人工智能(AI)在專業(yè)音頻領(lǐng)域的應(yīng)用，既可能成為自切片面包以來最偉大的發(fā)明，也可能像當(dāng)年的“千年蟲”問題一樣引發(fā)恐慌。甚至，它可能產(chǎn)生類似“奧本海默效應(yīng)”的雙刃劍效果：既可能拯救創(chuàng)造者，也可能毀滅他們，同時(shí)展現(xiàn)出既危險(xiǎn)又誘人的一面。

　　AI 設(shè)計(jì)的專業(yè)音頻應(yīng)用產(chǎn)品已經(jīng)產(chǎn)生了影響，例如 Respeecher 在電影和視頻中用于自動(dòng)對(duì)白替換(ADR)。在音樂、電視和現(xiàn)場活動(dòng)制作中，AI 被用于自動(dòng)混音，甚至直接創(chuàng)作音頻。在這一過程中，它也威脅到了那些越來越多依賴它的“碳基創(chuàng)作者”的就業(yè)。

　　然而，AI 在音頻應(yīng)用中的全部潛力，包括在廣播和體育直播制作中的應(yīng)用，仍然充滿不確定性。最近一篇關(guān)于 FOX 體育在超級(jí)碗制作中應(yīng)用 AI 的文章，標(biāo)題中高調(diào)提到了“AI”，但內(nèi)容卻只是模糊地提及了機(jī)器學(xué)習(xí)(被認(rèn)為是 AI 的一個(gè)子集)在未來不確定的應(yīng)用。AI 已經(jīng)成為了一種“模因”，盡管是一個(gè)價(jià)值數(shù)十億美元的模因。

　　SVG 采訪了幾位音頻專家，評(píng)估 AI 在體育廣播音頻中的潛在影響。以下是他們的觀點(diǎn)。

　　01

　　人類仍然不可或缺

　　Quintar 的 Tom Sahara 表示：“公司需要先進(jìn)行投資，AI 才能持續(xù)產(chǎn)生實(shí)際效果。”

　　Tom Sahara 是 Quintar(一家空間體驗(yàn)開發(fā)公司)的生產(chǎn)技術(shù)高級(jí)副總裁，曾任 Turner Sports 的副總裁。他看到了 AI 在音頻領(lǐng)域的雙面性。其優(yōu)勢包括通過監(jiān)控信號(hào)電平并以確定性和可預(yù)測的方式應(yīng)用電平管理，減輕 A1(音頻工程師)在比賽期間的注意力負(fù)擔(dān)，或自動(dòng)混音輸入源以用于二級(jí)用途，如入耳式監(jiān)聽、翻譯和替代語言。它甚至可以通過整合來自外部和非音頻源的數(shù)據(jù)(如信號(hào)切換、路由器活動(dòng)、錄制設(shè)備狀態(tài)和 GPS)來改進(jìn)現(xiàn)有的自動(dòng)混音流程。

　　此外，自動(dòng)化的唇音同步和延遲調(diào)整可以按通道存儲(chǔ)，并與時(shí)間、播放列表/剪輯 ID、物理位置(GPS)、路由器設(shè)置和其他元數(shù)據(jù)一起保存，從而無需重新編輯或構(gòu)建獨(dú)立的工作流程即可糾正同步錯(cuò)誤的視頻源。他還指出，支持 IP 的音頻設(shè)備將加速 AI/ML(人工智能/機(jī)器學(xué)習(xí))的發(fā)展，因?yàn)?A/D 轉(zhuǎn)換成本高昂且不易集成到傳統(tǒng)工作流程中。

　　然而，Sahara 也指出：“目前有許多管理、培訓(xùn)和支持需求尚未完全被理解，公司需要先進(jìn)行投資，AI 才能持續(xù)產(chǎn)生實(shí)際效果。例如，根據(jù)個(gè)人需求訓(xùn)練基于 AI 的混音和控制代理可能既昂貴又耗時(shí)。我們將不得不觀察類似 DeepSeek 的方法是否會(huì)影響這一點(diǎn)。此外，獲取大量訓(xùn)練樣本也很困難，可能會(huì)迅速超出預(yù)算和時(shí)間資源。”

　　更令人擔(dān)憂的是，他補(bǔ)充道：“視頻中的‘幻覺’（錯(cuò)誤）很容易被發(fā)現(xiàn)，但音頻更加微妙，驗(yàn)證過程更加復(fù)雜。人類仍然需要參與其中。”

　　Calrec 的美國運(yùn)營副總裁 Chris Fichera 也看到了 AI 的雙面性。他提到，AI 能夠?qū)崟r(shí)處理音頻，管理解說員評(píng)論、觀眾噪音、效果和現(xiàn)場聲音，并自動(dòng)調(diào)整均衡器(EQ)，基于實(shí)時(shí)數(shù)據(jù)創(chuàng)建沉浸式 3D 混音。但他也指出，在快節(jié)奏、不可預(yù)測的體育節(jié)目中，過度依賴自動(dòng)化功能可能存在風(fēng)險(xiǎn)。

　　不過，他指出，這些功能可能有助于緩解體育廣播領(lǐng)域經(jīng)驗(yàn)豐富的 A1 逐漸流失的問題，因?yàn)橥诵萑藬?shù)增加，從業(yè)者群體逐漸老齡化。“這對(duì)于經(jīng)驗(yàn)有限的 A1 來說非常有用，尤其是在進(jìn)行廣播節(jié)目制作時(shí)。”

　　02

　　樂觀的看法

　　AudioShake 的 Suzanne Kirkland 表示：“AI 工具將增強(qiáng)人類專業(yè)知識(shí)，讓音頻專業(yè)人士能夠?qū)Ｗ⒂诠适聰⑹龊头劢z互動(dòng)，而不是繁瑣的清理工作。”

　　Suzanne Kirkland 是 AudioShake 的企業(yè)客戶業(yè)務(wù)總監(jiān)。她認(rèn)為，在體育領(lǐng)域，AI 驅(qū)動(dòng)的工具如音源分離、自動(dòng)混音和語音克隆能夠提高工作效率并解鎖新的內(nèi)容機(jī)會(huì)。

　　“音源分離是 AudioShake 的核心技術(shù)，它幫助聯(lián)賽和廣播公司應(yīng)對(duì)體育直播音頻的復(fù)雜性，” 她說，“在體育直播中，觀眾噪音、解說和現(xiàn)場聲音相互競爭。我們的對(duì)話隔離模型通過從嘈雜環(huán)境中隔離清晰的語音，提高了轉(zhuǎn)錄的準(zhǔn)確性，從而更精確地捕捉重疊的球員、教練和解說員的對(duì)話。這使得廣播公司能夠突出最重要的內(nèi)容，無論是場上的動(dòng)作還是場邊的動(dòng)態(tài)。”

　　“音樂移除是另一個(gè)改變游戲規(guī)則的技術(shù)，幫助團(tuán)隊(duì)和廣播公司避免法律和變現(xiàn)問題，” 她繼續(xù)說道，“通過去除受版權(quán)保護(hù)的音樂，同時(shí)保留語音和環(huán)境聲音，我們的技術(shù)使內(nèi)容能夠更自由地在平臺(tái)上共享，而無需擔(dān)心下架或版權(quán)問題。”

　　然而，AI 并不是能夠單獨(dú)改變行業(yè)的“靈丹妙藥”。她強(qiáng)調(diào)，AI 不會(huì)取代人類的專業(yè)知識(shí)：“AI 工具將增強(qiáng)它，讓音頻專業(yè)人士能夠?qū)Ｗ⒂诠适聰⑹龊头劢z互動(dòng)，而不是繁瑣的清理工作。AI 將幫助處理繁瑣的工作，讓那些了解粉絲及其喜好的人有機(jī)會(huì)專注于創(chuàng)造和利用精彩內(nèi)容。”

　　03

　　AI 已經(jīng)在發(fā)揮作用

　　Salsa Sound 的 Rob Oldfield 表示：“更先進(jìn)、更高效的算法，加上硬件加速，意味著實(shí)時(shí)應(yīng)用現(xiàn)在成為可能。”

　　Salsa Sound 的聯(lián)合創(chuàng)始人兼首席執(zhí)行官 Rob Oldfield 指出，自 2017 年以來，他的公司一直在使用深度學(xué)習(xí)技術(shù)開發(fā)現(xiàn)場比賽子混音器。他承認(rèn)，近年來 AI 的炒作可能有些過頭，盡管它在語音識(shí)別和降噪等領(lǐng)域已經(jīng)取得了成功。

　　盡管如此，他補(bǔ)充道，一些重大進(jìn)展使得算法的部署和開發(fā)變得更加容易，新的方法也擴(kuò)展了在實(shí)時(shí)音頻中可以實(shí)現(xiàn)的范疇。“歷史上，AI 在音頻中的應(yīng)用主要局限于非實(shí)時(shí)/離線應(yīng)用，”他解釋道，“但更先進(jìn)、更高效的算法，加上硬件加速，意味著實(shí)時(shí)應(yīng)用現(xiàn)在成為可能。”

　　他提到，AI 處理可能帶來的延遲問題，“一個(gè)很好的例子是自動(dòng)字幕生成、翻譯和語音替換，這些技術(shù)正在迅速為無障礙音頻解決方案帶來新的可能性，為觀眾提供多語言解說或音頻描述頻道，而這些在以前由于成本高昂和人力密集，難以大規(guī)模生產(chǎn)。”

　　Salsa Sound 目前的計(jì)劃包括進(jìn)一步開發(fā)自主混音/制作工具。這家總部位于英國的公司還正在推出一套自動(dòng)化質(zhì)量控制工具，利用機(jī)器學(xué)習(xí)監(jiān)聽特定音頻故障的特征或問題。這包括風(fēng)噪檢測、相位異常、爆音/雜音和其他偽影，以及音質(zhì)、語音清晰度和關(guān)鍵詞/語言檢測等功能。

　　“實(shí)時(shí)音頻 AI 已經(jīng)有很多可能性和實(shí)際應(yīng)用，” 他說，“但未來還會(huì)有更多。這是一個(gè)令人興奮的時(shí)代。”

　　04

　　小心你的愿望

　　NBC體育和奧運(yùn)會(huì)的Karl Malone：“我認(rèn)為目前廣播中的AI是‘自動(dòng)化智能’，只要有人領(lǐng)導(dǎo)它，而不是將其用作‘設(shè)置并忘記’。”

　　與大多數(shù)工程同行一樣，NBC體育和奧運(yùn)會(huì)的高級(jí)音頻工程總監(jiān)Karl Malone從實(shí)用而非理論的角度看待AI，專注于現(xiàn)在和不久的將來該技術(shù)及其子集(如機(jī)器學(xué)習(xí))能為廣播體育帶來什么，主要是以自動(dòng)化流程的形式。然而，像任何曾經(jīng)混音過節(jié)目的人一樣，他對(duì)潛在的缺點(diǎn)持謹(jǐn)慎態(tài)度。

　　“我認(rèn)為目前廣播中的AI是‘自動(dòng)化智能’而不是‘智能’，” 他說，并引用了Lawo的KICK音頻混音/球跟蹤技術(shù)，該技術(shù)目前由德甲和FIFA用于足球比賽。“我支持將我們廣播音頻中的一些任務(wù)自動(dòng)化，只要有人負(fù)責(zé)制作音頻設(shè)計(jì)并領(lǐng)導(dǎo)它，而不是將其用作‘設(shè)置并忘記’，因?yàn)?lsquo;忘記’部分是我們可能遇到問題的地方。”

　　但自動(dòng)化流程可以帶來顯著的好處。例如，他建議，它可以用于在嘈雜的體育場館或官員的耳機(jī)中清理解說員麥克風(fēng)通道。

　　“而且，當(dāng)我們?yōu)橛^眾提供更個(gè)性化的音頻選項(xiàng)時(shí)，比如賽車運(yùn)動(dòng)，” 他繼續(xù)說，“我可以看到從A1控制臺(tái)自動(dòng)或智能混音音頻干音到與內(nèi)容匹配的演示中。例如，選擇一個(gè)車內(nèi)攝像頭，聽到該車的環(huán)境聲音，加上駕駛員和機(jī)組人員的通信，加上或減去節(jié)目評(píng)論。所有這些源都可以使用保持每個(gè)演示在混音質(zhì)量、LKFS等方面一致的參數(shù)進(jìn)行智能混音。”

　　目前，Malone將AI視為A1和聲音主管工具帶中的另一個(gè)工具，盡管它比自動(dòng)混音和動(dòng)態(tài)噪聲抑制更有能力。然而，未來可能更難預(yù)測，特別是當(dāng)消費(fèi)者對(duì)他們的廣播音頻有更多期望時(shí)，以及媒體公司尋找更好地吸引他們的方式時(shí)。

　　“最終，產(chǎn)品的人工智能性質(zhì)將演變?yōu)槟軌蛞恢碌鼗煲粽麄€(gè)比賽場地，” 他預(yù)測。“但是，隨著更多內(nèi)容需要通過直接面向消費(fèi)者的模式播出，我們音頻社區(qū)將不得不開始定義我們感興趣的任何智能混音過程的參數(shù)，然后以視頻為中心的行業(yè)公司開始發(fā)布所有新的閃亮AI音頻混音工具。”

　　換句話說，他警告說，圍繞AI和廣播聲音的炒作最終可能會(huì)損害它聲稱要增強(qiáng)的音頻質(zhì)量。