聽障人士的“人生第一句”

杭州的馬塍路，2022年夏天開了兩家特殊的店鋪，一家熟客靠小紙條、打字溝通的理發(fā)店，一家沒有“歡迎光臨”問候聲的面包店。這兩個(gè)靠聽障者經(jīng)營的店鋪格外安靜，但生意卻火熱，街道也因此得到了“無聲街道”的稱呼。

隔了一年的夏天，AIGC技術(shù)開始席卷國內(nèi)外的商業(yè)世界，互聯(lián)網(wǎng)公司紛紛投入到新一輪的技術(shù)浪潮中。AI技術(shù)的風(fēng)也吹到了這條街道。

今年45歲的聽障理發(fā)師沈師傅難得地?fù)芡俗约耗赣H的電話，通過用自己的音色合成的話，說出了自己對(duì)媽媽表示感謝的“人生第一句”。店里的熟客也終于聽到了這位長期為自己理發(fā)的“Tony”的聲音。

先天聽障的甜品師小陳，做出拿手的奶凍和牛角包，總是最快售罄。平時(shí)發(fā)不出完整聲音的她，也人生第一次跟顧客說了“歡迎光臨。”“甜品需要為您打包嗎?”

對(duì)一部分聽障人士來說，說出完整的句子、甚至音節(jié)都是現(xiàn)實(shí)的難題。普通人輕易可以做到的這件事，對(duì)他們卻是時(shí)間跨越幾十年后，才終于靠技術(shù)得到的一種完全的展現(xiàn)。技術(shù)讓這種缺憾有了彌補(bǔ)的可能性。

有數(shù)據(jù)顯示，中國聽力障礙殘疾人數(shù)約為2780萬。對(duì)比來看，聽障專業(yè)服務(wù)人士只有約1萬名，助聽器的應(yīng)用不到5%。這意味著，聽障人士需要主動(dòng)或者被動(dòng)地減少溝通。

正是有了網(wǎng)易互娛的聽障人士AI復(fù)原原聲的工具，聽障人士只需要上傳2分鐘沒有完整語義的發(fā)聲片段，就能重建出屬于自己獨(dú)一無二的聲音。之后，只需輸入文字，就可以通過個(gè)人音色傳達(dá)出來。這項(xiàng)新技術(shù)的成熟正在漸漸消除聽障人士溝通的困難和情感表達(dá)的阻礙。

被掛掉的電話和“歡迎光臨

45年來，沈師傅的母親已經(jīng)習(xí)慣了兒子聲音的“缺席”。沈師傅因?yàn)閮簳r(shí)的一場(chǎng)高燒，失去了聽力，世界的聲音逐漸消失。跟異地的妻子聯(lián)系時(shí)，兩人也只能通過手語交流。沈師傅的母親從來沒接到兒子電話，以至于第一次打去電話時(shí)，她下意識(shí)地選擇了掛斷。

一句屬于沈師傅聲線合成的“媽媽，謝謝你”，換來了電話那頭的母親隔著電話，傳過來的興奮，“太像太像了”。她用紹興話在電話那頭“嘰里咕嚕”地說著話，似乎已經(jīng)忘記兒子聽不見自己聲音。

這是一家同樣不會(huì)說“歡迎光臨”的理發(fā)店。價(jià)低，但手藝被熟客認(rèn)可。熟客們到發(fā)廊時(shí)，會(huì)用手比劃，或者在寫字板上，用盡量精簡的語言表達(dá)自己的理發(fā)訴求。再后來，店里又專門增加了一臺(tái)預(yù)約機(jī)器，用機(jī)器取締更多興許不順暢的溝通。

到訪的那天，沈師傅又迎來了一位熟客，對(duì)頭發(fā)的訴求就寫在隨便撕下的紙片上，“兩耳邊修一下，頭后也盡量短點(diǎn)”。沈師傅點(diǎn)開自己的聲音，跟他進(jìn)行了第一次剪發(fā)需求的溝通，不依賴機(jī)械的機(jī)器人聲，而是被媽媽認(rèn)可的，像他的聲線的聲音。

沈師傅的隔壁，就是筑夢(mèng)無聲烘培。沈師傅的人生第一句說給了媽媽，烘培坊的小陳則完成了跟顧客的一次語言溝通。

小陳曾經(jīng)遇到過商品原材料質(zhì)量問題，當(dāng)面跟顧客道歉，又是比劃，又是打字。雖然最終沒有發(fā)生大的沖突，但沒法直接說出歉意，讓她很愧疚。她同樣也遇到過，因?yàn)闇贤ɡщy，遇到?jīng)]耐心的顧客，明知對(duì)方是聽力障礙人士，聽不到卻還是不斷動(dòng)著嘴巴。

小陳說，這種表達(dá)語言的功能，可以讓他們和健全人一樣上班。“比如進(jìn)公司、實(shí)體門店就不會(huì)有阻礙了。”

小陳用完網(wǎng)易的AI聲音復(fù)原工具，店里終于有了“歡迎光臨”的聲音。屬于她的聲音，也開始幫助她跟顧客溝通。小陳試用后也開始向同學(xué)們推介，他們中多數(shù)人也同樣因?yàn)槁犃φ系K，而留有遺憾或難以言表的感謝。

網(wǎng)易互娛AI Lab團(tuán)隊(duì)曾經(jīng)接觸過一個(gè)咖啡師，沒有親口對(duì)女朋友說過情話，對(duì)他而言心中縱有萬千思緒，卻難以言表。他想用自己的聲音說，但原有的AI產(chǎn)品沒有一個(gè)能真正實(shí)現(xiàn)。

曾經(jīng)參與世界巡演的舞蹈家顧老師，在一歲左右時(shí)同樣因?yàn)榘l(fā)燒打針引起了耳聾，100多分貝的聲音對(duì)著她的耳朵，也毫無反應(yīng)。在很長的日子里，爸媽帶著她四處求醫(yī)，針灸、吃藥成了家常便飯。但直到女兒出生，她的耳朵也未見好轉(zhuǎn)。如今，她能用自己的音色“說話”了，還彌補(bǔ)了曾經(jīng)的遺憾，“女兒學(xué)說話的時(shí)候不能陪她、教她。”

市場(chǎng)上，雖然文字轉(zhuǎn)換為語音的技術(shù)已經(jīng)高度成熟。比如從最早期的比較機(jī)械的聲音，到富有節(jié)奏韻律的語音合成效果，再到在短視頻中成熟應(yīng)用，可以帶著“情緒”的電影解說配音，這種進(jìn)化代表著文字到語音轉(zhuǎn)化技術(shù)更加趨近實(shí)用。但對(duì)聽障人士而言，相比于采用統(tǒng)一的聲線合成語音，他們更加渴望能夠使用他們自己獨(dú)特的聲線，向周邊人傳遞自己的心聲。努力讓每一個(gè)TA，在AI世界里，也能成為獨(dú)一無二存在，是技術(shù)團(tuán)隊(duì)追逐的目標(biāo)。

一場(chǎng)公益的共謀

在社交媒體上，越來越多的聽障人士被關(guān)注，也從更大程度上展現(xiàn)了房間里的大象。對(duì)他們來說，如何與社會(huì)自如相處，更便捷、準(zhǔn)確的溝通，是終身的難題。

今年5月，網(wǎng)易互娛AI Lab團(tuán)隊(duì)開始思考，在游戲場(chǎng)景之外，如何能把現(xiàn)有的技術(shù)拓展到更多的場(chǎng)景。幫助聽障人士“說話”的提議被拎出來討論。

技術(shù)是熟悉的，iSpeech技術(shù)曾在游戲很多場(chǎng)景應(yīng)用過，但要應(yīng)用到聽障人士群體，這個(gè)場(chǎng)景是陌生的，他們起初也不知道技術(shù)可以做到哪一步。

為了調(diào)研聽障人士是否真的有這個(gè)需求，網(wǎng)易找到了浙江省殘疾人福利基金會(huì)，做了一次調(diào)研。

調(diào)研結(jié)果顯示，僅有十分之一的受訪對(duì)象能夠通過簡單的口語與身邊的人進(jìn)行交流。更多時(shí)候，還是依靠手語、更傳統(tǒng)的寫字或借助手機(jī)。他們中的大多數(shù)人經(jīng)歷過太多想說但說不出的自卑與懊惱，說出“人生第一句”是一部分的“夢(mèng)想”。

在社交媒體上，也有不少正在通過“音書”等App練習(xí)發(fā)音、通過實(shí)施轉(zhuǎn)錄語音聽網(wǎng)課的聽障人士，他們也在通過各種辦法，找回語感、訓(xùn)練發(fā)音、或者找到跟其他人交流更便捷、有效的辦法。

在確認(rèn)需求后，網(wǎng)易互娛AI Lab團(tuán)隊(duì)總結(jié)出來，在現(xiàn)有的技術(shù)方案下，音色克隆系統(tǒng)可以通過聽障人士的發(fā)聲片段學(xué)習(xí)聲線特色，但無論是聲線的錄制、錄音上傳后的處理，都需要更便捷地完成。

大多數(shù)聽障人士在闡述一句話時(shí)，嘴巴在動(dòng)，但一句話中，興許有部分音節(jié)能出發(fā)聲音，或者只是不完整的句子，沒有語義的聲音。這些對(duì)采集聲音造成了不小的挑戰(zhàn)，也是團(tuán)隊(duì)主要攻克的難題。最終，他們通過技術(shù)層面的升級(jí)，僅提取聽障人士的聲紋信息，摒棄了傳統(tǒng)語音合成需要采集上百個(gè)句子(超半小時(shí))的語音量，將聲音收集的時(shí)間壓縮到最短2分鐘，進(jìn)而大幅度降低聽障人士的使用門檻。

為了盡可能提升訓(xùn)練和合成的效果，網(wǎng)易互娛AI Lab還邀請(qǐng)聲優(yōu)、內(nèi)部人員，設(shè)計(jì)了大量的文本進(jìn)行語音錄制，隨后花了大量的精力進(jìn)行模型的訓(xùn)練和調(diào)參優(yōu)化。終于，花了兩個(gè)月時(shí)間，工具在聚集了許多聽障人士的音書App上線。這才有了沈師傅、小陳說出的“人生第一句”。

事實(shí)上，由于大多數(shù)聽障人士無法完整清晰地表達(dá)一句話，因此在音頻被機(jī)器學(xué)習(xí)并轉(zhuǎn)化之后，他們的聲音中，仍然殘留著“嘶啞聲”。但在此過程中，聽障人士們的一次次努力，一次次溝通，也構(gòu)成了一些人情感“缺憾里的完美”。

技術(shù)如何向善?

在為聽障人士提供音色復(fù)原的技術(shù)之前，網(wǎng)易作為一家主營業(yè)務(wù)為游戲的公司，早早就把iSpeech技術(shù)應(yīng)用在游戲場(chǎng)景中。

簡單來說，網(wǎng)易的游戲產(chǎn)品中，NPC的語音生成、游戲中的系統(tǒng)播報(bào)、轉(zhuǎn)換音色等都有了基礎(chǔ)的應(yīng)用。當(dāng)一個(gè)成熟的新技術(shù)被驗(yàn)證，隨之而來的就是將其作用更極致化、鋪展開的過程。

在開始之前，團(tuán)隊(duì)反復(fù)考量，這事要如何更好地推進(jìn)下去。原本更多只是服務(wù)游戲的聲音合成技術(shù)，在公益價(jià)值上得到了第二次的落地。

根本上，這更多旨在提供社會(huì)價(jià)值，而非商業(yè)價(jià)值。網(wǎng)易互娛AI Lab技術(shù)總監(jiān)林悅提到，現(xiàn)在沒有考慮(通過這個(gè)技術(shù))盈利賺錢。但相關(guān)技術(shù)除了游戲中應(yīng)用提高生產(chǎn)效率之外，也在不斷探索新的玩法。

他舉例說，在游戲開發(fā)過程中，一些聲優(yōu)遇到需要補(bǔ)錄的問題時(shí)，跨地域、實(shí)地到錄音棚的周期會(huì)很長，但現(xiàn)在已經(jīng)可以通過AI以及音色復(fù)原的算法，對(duì)相應(yīng)的少量臺(tái)詞進(jìn)行修改。在做聽障人士還原音色項(xiàng)目的過程中，也促使團(tuán)隊(duì)重新梳理語音合成技術(shù)的各個(gè)細(xì)節(jié)和可能提升的方案，這次合作也使得合成技術(shù)有了進(jìn)一步的提升，對(duì)未來在游戲中也有了更多應(yīng)用的可能性。

在做調(diào)研時(shí)，他們還發(fā)現(xiàn)，一個(gè)現(xiàn)實(shí)的問題是，聽障人士在使用無障礙通信軟件主要面臨需支付較高費(fèi)用、語音轉(zhuǎn)文字準(zhǔn)確率不夠、翻譯器翻譯有延遲等問題。這也是網(wǎng)易將這個(gè)技術(shù)免費(fèi)開放給聽障人士的初心之一。能盡可能高準(zhǔn)確度地，為聽障人士的日常溝通創(chuàng)造“情感”的價(jià)值，這也是一定要做出“聲線”的根本所在。

林悅說，下一步的計(jì)劃就是能在合成后，還能準(zhǔn)確表達(dá)出相應(yīng)的情緒。傳統(tǒng)工業(yè)界的做法往往是基于大量的帶情緒的訓(xùn)練數(shù)據(jù)，或者是通過文本判斷情緒并在合成時(shí)做情感的遷移，但靠聽障人士在錄制數(shù)據(jù)表達(dá)的語義信息，再帶上情感信息的仍然有難點(diǎn)。

在不少聽障人士的人生故事中，溝通的不便捷會(huì)消磨掉一部分時(shí)刻的完整性。一位參與該項(xiàng)目的人士提到，她記得一個(gè)父親說過，他不能說話的遺憾來自，在孩子的婚禮上，他沒辦法做致辭。親口說話不可替代，人生就是有很多時(shí)刻，可能就是得親自來講話。

在那場(chǎng)調(diào)研中，有超過67%的受訪對(duì)象表示“愿意使用音色復(fù)原技術(shù)”，超過一半的受訪對(duì)象表示“愿意將音色復(fù)原技術(shù)推薦給身邊有需要的人”，也有部分受訪對(duì)象表示除了手機(jī) APP 軟件以外，希望音色復(fù)原技術(shù)應(yīng)用于在公交、出租、飯店、超市、銀行等公共場(chǎng)所。但這仍然需要長時(shí)間的，社會(huì)各界的共謀。至少從現(xiàn)在開看，一些人找回了失去的聲音，盡管方式會(huì)更曲折。

沈師傅的故事在無聲街道上被多次關(guān)注，在許多的視頻、采訪中，沈師傅常常只是打著手語，由不同的人擔(dān)當(dāng)翻譯。他喜歡說“奮斗”，總是對(duì)來訪者提出的要求充分配合。但在使用了音色合成的工具后，沈師傅第一次在視頻中，通過自己的語言、聲音闡述自己的經(jīng)歷、思考和期盼，為自己完成了“配音”。

關(guān)鍵詞：