原标题：“AI主播”跨越拟真技术“恐怖谷”，或将带来电视新闻事业的革命性变化

文｜航通社

11月8日，新华社和搜狗在乌镇峰会现场发布的“AI主播”可以说是确确实实地在全世界范围内引起了反响。

有些国内产品会找一些“不入流”的外文网站出稿，假装获得了“全球媒体”关注，但这次的“AI主播”不在此列。CNN、BBC、The Verge、CNET、南华早报等都在主要的版面给了这两位“主播”一席之地。

这倒并不是因为新华社版“AI主播”在技术上有多先进，而是说，更多是因为一个国家级主流媒体运用虚拟主播技术，这项举动本身具有强烈的象征性意义。

就像之前曾经被沙特授予“公民权”的那位女性机器人“索菲亚”一样，“她”也不一定是当今世界上技术最先进的机器人，只不过是说这件事情可以成为时代进步的一个强烈的隐喻。

没准，未来再回顾21世纪第二个十年的时候，这个镜头可以作为无数关键时刻其中的惊鸿一瞥。

低级失误

两位“AI主播”的外观和声音是分别取材自新华网络电视（CNC）中文台和英文台的两个主持人，其中被广泛传播到全世界的演示视频，是以新华英文台的主持人形象示人的英语“AI主播”所播报的一则关于进口博览会的新闻。

在这则两三分钟的新闻当中，还是不可避免地出现了比较低级的失误：将阿里巴巴创始人马云的名字“Jack Ma”误读成了“Jack Massachusetts”，这是因为语音合成系统读到这部分文字稿的时候，判断“MA”两个字母是美国马萨诸塞州的缩写。

在很多情况下，需要读到美国某个小地方地名的时候，就需要把“MA”理解为“马萨诸塞州”，但预防此类问题，既可以通过将“Jack Ma”一词特殊化处理，也可以通过将美国地方地名特殊化处理的方法来化解。在对外演示的视频中出现这样的错误，恰恰证明了新华社和搜狗并未针对主播们的“处女秀”而对演示“弄虚作假”，完全是以真面目示人。

开始跨越“恐怖谷”

世界各国媒体在观察这对“AI主播”的时候，都说“他们”暂时还没有实现新华社本身所宣传的那样，能够百分之百的替代真人的效果，同时还是被卡在了所谓“恐怖谷”当中。也就是说，当类人形象的拟真度达到90%左右，尚未能够100%以假乱真的情况之下，会产生一种不自然的机械感，甚至会令人毛骨悚然。

早几年，人们都是在达到“恐怖谷”级别后，稍微往后退缩一点，即进一步的增强机器与人之间的差异，用一个本来就知道是机器人，或是卡通形象的脸，就可以规避让人害怕的麻烦，也创造出初音未来，或是“会说话的汤姆猫”这样的角色。

（图 / DailyMotion）

因此，早在大概2013-14年，使用机械声音味道很浓重的合成语音，加上明显不像是真人的卡通形象，替代人类去做一些资讯播报的做法，已经在普通的电脑和手机用户中普及泛滥。

在YouTube上，世界各国的上传者为了争取（骗取）点击和贴片广告费，会在一些突发新闻出来的时候，抢着发一些“混淆视听”的视频内容。最开始，网上可能只有图文消息出来，暂时还缺乏电视台或广播电台的真人播报录像，或者这些录像会因为版权问题被清理掉。那么，这一段时间之内如果有人去YouTube试图寻找新闻报道，就会遇到一个“空窗期”。

做假视频内容的人会将图文报道贴入“谷歌翻译”等文本转语音（TTS）软件，生成配音，再把随便什么地方找的配图一搭配，辅以花花绿绿的字体，最重要的是配上“突发新闻、最新报道、现场直播”这样的有利于搜索引擎抓取（SEO）的标题，本来想看电视台报道的观众就会遇到这些招摇撞骗的垃圾信息，从而上当受骗。

某个专门上传这种“骗点击”（Clickbait）视频的号长这样：

航通社在《都8102年了，机器人还是“静若瘫痪，动如癫痫”》一文中曾提到过：

“研发更像人的交互界面始终存在风险，所以更多的服务型机器人从‘肉体’到‘灵魂’——即内置的AI操作系统——都在恐怖谷前停下了脚步。

大家宁可表现得像‘面瘫’版喜羊羊，也不愿意冒产品滞销的风险，向着真正像人一样的终极目标迈出那一步。”