whyzp2019
V2EX  ›  问与答

跟风追《持械入宋》,看到的 AI 短剧读音问题的疑惑

  •  
  •   whyzp2019 · 3h 16m ago · 1263 views

    趁着热度追了最近很火的 AI 短剧《持械入宋》。能明显感觉到,对比最初的 AI 短剧,画面,人物的建模,表情,场景的精细度进步还是很大的。 但有个地方实在很别扭:AI 配音有很多读错的,比如主簿,一直读成 zhǔ bào,实际上应该是 zhǔ bù的吧,每次听到都瞬间出戏。

    很好奇,这种反复稳定读错某一些字词,到底是技术上的短板?还是制作流程的问题?还是故意的?用来区分 AI 和真人?
    有没有懂行的朋友说一说。
    
    19 replies  •  2026-11-18 12:34:41 +08:00
    shintendo
    shintendo
    2h 32m ago
    1
    没看过这个剧,如果是真的那有点奇怪,因为簿也没有 bào 的音啊,如果读成 bo2 还可以理解
    要纠正多音字读音很简单吧,换个同音字就行了,肯定不是技术问题
    auin
    auin
    2h 22m ago
    2
    看的剧也不少,多音字真的是很多读错的,记忆比较深的是:传、调、重,基本是重灾区。
    hfJ433
    hfJ433
    2h 22m ago
    3
    技术上的短板,多音字可能 ai 没理解,加上可能创作的人文化水平不高,后期审核的时候,也没发现错误读音

    如果审核发现了问题,这个读音给 ai 是能纠正的
    DXpro
    DXpro
    2h 19m ago
    4
    主要是大模型的 TTS 会遇到敏感词 ,还有版权方面的问题。所以不要给孩子看短剧 很多错别字。
    chuan0144
    chuan0144
    2h 16m ago
    5
    至少不是制作流程的问题,我用小米 mimo-tts,所有的「校准」它都会读成「xiao zhun」
    paopjian
    paopjian
    2h 12m ago
    6
    1.作者水平不足, 没有专业读音审核, 或者他们可能连字都是打错的
    2.作者懒得改, 重新抽卡费钱
    3.没有后期技能, 不会改音频音轨
    4.AI 能力不足, TTS 存在多音字理解错误
    play78
    play78
    2h 10m ago
    7
    主要有个问题是,现在视频生成是画面和声音,背景音乐都是一起生成的,这样画面,人物表情,口型,都比较协调。 如果音视频分开,再合成,就需要花时间校对(现在一些低质量的真人剧,画面和声音体感就很差,不协调,比 ai 还容易出戏)。如果因为一个读音就重新抽卡,显然成本太高,中间修改某个字,也麻烦。 这种估计只能等视频大模型能力提升才行了。
    whyzp2019
    whyzp2019
    OP
    2h 9m ago
    8
    甚至刷一些视频的时候,AI 的配音会把战机 F-35 读成 F 负 35,简直无法直视
    changnet
    changnet
    2h 6m ago
    9
    不是多音字的问题,很多常见的字都会错,比如贺平生有贺盆生、贺旁生、贺长生。。。好多种

    现在的 AI 做不到准确,要准确就得重复去修正,大家不都把这叫抽卡么。人像也有这个问题,所以经常会看到有些 AI 剧场景一转就换脸。

    但是抽卡要花钱花时间,不是排名前几的那几个剧,哪有人愿意做
    purringpal
    purringpal
    2h 3m ago
    10
    也跟风看了一点,但也只看得进去一点,因为画面确实算精良,但剧情属实一般,或者说高开低走,非常拖沓,根本看不下去。
    yougg
    yougg
    1h 55m ago
    11
    "一 dàn 激起千层浪 "
    y051313
    y051313
    1h 52m ago
    12
    技术上肯定是没问题的。多音字用 ssml 提供准确拼音即可。
    问题是,你看这短剧还真带脑子啊..
    longaiwp
    longaiwp
    1h 50m ago
    13
    我觉得还是模型的理解能力有限,因为有一些常见的字也读错的,不常见的字读错就更常见了,感觉也不像是什么敏感词。
    naver1
    naver1
    1h 2m ago❤️1
    14
    你们能忍受千篇一律的 ai 皱眉吗
    foryou2023
    foryou2023
    1h 2m ago
    15
    一样发现这个问题,我估计是根本没有怎么仔细校对,估计制作方是为了节约时间或者懒得校对。如果是人工手动制作视频,很多视频的语音和文字都是同步的,而且基本都是正确的。
    guanhui07
    guanhui07
    48 mins ago
    16
    大模型的 TTS 会遇到敏感词确实会这样
    Feeli
    Feeli
    47 mins ago
    17
    现在基本就是这个问题吧,就是多音字读不准,有时候看着看着真的挺出戏的
    ndxxx
    ndxxx
    47 mins ago via Android
    18
    稍微讲究一点的都是 tts 脚本和字幕脚本分开做的,就是为了避免这种多音字的问题。

    持械入宋我也看过,只能说 95 后 00 后没吃过什么好的,这也能看得下去😅
    intoext
    intoext
    44 mins ago
    19
    @naver1 忍受不了 还有咪嘴,也是千篇一律
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   2966 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 57ms · UTC 05:19 · PVG 13:19 · LAX 21:19 · JFK 00:19
    ♥ Do have faith in what you're doing.