配音市场潜力巨大，AI技术加速内容本地化进程
配音是一个利润丰厚的市场。Verified Market Research预测，仅电影配音服务到2027年每年就可能产生36亿美元的收入。然而，这也是一个耗时且成本高昂的过程：平均录制五分钟旁白需一小时录音棚时间；即便是简单视频，价格也可能高达每分钟75美元。
人工智能在该领域的承诺，特别是自然语言处理技术，正通过创建多种语言的类人配音来加速这一任务。英国初创公司Papercup声称，其技术已被媒体巨头Sky News、Discovery和Business Insider采用，并用于翻译Bob Ross标志性节目《绘画的乐趣》的30季内容。首席执行官Jesse Shemen估计，过去12个月里，有超过3亿人观看了由Papercup翻译的视频。
融资2000万美元，深化AI语音表现力研究
“本地化和翻译的需求与满足需求的能力之间存在显著不匹配，”Shemen表示。“像《鱿鱼游戏》这样的作品验证了这一观点：只要内容有趣且引人入胜，人们就会观看任何地方、以任何语言创作的内容。这就是该行业具备巨大增长潜力的原因。”
为此，Papercup今日宣布在Octopus Ventures领投的A轮融资中筹集了2000万美元，Local Globe、Sands Capital、Sky和Guardian Media Ventures、Entrepreneur First以及BDMI也参与了投资。这使得这家总部位于伦敦的公司迄今为止总融资额达到约3050万美元。大部分资金将用于研究具有表现力的AI生成语音，并扩大对外语的支持。
“人在回路”模式兼顾效率与质量
Papercup由Shemen和Jiameng Gao于2017年创立，提供基于人工智能的配音解决方案。该平台能识别目标影片中的真人声音并生成新语言配音版本。制作方上传视频并指定语言后，经本语母语者团队进行音频质量检查，即可获得带有合成语音旁白的翻译版本。
Shemen声称，Papercup平台能以手动方法无法匹敌的规模和速度生成配音。除定制翻译外，还提供具有“逼真”语气和情感的声音目录，广泛应用于内部沟通、企业公告、教育材料及影视节目中。
“我们的‘人在回路’方法意味着人工翻译员负责质量控制并确保准确性，但相比全程提供翻译，手动操作大幅减少，从而提升工作效率和处理量，”Shemen说。“疫情期间视频内容消费增加，显著提升了对我们服务的需求。”
合成媒体市场扩张与伦理挑战并存
AI生成的“合成媒体”市场正在增长。Synthesia、Respeecher、Resemble AI和Deepdub等公司已推出AI配音工具；Nvidia也在开发能将演员面部表情与新语言匹配的技术。
但潜在负面影响不容忽视。缺乏细节关注的AI配音可能失去“本地风味”，表达方式在不同语言中含义可能迥异。此外，AI配音还引发伦理问题，例如是否应重现已故之人的声音。
同样模糊的是从在职演员表演中生成声音的影响。多家公司曾尝试复制摩根·弗里曼的声音，制片厂也越来越多地在合同中加入条款，寻求在必要时使用合成声音替代表演者（如后期制作调整台词）。
数据验证配音价值，持续拓展实时翻译能力
Shemen将Papercup定位为中立平台，同时监控使用以防止深度伪造等滥用行为。目前，公司正开展新闻和体育赛事等内容的实时翻译工作，并优化AI生成声音的表现力控制。
“[配音]的价值显而易见：观看非母语短视频时，信息保留率为41%；配有字幕时为50%；而通过Papercup配音后高达70%，比仅用字幕提高40%，”Shemen说。“凭借真正富有情感的多语言AI配音，Papercup涵盖所有内容类型，使视频和音频对每个人来说都更加易于获取和享受。”
Papercup目前在伦敦拥有38名员工，并在三大洲建有译员网络，预计该数字将在年底前翻倍。