2026-02-25 | 김태호 기자,조태형 기자

“学习120万小时的AI配音…占领了YouTube和Instagram”[规模化报告]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

“这次特朗普啊~”

几年前开始,有一个声音占领了YouTube Shorts和Instagram Reels。带着淡淡忠清道方言腔调、却像比谁都忙一样急急吐出话语的年轻男性——“昌洙”,就是主角。昌洙的声音主要用于经济或时事类短视频内容。无数社交媒体(SNS)频道正把昌洙的声音当作播客主播来使用。昌洙时而抬高音量表达兴奋情绪,时而调整语速营造庄重氛围。

昌洙声音的原主人是2003年出道的资深配音演员玄庆洙。尽管数不清的社交媒体账号都在使用昌洙的声音,玄先生却并未重新录制昌洙的声音。因为他此前录制的声音经过人工智能(AI)学习后正被不断再生产。用户向AI输入台本并指定所需的情感语调,立刻就会生成仿佛活灵活现的昌洙声音。这正是通过AI配音服务“Typecast”使用配音服务的情形。

开发Typecast的Neosapience代表金泰洙25日与Seoul Economic Daily会面时介绍说:“除昌洙之外,还有总是在生气的女性角色瓦尔基里、在网络直播中常用于打赏留言的灿九等众多人气角色”,“Typecast上有682个这样的角色”。

用LLM打造的AI声音角色就有682个

Typecast是初创公司Neosapience于2019年11月推出的AI语音合成(TTS)服务。TTS指的是将文字以人工语音朗读出来的计算机程序。TTS概念自1990年代萌芽,在2000年代和2010年代也广泛应用于电子设备屏幕朗读服务、公共交通提示语音等。只是当时的TTS通过组合预先录制的音素和词节来构成句子,因此给人不自然的印象。

与此不同,Typecast成功实现了仿佛真人朗读文字般自然的发声。语速、音调高低、朗读台词时所承载的情感等,用户都可以轻松实现。Typecast推出后,在不直接暴露自己声音而制作视频的YouTube频道创作者中大受欢迎。尤其是拥有300万订阅者的料理YouTube频道“1分钟料理 咚咚哥”中出现的年轻男性和儿童的声音全部由Typecast生成,这一事实后来被披露,一度引发热议。

金代表表示:“Typecast推出已超过六年,截至目前累计注册用户超过280万名”,“服务客户中约60%看来是个人内容创作者,其余40%为企业或机构客户”。Typecast之所以能广受欢迎,是因为它提供682个各不相同的声音角色,并实现了对每种声音发声的精细调节。

当被问到Typecast为何能在运营众多声音的同时实现自然发声时,金代表列举了庞大的学习数据量和持续的AI模型更新。他提到:“投入Neosapience自主开发模型的语音学习数据量超过120万小时。”他解释说,将文字与正确朗读该文字的语音数据相连接,再让AI大量学习这些关联数据,因此能够实现更自然的台本朗读。金代表自信地表示:“虽然很难与其他企业精确比较学习量,但即便放眼全球,也完全能排进前五。”

金代表强调的另一个差异化点是AI模型。Neosapience以自主开发的大规模语言模型(LLM)“SSFM”运营Typecast。LLM被认为是适合解析和学习自然语言复杂结构的AI模型,在决定生成式AI服务质量方面起着重要作用。

金代表提到:“它已学会生成任何声音、情感和语言的能力”,“若比作人,就像能迅速模仿所有声音的喜剧演员”。他接着补充说:“当Typecast用户生成自然语音的数据不断积累,SSFM会经过强化学习等过程,蜕变为表达更自然的模型。”

押注“AI声音市场开花”而创业

实现年销售额106亿韩元等,Neosapience目前正稳定成长,但创业初期业务并不顺利。曾在LG电子和高通等公司担任语音相关工程师的金代表,从李世石九段与AlphaGo对局的2016年前后开始密切关注AI。当时不仅学界,业界也开始涌现大量AI相关论文。金代表判断“如果AI能看、能听、能说的世界到来,我能发挥自己实力的领域将是说话”,于是投身创业。

次年,金代表从高通离职,创立了Neosapience。并非创业之后立刻就开发了Typecast。公司虽拥有基于深度学习的TTS技术,却未获得市场关注。相比既有TTS,自然的情感表达是其优势,但问题在于生成语音所需的计算量大,服务运行缓慢。经过两年的多次尝试,公司在2019年展开最后一次挑战,即打造面向社交媒体内容创作者的TTS服务。这一业务构想源于这样的需求:那些在Facebook或博客等平台以文字活动的人希望进军YouTube,却难以找到合适的声音。2019年4月,免费版试用服务上线,角色数不足20个。由于是免费版,配音演员声音的知识产权问题尚未解决,因此无法用于商业内容。尽管如此,客户反响仍十分热烈。金代表回忆说:“使用试用服务的客户中,‘我愿意付钱,请让我能用于商业用途’的要求纷至沓来。”

当被问到为何在创业初期公司尚未立足时仍投入成本、不放弃AI TTS开发时,金代表回答:“这是一场值得下的赌注。”他表示:“考虑到迄今为止所有技术发展的历史,新技术不可能立刻取代既有技术”,“随着时间推移,技术开发速度会加快、投资成本也会降低,因此我确信AI TTS同样能够颠覆既有市场”。

Neosapience的下一步是抢占视频之外的AI声音市场。金代表预测,随着实体AI等崛起,人与AI之间沟通最需要的工具将是声音。金代表说:“当实体AI普及时,声音将成为决定实体AI第一印象的设计要素”,“Neosapience的业务也将从AI TTS扩展至对话型AI解决方案”。

阅读韩文原文