文|娛樂資本論 James

“我從未像愛你這樣愛過任何人。”

“墜入愛河是一件瘋狂的事情。這有點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具體形態的想象，它們因而在后世無數次被人提起。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）展現了Siri們不能做到的“完全體”完美形態。

但是在上周，OpenAI發布的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，更在發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，網友玩玩“AI孫燕姿”蹭名人熱度還是可以理解的，商業使用就得慎之又慎。更何況，這次的當事人還是AI領域扛把子OpenAI。怎么說，這都不像是一家需要通過蹭熱點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益？這對OpenAI又意味著什么？讓我們一起揭開這場風波的真相……

01 真拿到授權了？并沒有

上周，OpenAI發布了新的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，特別是會聯想到她曾出演電影《Her》，片中飾演的虛擬助手系統，讓男主角墜入愛河。

約翰遜發布了一份聲明，稱 OpenAI 在去年 9 月份聯系她，希望能夠提供聲音。她經過深思熟慮，并出于個人原因拒絕了這一請求，但在聽到發布會演示聲音時感到“震驚、憤怒和難以置信”，因為她的朋友和新聞媒體，都無法區分演示的聲音和她本人的聲音。

由于發布會已經舉行，約翰遜警告采取法律手段，最終 OpenAI“勉強同意”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，發布會前夕，Sam Altman的X（推特）賬號出現了一個只有三個字母的更新：“her”。毫無疑問，它指向斯嘉麗·約翰遜擔任配音演員的那部電影。

結合約翰遜本人的說明——OpenAI之前聯系過她——這種情況下，OpenAI難以輕描淡寫地擺脫“蹭熱點”的嫌疑。

在此之前，斯嘉麗·約翰遜去年還針對另一家AI應用程序，發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的應用，未經她許可在廣告中使用了她的數字化聲音和形象，這引起了她的強烈不滿。

02 前輩們的聲音，很低調

在大模型出現之前的語音助手時代，前輩們的聲音很低調。

諸如Siri、Alexa和微軟小娜等，在錄制默認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 年發布的第一代 Siri 亮相。2005 年，她為 ScanSoft（即后來的 Nuance）錄制了錄音，當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。”

蘋果從未為貝內特的工作提供過補償，因為她通過 ScanSoft 獲得了一次買斷的報酬，蘋果又從ScanSoft購買了錄音。

蘋果后來為Siri發布了不同的口音。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，意味著我們也沒有保密協議。我們都決定，好吧，不妨看看是否能利用這一點。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。“但如果世界上每個擁有iPhone的人都給我寄1美元，那將是不錯的補償。”

另一方面，美國科羅拉多州的一位女配音演員，被傳記作家確認為是亞馬遜Alexa的配音者。亞馬遜團隊花了幾個月時間在專業的配音社區尋找演員，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。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，可能是考慮到技術還不夠成熟。貿然產生這種關聯，或許會讓用戶認為他們不自量力，反而得不償失。

03 OpenAI 的三大敗筆

對OpenAI來說，現在似乎是時候復現那些原先只在影視作品中出現的想象。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的影響顯然是負面的。從中至少有三點值得狠狠吐槽：

1、先斬后奏不地道

ChatGPT的開發過程充滿了“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，只有這樣的態度才能誕生現在這樣讓人驚艷的產品，但語料庫中包含版權存疑的內容，可能是訓練了新聞文章或圖書正文。

自ChatGPT走紅后，版權爭議從未停止，OpenAI經歷了各種訴訟與和解。最新進展是與一些報業集團和Reddit達成授權協議，在支付合理費用情況下，再使用對方內容。

但并非所有版權方都接受這種“封口費”，如《紐約時報》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，從技術上是無法剝離對方內容的。

現在OpenAI跟約翰遜的爭議就是這樣——八字還沒一撇呢，發布會先開起來了。事情發酵以后，回復也只是說會“暫停”Sky 聲音的上線而已。

2、做法完全沒必要

許多評論者認為，未經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OpenAI的技術研發實力和公司聲量來說，做這種事從動機上講，根本沒有必要。

OpenAI完全可以自創聲音，當人們想到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有悠久歷史的生意，不管是湖南衛視的丁文山，還是鳳凰衛視的張妙陽，他們的聲音都非常具有辨識度，是背后機構的“注冊商標”。

蘋果Siri的聲音疊加由于技術欠缺所造成的那種機械感，也形成了不可替代的經典感受。至于這個聲音具體對應的實體形象，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？因為Sora在日語的意思就是Sky。

3、選her未免有點“土”

再退一步，選擇《her》這部商業電影，在硅谷那些引經據典的極客們看來，也不是那么酷的事情。假設是讓馬斯克來選，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聯系她的時候，覺得通過她的配音，可以彌合科技公司和創意人士之間的差距，并幫助消費者在面對人類與AI的巨大變化時感到舒適。

實際上，上一代技術的語音助手也會向普通人進行營銷，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《周六夜現場》那種脫口秀的搞笑情節，主要講的是語音助手有時會錯誤理解人類指令，發出讓人啼笑皆非的回答。

這也符合一般人對技術發展的常規認知。當技術遠遠落后于人類時，那些擬人的東西都特別不像人，而是卡通形象，會顯得“可愛”，就連現在很抵觸AI濫用的約翰遜也不害怕。

當技術幾乎100%像人時，我們就會像對待真人一樣對待它們。但當技術達到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，但在多輪語音對話狀態下，尤其在網絡不好、無法及時反應的情況下，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。

04 誰愿意為人類“終結者”配音？

這還不算配音是否算是為產品做代言的問題。即使約翰遜原則上不反對聲音授權，但如果GPT-4o的表現不好，這個聲音背后的人也會承擔一些名譽上的風險。

高德地圖的默認導航音長期由林志玲擔任，這是一個經典的合作案例。作為地圖軟件，它的品質很穩定；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”團隊解散，更加劇了人們對其未來運營風險的擔心。

ChatGPT的出現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搶飯碗的潛在風險。即使她自己吃穿不愁，也要為同行爭取權益。

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

如果有一天，那則《紐約客》雜志封面的經典插畫在現實中成真——大街上昂首挺胸走的都是機器人，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“終結者”綁定，恐怕確實不是那么明智。