AI语音会取代有声读物旁白员吗？

作者 WonderBooks · 2026年10月15日

合成旁白已经进入大型商店。人类旁白员做得更好的地方，以及为什么大多数书籍无论如何都不会获得人类录音。

对于那些原本会获得人类录音的书籍来说，答案是否定的，至少短期内不会，而且在意的听众已经能分辨出差异。对于数量庞大得多的、原本就不会被录制的书籍来说，这个问题毫无意义：选择从来都不是在人声和合成声之间，而是在合成声和沉默之间。

商店在2023年采取行动，并进行了标注。

Apple Books于2023年1月开始销售数字旁白的有声读物。Audible在同年晚些时候推出了一个名为“Virtual Voice”的标注选项，用于自助出版的书籍，这样听众在购买前就能看到标记。有声读物已经是出版业增长最快的形式：美国有声读物出版商协会报告称，美国市场已连续十多年实现两位数增长，年销售额约为20亿美元。合成语音并没有创造这个市场，它们只是进入了这个市场。

旁白员的担忧是正确的，此后大部分的公开争论都围绕着他们。关于账本的另一面，却鲜有提及：专业录音是按成品小时计费的，根据普遍公布的价格，每小时音频需要数百美元，这还不包括录音室时间、编辑和校对。一部十小时的小说是一项巨大的投资，这就是为什么录音决定总是跟着预期销量走的。那些旧书、小语种书籍、没人指望上榜的插图非虚构作品：这些书都不会被录制。大多数已出版的书籍根本没有音频版本。

配音演员能做到而模型仍然做不到的。

任何听过两者的人都知道其中的差距。一个好的旁白员能给每个角色赋予声音，而无需刻意模仿；能根据句子的需要，恰到好处地停顿；知道第三页上的名字应该按照作者的发音来读；并且能在十个小时内保持书的语调而不使其扁平化。合成语音是平稳的。平稳是它作为参考书的优点，却是作为小说时的缺点。而且它需要逐个语言进行评判：在英语中表现良好的声音，在阿拉伯语中可能会错误地重读，因为阿拉伯语不写元音，朗读取决于对句子的理解。

• 角色和节奏：恰到好处的停顿，语调的转换，适时抛出的笑点。
• 人名和外来词，按照作者的发音。
• 在长篇书籍中语调的持久性。
• 拼写不能确定发音的语言，读者必须理解才能朗读。

迷失的听众。

还有第三点值得注意，因为它与说话者无关。大多数有声读物是与文本分开销售的，听众无法知道自己听到了哪里。在火车上听着听着走神了，就没有任何东西可以查看。伴读音频，即文字显示在页面上，正在阅读的行被标记出来，几十年来一直被研究作为早期读者、语言学习者和阅读障碍读者的辅助工具，并取得了广泛的积极成果。几乎没有商业有声读物提供这种功能。

一个图书馆，用十五种语言为每本书配音，并与页面同步。

WonderBooks是算术的另一端。它拥有2,341本插图书籍，分为十二个主题图书馆，每本书都以十五种语言进行旁白，音频与文本同步，因此正在阅读的行始终在页面上可见。这超过35,000个旁白版本。没有哪个录音室的时间表能达到这个数字，也没有哪个销售预测会证明为一本关于法老的十页书录制韩语版本是合理的。创始人为2016年的第一个版本聘请了人类旁白员，而整个应用程序当时围绕的核心功能，现在仍然是其核心。

普通的有声读物几乎就像收音机，读者会迷失其中。

按语言评判，并根据听众反馈进行修正。

旁白在发布前会逐个语言进行检查，对阿拉伯语和有自己停顿及重音习惯的语言有单独的质量规则，创始人公开承认自己是这方面最严厉的批评者。报告发音错误名称的听众会得到修正和感谢，并附上修正后书籍的链接，这也是下一个声音变得更好的方式。这是否能与人类对一部伟大小说的精彩朗读相媲美，这不是我们的主张。我们的主张是，任何使用十五种语言的读者都可以让每本书都读给他们听，文字就在他们眼前，而这在以前是不可能实现的。