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 · 6h 23m ago · 2595 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。
    
    36 replies  •  2026-11-18 16:19:31 +08:00
    shintendo
    shintendo
    5h 39m 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
    5h 30m 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
    5h 29m 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
    5h 26m 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
    5h 23m 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
    5h 19m 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
    5h 17m 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
    5h 16m 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
    5h 13m 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
    5h 10m 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
    5h 2m ago
    11
    "一 dàn 激起千层浪 "
    y051313
    y051313
    5h 0m 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
    4h 57m 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
    4h 10m ago❤️2
    14
    你们能忍受千篇一律的 ai 皱眉吗
    foryou2023
    foryou2023
    4h 9m 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
    3h 55m ago
    16
    大模型的 TTS 会遇到敏感词确实会这样
    Feeli
    Feeli
    3h 54m 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
    3h 54m 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
    3h 51m ago
    19
    @naver1 忍受不了 还有咪嘴,也是千篇一律
    QlanQ
    QlanQ
    3h 5m ago
    20
    [石] 我就没见过几个剧能把这个字读对的!
    v7864007
    v7864007
    2h 51m ago
    21
    我高德导航有时候也会多音字出问题,大概是今年才开始的,有时候会出现 [左转(四声)],不是每次都出现。但是频率极高
    dimlau
    dimlau
    2h 47m ago
    22
    @intoext 和「两眼放光」「满脸通红」一样,都是逐字翻译的结果。
    Clannad0708
    Clannad0708
    2h 27m ago
    23
    @auin #2 这种视频都是音画同出的吧,又不是配音,因为一个字,一个镜头的穿帮 重新生成整集视频? 这个成本太高了吧
    cpper
    cpper
    2h 21m ago
    24
    @naver1 懂不懂皱眉、握拳头、大声吵架一样说话
    cpper
    cpper
    2h 20m ago
    25
    @naver1 动不动皱眉、握拳头、大声吵架一样说话
    ceilingyear
    ceilingyear
    2h 17m ago
    26
    看了一半 感觉不咋滴,剧情太剧本化了;正好团队就是这么全能,而且穿越接受设定也很快
    daidou
    daidou
    2h 17m ago
    27
    字幕的死字也不对,这个算是敏感字吗
    BeFun
    BeFun
    1h 44m ago
    28
    @ndxxx 没法,我们 85-90 吃太多细糠了
    ShiBuYi
    ShiBuYi
    1h 41m ago
    29
    这个我看了 3 集吧,我完全看不下去。。。 然后就再也没打开过红果短剧
    qieqie
    qieqie
    1h 39m ago
    30
    2 种情况,端到端合成(一般来说同时输出的视频直接带音频的就是)话就是生冷字素材训练不足,
    用传统架构 TTS 配的就是字音转换模块 G2P 的问题,这块传统上都是靠堆规则和词典去解决的,但覆盖不好所有情况。
    rammiah
    rammiah
    1h 38m ago
    31
    这种最简单的解决方式是手动注音,缺点是量太大,最好的解决方式是让 LLM 处理输出读音,发音改成替换字,tts 模型大多都支持直接注音
    gardenssinner1
    gardenssinner1
    1h 32m ago
    32
    我感觉是在造神,鼓励大家都用 seedance 创造。。
    nuo7mi7
    nuo7mi7
    1h 27m ago
    33
    @naver1 #14 “给我开”,“给我破”
    cnmlgbd
    cnmlgbd
    1h 13m ago
    34
    看了几集,感觉剧情太啰嗦了,看不下去了
    erwin985211
    erwin985211
    34 mins ago
    35
    @naver1 所以现在 ai 只能短剧,2、3 分钟让你忽视这些问题,要是连续看个 2、3 小时脑子都炸了。情绪都不会表达了
    iVeego
    iVeego
    6 mins ago
    36
    我也有类似困惑,按说 TTS 应该很成熟了,很多不是多音字的问题,像是平仄音和前后鼻音的问题
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   4292 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 153ms · UTC 08:26 · PVG 16:26 · LAX 00:26 · JFK 03:26
    ♥ Do have faith in what you're doing.