當AI不僅能“讀”小說，還能自導自演一出情感飽滿、角色分明的多人有聲劇，有聲內容產業正迎來顛覆性拐點。近日，豆包語音團隊正式推出**“AI多人有聲劇”全自動生產方案**，首次實現從原始小說文本到成品廣播劇的端到端無人化製作——無需配音演員、無需後期剪輯、無需人工干預，成本驟降、效率飆升，效果卻直逼專業級廣播劇水準。

image.png

98%角色識別準確率，AI“演”出人物靈魂

該方案的核心突破在於其高自然度多角色語音合成（TTS）引擎。通過海量小說文本與語音數據的多模態預訓練，AI不僅能精準區分對話中的不同角色，角色劃分準確率高達98%以上，還能爲每個角色賦予符合其性格、情緒與場景的語調、節奏與語氣。無論是冷峻反派的低沉冷笑，還是少女主角的輕快雀躍，AI均能細膩演繹，告別傳統TTS“一人千面”的機械感。

更進一步，系統可智能添加背景音樂、環境音效與轉場特效——雨夜打鬥配雷聲與腳步迴響，宮廷對話輔以古琴與燭火噼啪，營造出電影級的沉浸聽覺體驗。

番茄小說率先落地，用戶反響超預期

該技術已在字節旗下番茄小說APP完成首批商業化部署。首批AI生成的多人有聲劇上線後，迅速獲得書友熱烈好評:“像在聽專業配音團隊製作的廣播劇”“角色切換毫無違和感”“更新速度比人工快十倍”。這不僅極大豐富了平臺內容供給，也讓海量中長尾小說首次獲得高質量音頻化可能。

從“可聽”到“好聽”，AI重塑文化生產鏈

豆包語音團隊表示，未來將持續優化情感表達、方言支持與多語言能力，並擴展至懸疑、科幻、言情等更多題材。隨着小說日更，有聲劇亦可同步上線，真正實現“文字發佈即音頻可用”。

在音頻內容需求爆發的今天，傳統有聲書製作受限於高昂成本與漫長週期，難以覆蓋海量網文作品。而豆包的全自動方案，不僅破解了這一行業瓶頸，更預示着一個AI原生音頻內容時代的到來——未來，每一部小說都可能擁有自己的“AI劇團”，而聽衆，將享受到前所未有的豐富、即時、高質的聽覺盛宴。