最近，“AI歌手”许白和林海声在网上很火，还发布了专辑。它们完全是运用AI声音生成技术“打造”的虚拟人声，没有对应的真人演唱者，从咬字吐字、气息起伏，到转音细节、情绪表达，全部由AI生成。由于AI“人声还原度”很高、演唱质感很自然，以致普通听众完全分不清与真人歌手的区别。很多人在这些作品下面评论：“循环了三遍才敢相信是AI”“唱得比很多真人歌手还稳还有感情”。与粉丝们的欢迎不同，音乐家及相关从业人员为此感到困惑，特别是青年歌手、配音演员等靠声音“吃饭”的人担心工作被AI挤占。AI声音时代，AI作曲、AI写词、AI配乐、AI演奏、AI演唱，“无人音乐生产”就要开始了吗？
一、声音逼真度革命
AI技术突飞猛进。以前对AI声音的印象，停留在机械、生硬、没有感情上，但如今AI合成声音质量越来越高，若完全靠人耳区分，如果不留神、不仔细分辨，一般人很难分辨出来。不过，如果借助声学设备，要区分二者还是不难的。比如，腾讯会议App实时监测开会人的声音，判断为AI合成语音时，会向参会人员发出小心诈骗的提示。
AI合成声音技术以声纹复制为关键。声纹是一套有关声音的参数，可根据这套参数建模。首先录一段声音，然后分析它的声纹，即音色、音高、语速、口头禅、尾音习惯等。再输入一段文本，声学模型将之转化为符合上述声纹的声音特征，即描述声音应该是什么频率、响度、速度等的参数集合。最后，用声码器将该参数转变成真实的声音。
一个人说话是有变化的，比如感冒了会嘶哑一些，人的口头禅也会改变。也就是说，人的声纹并不是固定不变的。并且，声纹只是有限的几个参数，并不能完全表征人的声音。这就像指纹不等于手指，声纹也不等于人的声音。因此，就声音表达而言，机器声音并不能完全复制人声，但可以做到以假乱真。
就情感表达而言，AI所模拟的人声（以下简称“AI人声”）主要以情感计算技术为手段，在很大程度上也可以以假乱真。类似地，声音情感计算将声音分解为一些情感参数，将不同的参数模式与不同的声音情感相对应，从而完成情感的识别和表达。但是，AI能表达情感，并不等于它有情绪感受。
AI不需要情感。因为人需要情感，才会设计机器情感活动以响应人。人的情绪活动包括两个部分：外部情绪活动与内部情绪活动。外部情绪活动包括情绪识别和情绪表达。情绪识别即感知对方的情绪，情绪表达则呈现自己的某种情绪。AI能从人的说话声音中“听”出悲伤的情绪，然后也以一种悲伤的合成声音回应。但是，AI没有人的内部情绪活动。内部情绪活动主要包括情绪感受和情绪控制。比如说，“我心碎了”，这真的是一种具身感受。可AI没有心脏，不会有“心碎”的感觉。也就是说，AI没有心灵、意识、肉身，不会产生内部的情绪活动。
进一步来说，“AI人声”不仅可以以假乱真，还可以比真更真。譬如，“AI人声”甚至可以模仿发出对方发不出的声音，比如用某人的声纹可以制造出high C男高音，实际上此人根本唱不了那么高。又比如，一个人在悲伤的时候强作欢颜不容易，但“AI人声”完全不存在这个问题。再比如，真实人声有呼吸的起伏，有环境的杂音，甚至演唱的细节里还有一丝瑕疵，而“AI人声”可以把不完美全部消除。在这样一个特定的维度上，我们或许可以说，“AI人声”比真人更完美，比真人更真实，即达到鲍德里亚拟像理论所称的“超真实”水平。
二、AI改变人的审美
人的肉身之生理特性并非永恒不变，而是受到技术的深度影响。比如，现在大家使用屏幕的时间越来越多，近视眼就越来越多。长期被AI合成声音包围，也会产生类似的结果。并且，人的听觉具有社会建构性。也就是说，它并非单纯的生物学感知，而是具有被特定的社会历史、文化语境所塑造的特点。比如，唢呐一响，中国人就会觉得是红白喜事，外国人不会有这种感觉。
享受技术便利的同时，我们在不知不觉中被技术规训了审美和感知。现在声音创作里就有这个趋势：AI生成的声音永远是打磨得光滑、完美、零瑕疵，很多创作者用久了AI素材，再回头听真实的人声、现场的环境音，反而会觉得“有瑕疵”“不够干净”。因此，AI合成声音听多了，普通人会越来越适应，而且审美品位、审美习惯、声音分辨能力也会发生变化。从感知的角度看，长期依赖标准化的AI声音，听觉感知会慢慢窄化，逐渐失去对“不完美的真实声音”的敏感度和共情力。
实际上，不完美的真实声音更能打动人心。为什么？音乐有意义、有情感。音乐家试图传达的意义和情感，在听众听音乐的过程中被重建出来。真实声音编织在音乐作品中，能让人产生身临其境的感觉。比如，很多“来自喜马拉雅雪山深处的天籁”类的自然音乐作品，不规整但是真实，使人不由自主想象身处喜马拉雅雪山深处的感觉，催生出各种情感和意义：可能是雪山带来震撼，然后产生自然伟大的想法。毕竟，真实世界从来不规整，规整的是数字世界。从根本上说，真实的音乐能刺激人的想象和共情，并在这一过程中将声音与意义、情感联结起来。
无论如何，音乐不能简单地被分解为一堆技术参数。由于技术过多介入音乐活动，技术理性潜移默化，让很多人唯技术是从，这是技术异化的一种表现。技术理性强调工具价值，主张效率至上。完全被技术理性俘虏的人，即便是在社会交往、情感沟通中，也会过度追求功利、追求效率。长此以往，人越来越像机器，成为“另一种智能机器”。所以，AI时代最大的问题不是机器人会变成人，而是人正在变成机器。
然而，不能简单地将问题都归结到AI技术上。对于“AI人声”改变人的审美的现象，技术实体论解释为AI合成声音技术注定如此，而技术工具论的解释则是AI合成声音技术被用在不应该用的地方。这里的关键在于，是否对技术与技术的应用进行区分。马克思主义坚持技术的工具论立场，将AI视为一种工具：既可能向善，也可能作恶，看使用者如何去用。
三、AI声音冲击产业
AI短剧、批量有声书大量用克隆人声降本，确实挤压了不少配音演员、新人歌手的工作机会，这就是广泛热议的“AI失业”现象。应该说，随着AI声音的逼真度越来越高，在一些要求不高的场合，尤其是一些不需要声音达到艺术审美标准的场合，便宜的AI声音代替自然人声的现象肯定会普遍发生。不光人声，器乐声音、作曲编曲也是如此。如果只考虑成本，当然AI合成声音便宜多了。
但是，在高品质艺术领域则不同。真人歌手的演唱、现场演奏与AI合成声音还是差别很大。并且，AI合成声音只是一段声音，歌唱家、钢琴家是具体的、活生生的人，能现场演出，也有人设、名声、逸事等声音之外的其他文化价值。总之，AI时代声音创作的逻辑会更加多元，要分层次、分用途、分领域加以区分。
随着AI声音泛滥，音乐作品版权、人格侵权纠纷会越来越多。比如，没经过本人同意，有人抓取网上的公开音频，就能克隆一个人的音色去商用。从技术哲学的视角看，人声与其他声音的区别，在于独特个体在其中所传达的意义。亚里士多德就说过，嗓音是蕴含意义的声音。人声具有个体性和特殊性，是表达具体的人的生命体验的载体。因此，人声普遍被视为个体的人格与生命的一部分，而不是可以随意抓取、训练的数据。换言之，自然人的“声音人格”权益不可侵犯。
同样，马克思主义者认为，版权和失业问题是AI不当应用的结果，而不是AI技术本身所造成的。换言之，AI声音的负面效应需要我们去控制。比如，可以将AI用于一些人们不愿从事的肮脏、单调和危险的工作，而不是让它和人争抢大家都向往的工作。譬如，重复性叫卖很累人，可以用AI合成人声来完成。AI与人争抢工作，主要由资本逻辑所致，因为依托AI能让资本节省人力成本，赚到更多的钱。因此，AI的发展不能任由资本逻辑主导，必须坚持共同富裕的基本方向。AI失业本质上是一个社会问题、制度问题和治理问题，而不是纯粹的技术问题。
四、努力应对AI挑战
AI向善，AI声音也要向善。AI时代，如何应对AI合成声音的冲击呢？务实和伦理的姿态必不可少。
从宏观战略上看，应建构起向善的多元共治模式。在AI声音领域，创作者觉得保护权益才是善，平台觉得提升效率才是善，普通用户觉得免费便利才是善，监管方觉得秩序稳定才是善。因此，必须让各方面利益诉求得到合理的表达和应有的重视。“善”应该是多元共治、多方博弈的动态结果，不能由哪一家独大、由哪一家说了算。当然，在AI声音治理中，政府要扮演好组织者的角色，保证程序正义；AI人文学者、哲学家、伦理学家要积极参与AI治理进程，向社会公众解释AI发展的技术风险和社会冲击。特别要警惕单纯由技术专家、AI企业主导AI治理问题。同时，要特别关注弱势群体的利益是否得到有效保护。
从个人层面上看，普通的声音创造者、从业者，除了呼吁政策、法律、工会的干预之外，主要能做的是提高业务能力，在对声音质量、审美要求高的场合保住人声的优势。首先，每个音乐人都应该勇敢地拥抱AI，勇于运用AI工具提升能力。其次，可以认真思考一下：机器可以复制形式、模仿节奏、复刻情绪模板，什么东西是人的声音实践里很难真正被夺走的？在我看来，AI对现场演唱的冲击不会像一些人想象的那么大。对于高要求、高品质的听众而言，真人与AI差别明显，所以愿意花钱看现场、听人声。也就是说，真正高超的艺术水准、艺术品质永远有市场。与此同时，通过艺术训练形成的审美能力是不会被机器夺走的。现在有一些非专业人士，利用AI工具创作音乐作品，有些人在网上有大量的粉丝。他们虽然没有受过专业训练，但是有高超的审美能力，AI工具帮助他们把心中的想法很好地呈现出来。没有高超的审美能力，技术再熟练，也不会有那么多人喜欢。这就是所谓AI时代“人人都是艺术家”的潮流。
从职业伦理上看，手握AI声音工具的青年创作者，应时刻不忘AI伦理和AI合规的要求。底线伦理是遵守不违法、不侵权这些硬性要求，改变现在网上音乐侵权屡见不鲜的局面。更进一步，向善合规更重要的是建立内心的创作底线。使用AI工具搞创作，高标准就是主动检视自己所作所为符不符合“以人为本”“向上向善”的AI伦理准则。AI是一种提效工具，我们要用好工具，而不是被工具左右、被工具带偏。
从行业发展上看，音乐家及相关人员要从整个艺术教育体制、艺术运行体制的高度思考行业的未来，而不是简单地“头痛医头、脚痛医脚”。比如，AI时代，艺术欣赏、艺术审美会不会更为重要？普通大众在这方面的需要不仅越来越多，要求也越来越高。既然人人都想成为艺术家，希望能运用AI工具通过音乐表达心中的想法，那么，就需要专业音乐人在音乐教育、音乐素养上花费更多的时间精力。
最后必须指出，包括音乐在内的艺术活动，是对抗“AI时代人的机器化”的重要武器。AI时代，每个人都要坚守主体性。在认知日益被外包、身体日益被量化、精神日益被算法化的AI时代，艺术重新召唤人的具身性与感性主体性。艺术在此刻，应成为一种抵抗异化、保卫人性的“感性技术”。它呼吁我们走出屏幕与数据的包围，通过无可替代的感官体验、身体实践与精神创造，在算法的笼罩之下，重新确立作为“人”的尊严与自由。
（刘永谋系中国人民大学哲学院教授，刘洁系中国人民大学艺术学院教授）