今年三月，Spotify 推出首个 AI 驱动功能——AI DJ（高逼真度智能音频导览）。该 AI 人格以 Spotify 文化合作部主管 Xavier“X”Jernigan 为原型打造，他成为该功能的首个语音模型。
TechCrunch 与 Jernigan 深入交流，了解 AI 训练流程及 Spotify 对 AI DJ 项目的未来规划。新 AI DJ 根据听众兴趣策划精选曲目，提供个性化音乐聆听体验，并像电台主持人一样对每首歌曲进行口播解说。
除担任 Spotify 主要职务外，Jernigan 还是《The Window》、《Showstopper》等多档播客主持人，早已习惯声音被数百万听众听到。但让声音被“固化”为 AI 模型，仍是独特体验。
Spotify 选择 Jernigan 作为首个声音模型，因其“声音和个性已与许多听众产生共鸣”。Jernigan 表示：“公司相当有信心，我也会以这种方式引起共鸣。”2022 年停播前，其晨间节目《The Get Up》吸引近 600 万听众，曾位列 Spotify 播客排行榜前十，充分展现其影响力。
尽管如此，Jernigan 坦言起初很难理解自己成为 DJ 声音模型这件事。他表示：“当我被提议成为 DJ 的声音模型时，简直惊呆了。想象一下，第一次听到这个概念且无视觉参考，我会想：‘等等，什么？会是我，但又不是我；是文本和语音结合，听起来像我，而且是 AI？’”他补充道：“以这种方式与 AI 合作是一次全新体验，我简直被震撼到了。”
Spotify 推出“DJ”新功能，提供由 AI 驱动的个性化音乐评论
Spotify 表示，AI DJ 采用 Sonantic 和 OpenAI 技术构建。Sonantic 是 Spotify 去年收购的 AI 初创公司，负责构建基于 AI 的逼真语音，包括电影《壮志凌云2：独行侠》中 Val Kilmer 角色的声音。
Jernigan 指出，在被收购前，Spotify 已花费数年研究 AI 驱动技术并以某种形式开发 DJ 功能。他虽未透露具体耗时，但表示整合 Sonantic 技术“真正让项目进入了快车道”。
关于 AI 训练过程，Jernigan 解释需进入录音棚朗读脚本，用不同语调和抑扬顿挫表达各种情感，并输入只有自己使用的词汇以使声音真实自然。他说：“我们使用我说过的词……我不会用‘tunes’指代歌曲，那不是我的说话方式。我会说‘hits’或‘bangers’，所以你会听到 DJ 使用这类词汇。”他还提到团队专门研究了他如何说“hey”、“hello”，并随身携带笔记本记录这些短语。此外，Spotify 团队确保保留自然停顿和呼吸声，使 AI 声音听起来像真人。
甚至连 Jernigan 的妈妈也对结果表示认可。“[DJ] 通过了‘妈妈测试’。发布前我放给她听并解释含义，她听了我的所有播客，早就习惯听到录音播放，她说：‘听起来完全就是你本人。’我妈也说像我，我知道效果非常到位。”
尽管逼真的 AI 语音已存在，但相比其他产品，Spotify 的 DJ 最为沉稳放松。虽然 Google Duplex 技术听起来真实，但在沉浸夏日歌单惬意氛围时未必令人愉悦。Jernigan 补充道：“从配音角度看，表演目标是与人建立联系、交流并专注于某一个人。因此训练 AI 时，我在录音棚里就想象面对一个人交谈，成为他的朋友。”
Spotify 的新“DJ”功能是这家流媒体平台迈向 AI 驱动未来的第一步
除让 AI 语音显得友好外，DJ 设计也旨在营造亲切感。用户看到的绿色动画圆圈致敬 Spotify 标志，AI 说话时会像嘴巴一样运动。
Spotify 个性化产品负责人 Emily Galloway 告诉 TechCrunch：“在设计方面，我们考虑了整体体验——运作方式、听觉视觉效果及如何为每位用户打造个性化体验。早期探索过更具技术感的选项（如声波元素），但感觉不合适，因为我们希望让 AI 更具人性化。”她补充说：“我们希望它看起来和感觉都独一无二，事实上已获得设计专利。”
除录制声音外，Jernigan 还以其他方式为 DJ 项目做出贡献。为让 AI 提供专业音乐评论，Spotify 组建了由策展人、文化专家和音乐专家组成的编剧团队。Jernigan 凭借丰富音乐背景参与其中，他曾为 Diddy、Amy Winehouse 和 2 Chainz 等顶级艺人工作。
虽然 Jernigan 是 DJ 第一个声音模型，但未来听众可能会听到更多不同声音。当被问及是否有计划聘请其他语言声音模型时，他暗示道：“敬请期待。”
目前，AI DJ 仅面向美国和加拿大 Premium 订阅用户提供英文版本，截至二月仍处于测试阶段。Jernigan 表示：“我们将推出一系列非常酷的新功能，还有很多很棒的东西即将推出。”
Spotify 推出新技术，将广播节目转化为播客