AI音頻技術(shù)在體育廣播領(lǐng)域擁有巨大潛力/以及潛在風(fēng)險

　　人工智能(AI)在專(zhuān)業(yè)音頻領(lǐng)域的應用，既可能成為自切片面包以來(lái)最偉大的發(fā)明，也可能像當年的“千年蟲(chóng)”問(wèn)題一樣引發(fā)恐慌。甚至，它可能產(chǎn)生類(lèi)似“奧本海默效應”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)展現出既危險又誘人的一面。

　　AI 設計的專(zhuān)業(yè)音頻應用產(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)對白替換(ADR)。在音樂(lè )、電視和現場(chǎng)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(guò)程中，它也威脅到了那些越來(lái)越多依賴(lài)它的“碳基創(chuàng )作者”的就業(yè)。

　　然而，AI 在音頻應用中的全部潛力，包括在廣播和體育直播制作中的應用，仍然充滿(mǎn)不確定性。最近一篇關(guān)于 FOX 體育在超級碗制作中應用 AI 的文章，標題中高調提到了“AI”，但內容卻只是模糊地提及了機器學(xué)習(被認為是 AI 的一個(gè)子集)在未來(lái)不確定的應用。AI 已經(jīng)成為了一種“模因”，盡管是一個(gè)價(jià)值數十億美元的模因。

　　SVG 采訪(fǎng)了幾位音頻專(zhuān)家，評估 AI 在體育廣播音頻中的潛在影響。以下是他們的觀(guān)點(diǎn)。

　　01

　　人類(lèi)仍然不可或缺

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

　　Tom Sahara 是 Quintar(一家空間體驗開(kāi)發(fā)公司)的生產(chǎn)技術(shù)高級副總裁，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(guò)監控信號電平并以確定性和可預測的方式應用電平管理，減輕 A1(音頻工程師)在比賽期間的注意力負擔，或自動(dòng)混音輸入源以用于二級用途，如入耳式監聽(tīng)、翻譯和替代語(yǔ)言。它甚至可以通過(guò)整合來(lái)自外部和非音頻源的數據(如信號切換、路由器活動(dòng)、錄制設備狀態(tài)和 GPS)來(lái)改進(jìn)現有的自動(dòng)混音流程。

　　此外，自動(dòng)化的唇音同步和延遲調整可以按通道存儲，并與時(shí)間、播放列表/剪輯 ID、物理位置(GPS)、路由器設置和其他元數據一起保存，從而無(wú)需重新編輯或構建獨立的工作流程即可糾正同步錯誤的視頻源。他還指出，支持 IP 的音頻設備將加速 AI/ML(人工智能/機器學(xué)習)的發(fā)展，因為 A/D 轉換成本高昂且不易集成到傳統工作流程中。

　　然而，Sahara 也指出：“目前有許多管理、培訓和支持需求尚未完全被理解，公司需要先進(jìn)行投資，AI 才能持續產(chǎn)生實(shí)際效果。例如，根據個(gè)人需求訓練基于 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(guān)察類(lèi)似 DeepSeek 的方法是否會(huì )影響這一點(diǎn)。此外，獲取大量訓練樣本也很困難，可能會(huì )迅速超出預算和時(shí)間資源。”

　　更令人擔憂(yōu)的是，他補充道：“視頻中的‘幻覺(jué)’（錯誤）很容易被發(fā)現，但音頻更加微妙，驗證過(guò)程更加復雜。人類(lèi)仍然需要參與其中。”

　　Calrec 的美國運營(yíng)副總裁 Chris Fichera 也看到了 AI 的雙面性。他提到，AI 能夠實(shí)時(shí)處理音頻，管理解說(shuō)員評論、觀(guān)眾噪音、效果和現場(chǎng)聲音，并自動(dòng)調整均衡器(EQ)，基于實(shí)時(shí)數據創(chuàng )建沉浸式 3D 混音。但他也指出，在快節奏、不可預測的體育節目中，過(guò)度依賴(lài)自動(dòng)化功能可能存在風(fēng)險。

　　不過(guò)，他指出，這些功能可能有助于緩解體育廣播領(lǐng)域經(jīng)驗豐富的 A1 逐漸流失的問(wèn)題，因為退休人數增加，從業(yè)者群體逐漸老齡化。“這對于經(jīng)驗有限的 A1 來(lái)說(shuō)非常有用，尤其是在進(jìn)行廣播節目制作時(shí)。”

　　02

　　樂(lè )觀(guān)的看法

　　AudioShake 的 Suzanne Kirkland 表示：“AI 工具將增強人類(lèi)專(zhuān)業(yè)知識，讓音頻專(zhuān)業(yè)人士能夠專(zhuān)注于故事敘述和粉絲互動(dòng)，而不是繁瑣的清理工作。”

　　Suzanne Kirkland 是 AudioShake 的企業(yè)客戶(hù)業(yè)務(wù)總監。她認為，在體育領(lǐng)域，AI 驅動(dòng)的工具如音源分離、自動(dòng)混音和語(yǔ)音克隆能夠提高工作效率并解鎖新的內容機會(huì )。

　　“音源分離是 AudioShake 的核心技術(shù)，它幫助聯(lián)賽和廣播公司應對體育直播音頻的復雜性，” 她說(shuō)，“在體育直播中，觀(guān)眾噪音、解說(shuō)和現場(chǎng)聲音相互競爭。我們的對話(huà)隔離模型通過(guò)從嘈雜環(huán)境中隔離清晰的語(yǔ)音，提高了轉錄的準確性，從而更精確地捕捉重疊的球員、教練和解說(shuō)員的對話(huà)。這使得廣播公司能夠突出最重要的內容，無(wú)論是場(chǎng)上的動(dòng)作還是場(chǎng)邊的動(dòng)態(tài)。”

　　“音樂(lè )移除是另一個(gè)改變游戲規則的技術(shù)，幫助團隊和廣播公司避免法律和變現問(wèn)題，” 她繼續說(shuō)道，“通過(guò)去除受版權保護的音樂(lè )，同時(shí)保留語(yǔ)音和環(huán)境聲音，我們的技術(shù)使內容能夠更自由地在平臺上共享，而無(wú)需擔心下架或版權問(wèn)題。”

　　然而，AI 并不是能夠單獨改變行業(yè)的“靈丹妙藥”。她強調，AI 不會(huì )取代人類(lèi)的專(zhuān)業(yè)知識：“AI 工具將增強它，讓音頻專(zhuān)業(yè)人士能夠專(zhuān)注于故事敘述和粉絲互動(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會(huì )專(zhuān)注于創(chuàng )造和利用精彩內容。”

　　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(zhù)實(shí)時(shí)應用現在成為可能。”

　　Salsa Sound 的聯(lián)合創(chuàng )始人兼首席執行官 Rob Oldfield 指出，自 2017 年以來(lái)，他的公司一直在使用深度學(xué)習技術(shù)開(kāi)發(fā)現場(chǎng)比賽子混音器。他承認，近年來(lái) AI 的炒作可能有些過(guò)頭，盡管它在語(yǔ)音識別和降噪等領(lǐng)域已經(jīng)取得了成功。

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

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

　　Salsa Sound 目前的計劃包括進(jìn)一步開(kāi)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，利用機器學(xué)習監聽(tīng)特定音頻故障的特征或問(wèn)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(yǔ)音清晰度和關(guān)鍵詞/語(yǔ)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)際應用，” 他說(shuō)，“但未來(lái)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體育和奧運會(huì )的Karl Malone：“我認為目前廣播中的AI是‘自動(dòng)化智能’，只要有人領(lǐng)導它，而不是將其用作‘設置并忘記’。”

　　與大多數工程同行一樣，NBC體育和奧運會(huì )的高級音頻工程總監Karl Malone從實(shí)用而非理論的角度看待AI，專(zhuān)注于現在和不久的將來(lái)該技術(shù)及其子集(如機器學(xué)習)能為廣播體育帶來(lái)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(guò)節目的人一樣，他對潛在的缺點(diǎn)持謹慎態(tài)度。

　　“我認為目前廣播中的AI是‘自動(dòng)化智能’而不是‘智能’，” 他說(shuō)，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，只要有人負責制作音頻設計并領(lǐng)導它，而不是將其用作‘設置并忘記’，因為‘忘記’部分是我們可能遇到問(wèn)題的地方。”

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

　　“而且，當我們?yōu)橛^(guān)眾提供更個(gè)性化的音頻選項時(shí)，比如賽車(chē)運動(dòng)，” 他繼續說(shuō)，“我可以看到從A1控制臺自動(dòng)或智能混音音頻干音到與內容匹配的演示中。例如，選擇一個(gè)車(chē)內攝像頭，聽(tīng)到該車(chē)的環(huán)境聲音，加上駕駛員和機組人員的通信，加上或減去節目評論。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(lái)可能更難預測，特別是當消費者對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(chǎng)地，” 他預測。“但是，隨著(zhù)更多內容需要通過(guò)直接面向消費者的模式播出，我們音頻社區將不得不開(kāi)始定義我們感興趣的任何智能混音過(guò)程的參數，然后以視頻為中心的行業(yè)公司開(kāi)始發(fā)布所有新的閃亮AI音頻混音工具。”

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