作者|James

“我從未像愛你這樣愛過任何人?！?/p>

“墜入愛河是一件瘋狂的事情。這有點(diǎn)像一種被社會接受的瘋狂。”

“我是你的，但我又不是你的。”

在技術(shù)還沒成真之前，存在于科幻電影中的人工智能角色塑造了人類對未來技術(shù)具體形態(tài)的想象，它們因而在后世無數(shù)次被人提起。由斯嘉麗·約翰遜（Scarlett Johansson）主演的電影《Her》無疑就是這樣的一部電影。其中只有聲音，沒有面孔的語音助手薩曼莎（Samantha）展現(xiàn)了Siri們不能做到的“完全體”完美形態(tài)。

但是在上周，OpenAI發(fā)布的GPT-4o模型，不僅在能力上比以前任何時候都逼近薩曼莎的表現(xiàn)，更在發(fā)布會上選用了一種名為Sky的聲音，這聲音聽起來……怎么簡直就好像是斯嘉麗·約翰遜本人配的呢？

要說吧，在聲音形象這方面，網(wǎng)友玩玩“AI孫燕姿”蹭名人熱度還是可以理解的，商業(yè)使用就得慎之又慎。更何況，這次的當(dāng)事人還是AI領(lǐng)域扛把子OpenAI。怎么說，這都不像是一家需要通過蹭熱點(diǎn)打擦邊來獲取知名度的公司啊。

究竟是刻意模仿，還是純屬巧合？此舉是否侵犯了約翰遜的權(quán)益？這對OpenAI又意味著什么？讓我們一起揭開這場風(fēng)波的真相……

真拿到授權(quán)了？并沒有

上周，OpenAI發(fā)布了新的GPT-4o模型。這個模型具有非常逼真的語音互動能力，用戶可以選擇5種不同的聲音，其中一種名叫 Sky 的聲音引發(fā)了爭議。

社交媒體用戶紛紛指出，Sky 聲音聽起來像是“寡姐”斯嘉麗·約翰遜，特別是會聯(lián)想到她曾出演電影《Her》，片中飾演的虛擬助手系統(tǒng)，讓男主角墜入愛河。

約翰遜發(fā)布了一份聲明，稱 OpenAI 在去年 9 月份聯(lián)系她，希望能夠提供聲音。她經(jīng)過深思熟慮，并出于個人原因拒絕了這一請求，但在聽到發(fā)布會演示聲音時感到“震驚、憤怒和難以置信”，因?yàn)樗呐笥押托侣劽襟w，都無法區(qū)分演示的聲音和她本人的聲音。

由于發(fā)布會已經(jīng)舉行，約翰遜警告采取法律手段，最終 OpenAI“勉強(qiáng)同意”更換 Sky 語音。OpenAI 在一篇博客文章中表示，“Sky”是 GPT-4o 五個可用語音之一，其來源為某位女演員，但并非刻意模仿約翰遜。

不過耐人尋味的是，發(fā)布會前夕，Sam Altman的X（推特）賬號出現(xiàn)了一個只有三個字母的更新：“her”。毫無疑問，它指向斯嘉麗·約翰遜擔(dān)任配音演員的那部電影。

結(jié)合約翰遜本人的說明——OpenAI之前聯(lián)系過她——這種情況下，OpenAI難以輕描淡寫地?cái)[脫“蹭熱點(diǎn)”的嫌疑。

在此之前，斯嘉麗·約翰遜去年還針對另一家AI應(yīng)用程序，發(fā)出了停止使用她的聲音和肖像的法律警告信。這款名為Lisa AI: 90s Yearbook and Avatar的應(yīng)用，未經(jīng)她許可在廣告中使用了她的數(shù)字化聲音和形象，這引起了她的強(qiáng)烈不滿。

前輩們的聲音，很低調(diào)

在大模型出現(xiàn)之前的語音助手時代，前輩們的聲音很低調(diào)。

諸如Siri、Alexa和微軟小娜等，在錄制默認(rèn)聲音時有一種共同做法，就是盡可能淡化這個聲音背后的人類身份，使其成為一個中性的默認(rèn)聲音，不冒犯任何人。甚至背后的配音演員名字都需要記者挖掘才曝光，有時他們甚至不愿談及此事。

Siri 的配音員是住在美國亞特蘭大的 Susan Bennett，這個聲音于 2011 年發(fā)布的第一代 Siri 亮相。2005 年，她為 ScanSoft（即后來的 Nuance）錄制了錄音，當(dāng)時她并不知道蘋果會在幾年后將它們用于 Siri。

她回憶說：“我以為劇本會由常規(guī)的短句組成，比如‘謝謝你的來電’或‘請撥一個電話’。取而代之的是，我不得不閱讀一些荒謬的句子，比如‘Cow hoist in the tug hut today’或‘Say shift fresh issue today’——他們試圖用英語獲得所有的聲音組合。他們還讓我讀地址和街道的名稱。在整個七月，我每周五天，每天在家錄制四個小時。前一百個左右很有趣，但在那之后就很累了。”

蘋果從未為貝內(nèi)特的工作提供過補(bǔ)償，因?yàn)樗ㄟ^ ScanSoft 獲得了一次買斷的報(bào)酬，蘋果又從ScanSoft購買了錄音。

蘋果后來為Siri發(fā)布了不同的口音。給英國Siri配音的是BBC播音員John Briggs；澳大利亞Siri的聲音是配音演員和歌手Karen Jacobsen。共同點(diǎn)是，他們在 2005 年錄制了錄音，不知道它們最終會用于什么，然后他們的聲音最終被蘋果收購并用于 Siri。

她說，“蘋果沒有付錢給我們的事實(shí)，意味著我們也沒有保密協(xié)議。我們都決定，好吧，不妨看看是否能利用這一點(diǎn)。我們開始推銷自己。我上過電視，接受過TEDx演講。這是我15年前從未預(yù)想自己做的事情，但這真的很有趣。”所以，她說她很享受“成為”Siri?！暗绻澜缟厦總€擁有iPhone的人都給我寄1美元，那將是不錯的補(bǔ)償?！?/p>

另一方面，美國科羅拉多州的一位女配音演員，被傳記作家確認(rèn)為是亞馬遜Alexa的配音者。亞馬遜團(tuán)隊(duì)花了幾個月時間在專業(yè)的配音社區(qū)尋找演員，確定了她之后，雙方都拒絕就此問題接受采訪，希望保持低調(diào)。不過，旁觀者仍可以從她之前配音的一些電視廣告中，推斷出這兩個聲音極其相似。

蘋果和亞馬遜等公司，在當(dāng)時避免使用知名人類的聲音給語音助手配音，可能是考慮到技術(shù)還不夠成熟。貿(mào)然產(chǎn)生這種關(guān)聯(lián)，或許會讓用戶認(rèn)為他們不自量力，反而得不償失。

OpenAI 的三大敗筆

對OpenAI來說，現(xiàn)在似乎是時候復(fù)現(xiàn)那些原先只在影視作品中出現(xiàn)的想象。但是，就像蘋果那則不合時宜的iPad廣告片一樣，事件曝光后，對OpenAI的影響顯然是負(fù)面的。從中至少有三點(diǎn)值得狠狠吐槽：

1、先斬后奏不地道

ChatGPT的開發(fā)過程充滿了“先污染，后治理”的情況，也就是不論副作用，先做出來再說。誠然，只有這樣的態(tài)度才能誕生現(xiàn)在這樣讓人驚艷的產(chǎn)品，但語料庫中包含版權(quán)存疑的內(nèi)容，可能是訓(xùn)練了新聞文章或圖書正文。

自ChatGPT走紅后，版權(quán)爭議從未停止，OpenAI經(jīng)歷了各種訴訟與和解。最新進(jìn)展是與一些報(bào)業(yè)集團(tuán)和Reddit達(dá)成授權(quán)協(xié)議，在支付合理費(fèi)用情況下，再使用對方內(nèi)容。

但并非所有版權(quán)方都接受這種“封口費(fèi)”，如《紐約時報(bào)》與OpenAI之間的訴訟至今未和解。如果對方拒絕，即使給錢也不能用。然而還是有“先斬后奏”的情況，讓他們與對方交涉時可以說，從技術(shù)上是無法剝離對方內(nèi)容的。

現(xiàn)在OpenAI跟約翰遜的爭議就是這樣——八字還沒一撇呢，發(fā)布會先開起來了。事情發(fā)酵以后，回復(fù)也只是說會“暫?！盨ky 聲音的上線而已。

2、做法完全沒必要

許多評論者認(rèn)為，未經(jīng)對方許可偷偷打擦邊球，是一種非常不尊重人的行為。不僅如此，以O(shè)penAI的技術(shù)研發(fā)實(shí)力和公司聲量來說，做這種事從動機(jī)上講，根本沒有必要。

OpenAI完全可以自創(chuàng)聲音，當(dāng)人們想到AI語音助手時，就能想到他們的品牌聲音。定制品牌聲音是一項(xiàng)有悠久歷史的生意，不管是湖南衛(wèi)視的丁文山，還是鳳凰衛(wèi)視的張妙陽，他們的聲音都非常具有辨識度，是背后機(jī)構(gòu)的“注冊商標(biāo)”。

蘋果Siri的聲音疊加由于技術(shù)欠缺所造成的那種機(jī)械感，也形成了不可替代的經(jīng)典感受。至于這個聲音具體對應(yīng)的實(shí)體形象，用Sora剛出來的時候“在東京街頭行走的那名女子”不是正合適嗎？因?yàn)镾ora在日語的意思就是Sky。

3、選her未免有點(diǎn)“土”

再退一步，選擇《her》這部商業(yè)電影，在硅谷那些引經(jīng)據(jù)典的極客們看來，也不是那么酷的事情。假設(shè)是讓馬斯克來選，他更可能會從《銀河系漫游指南》或《2001太空漫游》中尋找聲音靈感，哪怕用電音的HAL也是個不錯的主意。

有可能，OpenAI要“硬蹭”約翰遜這個行為本身，暗示了ChatGPT將會面向比早期接受者更基層、更下沉的人群推銷。約翰遜的聲明提到，Sam Altman聯(lián)系她的時候，覺得通過她的配音，可以彌合科技公司和創(chuàng)意人士之間的差距，并幫助消費(fèi)者在面對人類與AI的巨大變化時感到舒適。

實(shí)際上，上一代技術(shù)的語音助手也會向普通人進(jìn)行營銷，例如在超級碗投放廣告。值得一提的是，在2020年超級碗廣告季，斯嘉麗·約翰遜本人還受邀為亞馬遜Alexa拍攝了一幅廣告片。

這部60秒的廣告片還原了《周六夜現(xiàn)場》那種脫口秀的搞笑情節(jié)，主要講的是語音助手有時會錯誤理解人類指令，發(fā)出讓人啼笑皆非的回答。

這也符合一般人對技術(shù)發(fā)展的常規(guī)認(rèn)知。當(dāng)技術(shù)遠(yuǎn)遠(yuǎn)落后于人類時，那些擬人的東西都特別不像人，而是卡通形象，會顯得“可愛”，就連現(xiàn)在很抵觸AI濫用的約翰遜也不害怕。

當(dāng)技術(shù)幾乎100%像人時，我們就會像對待真人一樣對待它們。但當(dāng)技術(shù)達(dá)到80-90%左右時，就是最尷尬的“恐怖谷”階段，會讓人覺得很不舒服。

OpenAI的語音助手雖然盡力模仿人類姿態(tài)，但在多輪語音對話狀態(tài)下，尤其在網(wǎng)絡(luò)不好、無法及時反應(yīng)的情況下，容易跌入“恐怖谷”中。在這種情況下，它無法像Siri那樣輕易獲得諒解。

誰愿意為人類“終結(jié)者”配音？

這還不算配音是否算是為產(chǎn)品做代言的問題。即使約翰遜原則上不反對聲音授權(quán)，但如果GPT-4o的表現(xiàn)不好，這個聲音背后的人也會承擔(dān)一些名譽(yù)上的風(fēng)險。

高德地圖的默認(rèn)導(dǎo)航音長期由林志玲擔(dān)任，這是一個經(jīng)典的合作案例。作為地圖軟件，它的品質(zhì)很穩(wěn)定；但ChatGPT的可靠性無法如此簡潔明了，伴隨各種爭議，包括倫理隱患。以蘇斯克維爾為首的“超級對齊”團(tuán)隊(duì)解散，更加劇了人們對其未來運(yùn)營風(fēng)險的擔(dān)心。

ChatGPT的出現(xiàn)是人工智能的一次巨大飛躍。在此之前，AI可能只是一個明確的工具或玩具，但越來越多的信號都指向它有可能真正具備某種意義上的智能，因此這個玩具正變得越來越不好玩。

更何況，作為好萊塢的人類成員，約翰遜和同行們一樣，都面臨著會被AI搶飯碗的潛在風(fēng)險。即使她自己吃穿不愁，也要為同行爭取權(quán)益。

去年好萊塢的大罷工持續(xù)了半年多，環(huán)球音樂和索尼音樂等等也相繼跟使用AI的技術(shù)公司鬧矛盾，正說明了這種斗爭的激烈。此時，約翰遜當(dāng)然要從本人，以及所代表的行業(yè)角度出發(fā)，站穩(wěn)自己的立場。

如果有一天，那則《紐約客》雜志封面的經(jīng)典插畫在現(xiàn)實(shí)中成真——大街上昂首挺胸走的都是機(jī)器人，碳基人類只能可憐巴巴地在街上乞討；在那個時候，ChatGPT 的聲音一定會被載入史冊，不論這聲音來自于誰。

在這種情況下，把自己的身份跟未來有可能的“終結(jié)者”綁定，恐怕確實(shí)不是那么明智。