AI人声以假乱真，能否改写有声书前景?

01

用耳朵代替眼睛的阅读变革

随着全民阅读日益普及和IP改编的流行，有声阅读市场近年来快速增长。近日喜马拉雅招股书显示，2023年，喜马拉雅营收超过61.6亿元人民币，毛利率56.3%，盈利能力连续5个季度持续提升。

平台月活付费会员逐年增长达1550万，会员订阅ARPPU扩大至13.4元。 PGC、PUGC和UGC的新玩家不断加入，使有声阅读内容和形式更加多样，推动市场规模进一步扩大。

移动互联网时代，人们的阅读方式也发生了改变，从最初的纸质阅读到电子书阅读，再到手机里的听书App，用耳朵代替眼睛去阅读，已然成为一种新的读书“姿态”。

通过声音来了解一部作品，能够获得多一重的感官体验。相较于纸墨，各具风格的声音让一个个小说中的人物变得更为生动立体，让你进入作者创造的世界，抑扬顿挫的朗读也让一些非虚构作品不再那么枯燥难读。此外，有声书比纸质书适用的场景更多——在腾不出手的通勤车厢里，在周末的家务劳动中，驾车途中，有声书都可以占据你的耳朵。

当碎片化的时间成为互联网争夺的重点后，越来越多的人开始用耳朵“阅读”，而随着AI技术的持续迭代，AIGC成功为有声阅读推开一扇新的大门。

02

后Kindle时代，群雄逐鹿

从现象级产品到“泡面神器”，成功开启电子阅读器市场的Kindle退出国内市场后，国内电子书阅读器市场进入群雄逐鹿的“战国时期”，掌阅、科大讯飞、华为、汉王、小猿、海信等众多国产品牌强势崛起，凭借本土化的优势竞逐原本属于Kindle的市场份额。

Kindle的退出同其产品功能局限性有很大关系。亚马逊中国区负责人曾表示，“Kindle的设计初衷只有一个——让消费者体验最纯粹的阅读，把阅读一件事做到极致。”如今再看，优势似乎成为它发展的掣肘，过于“纯粹”的kindle也只能被挂在二手交易平台“晾晒”。

移动互联时代，电子阅读不再局限在电子阅读器，交互性更强、功能更为全面的终端吸收了大部分用户，而Kindle功能单一，运行不如手机、平板流畅，没有影音、游戏功能，几乎没有社交属性。相较之下，以掌阅iReader为代表的国内电子书阅读器产品却凭借掌阅App打通微信、百度网盘的藩篱，尽可能以丰富的功能满足国人阅读需求，此消彼长之下，“固执”的Kindle选择退出也在常理之中。

除产品功能单一的问题外，近乎封闭的内容源也让Kindle显得有些故步自封。Kindle使用的是亚马逊专门为其电子书产品开发的专用系统，仅支持预置功能，无法安装任何第三方软件和插件。

正因如此，多年以前就有人研究出了“Kindle刷多看”，如今一些擅长玩机的高手还为亚马逊Kindle系列产品制作了专门的安卓刷机包，而且网上已经有很多较为详细的教程，按照步骤操作就能轻松地将安卓系统刷入Kindle设备。

封闭的生态让Kindle掌握绝对话语权的同时，削弱了用户的阅读体验，国产电子书在内容生态上十分开放，以科大讯飞阅读器为例，既有产品内置着咪咕、讯飞两大书城资源，还有产品支持收藏微信公众号、网易、头条等新闻内容，抑或支持百度网盘、OneDrive等网盘内容，可以直接导入PDF、EPUB、MOBI、TXT等常见电子格式文件内容，用户阅读便利性更强。

这意味着即便Kindle不退出市场，由于阅读体验的差异，会有越来越多的消费者选择国产电子阅读器阵营。

03

从看到听，用户阅读习惯的转变

Kindle的退出并不意味着数字阅读市场陷入停滞期，相反，数字阅读正在潜移默化地成为当前人们的一种生活方式，在快节奏的生活里，人们逐渐养成通过手机、移动端阅读器在碎片化的时间进行自我提升的习惯。

“一屏万卷”的数字化阅读将在全民阅读时代成为主导模式。数字化阅读不仅内容愈加丰富，且阅读方式也呈现出多元化的发展趋势。

在数字阅读形式上，既有白纸黑字点触翻页的交互，也有章节句段搭配背景音乐的讲述，更有融合声画的视听效果……越来越多的“读者”开始以“听众”“观众”的角色来“读书”。用户阅读习惯潜移默化地改变，催生整个电子阅读生态的变化。在生活节奏较快的今天，能解放读者双眼的有声阅读正成为许多人的新选择。

喜马拉雅、蜻蜓fm、荔枝fm、云听等在线音频平台迅速发展，有声阅读市场不断壮大。据喜马拉雅发布的《2024春季有声阅读数据报告》显示，喜马拉雅人均有声书听书量达到9.7本，高于去年同期的8.8本。平台年轻化趋势显著，有声阅读已成为越来越多人日常生活中不可或缺的一部分。

尤其是最近一两年AI技术的崛起，持续迭代之下的AI语音技术既实现了机器语音的情感化表达，又实现了小样本的个性语音训练、个性声纹提取。同时在不同方言、不同外语、跨语种翻译方面持续完善，在现实语境的实时语音识别、实时语音生成等方面持续突破。

AI语音越来越像真人的同时，也改变着行业格局。当下，荔枝结合AI语音和大模型技术，推出“My AI friend”“小吱”等AI语音聊天机器人，创新陪伴体验。懒人听书中“AI朗读”标签资源有1.2万个，“AI版”朗读专辑近千，海量AI有声内容不仅丰富了平台资源，更进一步推动用户阅读习惯的改变。

04

技术带来颠覆体验

AI以假乱真的有声阅读

当不少人对听书还停留在“连标点符号都不会停顿”“呆板、毫无生气的机械朗读”印象时，当下有声阅读市场早已发生翻天覆地的变化。

不仅完美呈现原著小说中多人对话的不同强调，甚至连背景环境中的关门声、雨滴声、战马嘶鸣声都可以清晰呈现，从而使得单纯的听书升级为广播剧，催生了《杀破狼》《赘婿》等热门IP的热度，更诞生了紫襟、一刀苏苏、宝木中阳、张震、沐阳讲故事等一大批主播/工作室，演播仙侠、悬疑等经典内容之外，用户通过穿越、年代文、独立、复仇等故事类型找寻着内心的情感满足，沉浸感极强的网络文学成为替代性满足的“情绪商品”，俘获着有声阅读用户的内心需求。

趋近真人发声效果是AI当下与有声阅读融合的最直观体现。音频生成早期是基于物理机理，通过机械装置、电子合成器等实现对人声的模拟。随着计算机技术的发展，音频生成逐渐形成了以“文本分析－声学模型-声码器”为基本结构的语音合成方法。传统的语音合成框架由于语言学知识的复杂性、数据规模和模型性能等问题，语音合成往往难以取得满意的听觉效果，使其实用性受限。

近年来随着深度神经网络技术的发展，在传统的参数合成法结构的基础上，端到端合成的方法采用编码器－注意力机制－解码器（Encoder-Attention-Decoder）的声学模型，能够直接将字符或音素序列作为输入输出梅尔频谱并生成波形，从而通过机器学习来简化特征抽取的过程，降低了面对不同语言学知识的训练难度，使声音合成更加自然、逼真。

组成声音的结构包括音素、音节、音位、语素等，AI音频生成能够对这些基本单位进行预测和组合，通过频谱逼近或波形逼近的合成策略来实现音频的生成。而决定音频生成效果的关键因素主要包括生成速度、分词的准确程度、合成语音的自然度，以及语音是否具有多样化的韵律和表现力等，在大模型推演和海量语料训练之下，AI能够准确完成上面的区分并根据内容实现各种声音的生成。

事实上，音频生成本身就是AIGC最近非常热门的落地应用方向。相比于语音，音频包含的意义更广泛，不仅包含语音识别/语音合成所针对的人说话声，还包括音乐声、环境声、动物声等各种各样的声音。

以Google推出的AudioLM为例，只需几秒音频提示，它不仅可以生成高质量，连贯的语音，还可以生成钢琴音乐。AudioLM是一个具有长期一致性的高质量音频生成框架，将输入的音频映射为一串离散的标记，并将音频生成任务转化为语言建模任务。AudioLM模型可以基于简短的提示，学习生成自然和连贯的连续词，当对语音进行训练时，在没有任何记录或注释的情况下，生成了语法上通顺、语义上合理的连续语音，同时保持说话人的身份和语调。

此外，类GPT模型的能力也让用户看到阅读过程中人机交流体验的变化，AI虚拟人可以围绕书籍内容同用户展开交互，用户不仅可随时随地问询AI有关书籍中人物、事件的背景资料，更能直接让AI帮忙总结阅读内容的大意甚至整理时间、事件线索，类似“红楼梦中主要家族背景”“明朝藩王关系”等问题都能让AI阅读后将答案以说的聊天的方式告知用户。

05

AIGC用效率创造价值

从单纯的听书到广播剧，AIGC技术提升有声读物用户体验的同时，更极大地提高了音频内容的生产效率。例如，通过AIGC技术，儿童内容的创作过程得以加速。原本需要3～4天完成的10分钟左右的故事创作，现在可以在8小时内完成。这种效率的提升使得内容生产变得更加快速和经济。

通过AI作曲和编曲技术，用户可以快速创作出个性化的音乐作品。同时，通过AI技术，可以实现自动化的内容创作，如AI简报生成的资讯和亲子共创的故事平台等，为用户提供更加丰富和多样化的内容选择。

在服务和用户体验方面，AIGC技术能够根据用户的收听历史和偏好，为其推荐定制化的音频内容，提升用户体验。如生成个性化的播放列表、定制新闻简报等。在音乐内容领域，通过游戏化、交互式和社群化的方式，让听众参与音乐的体验过程，例如通过互动游戏让听众助力音乐作品的传播，提升音乐体验的趣味性。

不过需要注意的是AIGC应用涉及大量用户数据的收集和处理，如何确保数据安全和用户隐私不被侵犯是一个重要挑战。需要制定相应的规范和标准，确保技术的规范化和健康发展。AIGC技术在内容创作中的应用还可能涉及知识产权问题，需要明确版权归属和保护创作者的权益，这意味着IP始终是影视市场背后的决定性力量。

大多数电子阅读器背后，都会有相关的图书销售、阅读平台作为依靠，这也是消费者购买它们的原因，比如说Kindle的亚马逊商城，iReader的掌阅以及QQ电子书阅读器的阅文网络矩阵。

随着微信读书、七猫小说等平台的崛起和IP变现模式的兴起，国内电子阅读市场正逐渐发生变革。这些变化不仅使得传统的内容营销模式失去了活力，还为电子阅读行业带来了新的商业机会，通过IP影视改编和免费阅读流量变现等方式开拓了新的发展路径。

以阅文集团为例，其将版权运营（包括IP影视改编）转化为电子阅读领域的估值工具。《琅琊榜》《庆余年》等作品直接与作者签约购买版权，不再局限于书籍领域，而是瞄准了书籍影视化后的电视电影用户。免费阅读所聚集的大量用户流量，成为IP价值的重要组成部分，进而翻开数字阅读新篇章。

邮发代号：77-19

单价：8元，年价：408元

编辑｜张毅

审核｜吴新

爆料联系：cpcfan1874（微信）

壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者