戶只需要和語音助手對話就可以得到想聽的內容。第三是閱讀的設備，手機、智能音箱都可以用來獲取信息，語音助手讓它們無縫結合，語音新聞可能成為人們關注的重點。

音頻內容平台早就進入到了拼資源的狀態，用戶需求和智能音箱的內容空白又遠遠沒有得到滿足，所以我們看到了一些公司想用語音技術改變這樣的局面。「隨身聽」在用智能語音的方式來做內容平台，「飛鳥聽聽」想用文字轉語音的方式做播客，訊飛也推出了「訊飛有聲」，不局限於做一個工具。再加上無線耳機、智能音箱等產品的流行，我們的交互、獲取內容的方式都在「語音化」。當基本技術成熟，誰最先把技術、版權、產品等資源整合，把體驗做好，誰就可以掌握這台永不枯竭的內容生產機器。

頭圖來源：視覺中國

編輯：Rubberso

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！