科技助残在行动:让“AI声音替身”为残疾人打工

北京灵伴即时智能科技有限公司2016年成立，创始团队来自北京大学。2020年，他们开始琢磨：能不能用AI把文字变成有声读物？

传统有声书的制作周期太长——一个成熟主播两小时才能出一小时干音，一本书上百万字，一个小团队一年也就做一两本。2024 年 6 月，该公司创立的长音频内容生产平台“呱呱有声”3.0发布了一项新功能——AI替身。

“我们不是替代真人，”北京灵伴即时智能科技有限公司工作人员高佳解释，“是给你训练一个分身。”主播需要提供两小时以上的高品质干音，大模型深度学习后，生成一个高度拟真的声音模型。导演在有声书制作界面选中这个模型，输入文本，等一分钟，刷新，音频就生成了。替身的定价是6.6 元 / 万字，扣除算力等成本，主播能分到大约一半。平台目前已有800多个“AI替身”上线，头部主播的月度分成超过万元。高佳说：“录完这两小时，AI替你干活。你本人可以去录那些 AI 做不到的部分——大哭、大笑、情绪爆发的戏。主角还得真人来。”辛女士不太懂这些技术细节，但她听懂了一件事：这两小时录好了，以后就不用每次都亲自念旁白。

“韵律、节奏、停顿最好自然，这样在后续采样期间，AI替身的训练会更加自然。”灵伴邀请的两位授课老师，一位叫郭金非，一级演员，配音导演，他曾为上百部译制片、上千部电视剧配音。郭老师注重实践，会现场教学一对一指导发音；另一位老师叫东华，是专业的有声书演员，更注重理论讲解。此刻，东华老师正在给一群残疾人学员线上授课。屏幕共享框里，他展示着一段文本，停下来解释：“镜头越近，语速越快；镜头越远，语速越慢。”

培训从2025年11月开始，从“基石篇”到“实战篇”，每两周一次，线上直播，配有录播回放。郭金非负责专业指导，另一位老师本身就是残疾人主播，分享更实用的录制经验。日常的培训通知和辅导答疑都在线上“AI替身制作群”里进行。

辛女士也在群里。她发言少，但每次课都听。“我觉得对自己的声音、朗诵技能，对AI的认知，都是挺不错的提升。”她说。之前不知道AI是什么。现在她知道了，AI是那个不会累的“替身”，是那个让她 71岁了还能跟这个世界保持连接的通道。“参加活动，我心情也好，”她说，“尽管可能朗诵得不是很好吧。”

辛女士录完之后，技术人员开始跑模型。几天后，她听到自己的声音从手机里传出来。是她，又不仅仅是她。音色一样，节奏一样，连那些轻微的吸气声都被保留了下来。但那个声音不会累，不会口干舌燥，不会因为情绪波动而走调。它只是一字一句地读着，平稳、准确、不知疲倦。她的替身将和另外四位残疾人的替身一起，被放到“呱呱有声”平台上。还有另外几位刚录完的声音正在被训练，即将上线。配音导演们可以试听、收藏、选用。2025 年12月3日，第34个国际残疾人日。灵伴智能的产品团队发布了一条更新：呱呱有声录音宝支持无障碍操作。适配读屏软件，支持全键盘与快捷键。那条推文里写着一句话：“录音无障，声声平等。”

辛女士没看过那条推文。但她在录音棚里坐着的那些下午，隔音棉吸走所有噪音，她对着话筒说话，声音被保存、被分析、被训练——她知道，她的声音被“听见”了。

“最重要的，是体现了对我们（残疾人）的重视，还有对老年人心理的关注，”辛女士说，“觉得自己有很大提升，感觉自己没有被社会淘汰。”她说，钱不钱的没关系，只要有这个机会，这些都不重要。但“能挣钱更好。”说到这，她笑了。

“以前传统的帮扶手段，主要是给残疾人提供需要持续劳作的体力工作，或者给一些资助。”高佳说，“但我们了解到，有一些残疾人朋友，声音条件特别好。公司有这方面的技术，就希望能在 AI 时代，为残疾人提供基础的就业条件。”她说，公司创始人开始关注这个群体，其实是很偶然的事。“我们关心边缘群体——残疾人、老年人——他们接触新技术时，往往是被排斥在外的。”

“与他们进行声音交流的时候。”高佳说，“没有觉得残疾人和健全人有任何区别。”“这个活动，对我们帮助挺大的。”辛女士说，“科技助残，让我们能够学到很多东西。能发挥自己的余热。”

2025年10月28日，北京市残联与灵伴智能在汇爱大厦共同启动了“AI助残——残疾人声音价值传播助残行动”。北京市残联副理事长王响平在启动仪式上说：“我们正从传统的帮扶模式，转向通过科技赋能个体潜能的新模式。这项行动的核心，是帮助参与者将声音特色转化为可持续开发的‘数字资产’，实现从‘授人以鱼’到‘授人以渔’的关键转变。”

两小时，是那个“渔”。

辛女士录完最后一段干音，摘下耳机，推开录音棚的门。外面的光涌进来。她拿起桌上的水杯，慢慢拧开盖子，喝了一口水。

两小时，只是一个开始。