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 · 1 day ago · 4526 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。
    
    46 replies  •  2026-11-19 09:45:48 +08:00
    shintendo
    shintendo
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day 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
    1 day ago
    11
    "一 dàn 激起千层浪 "
    y051313
    y051313
    1 day 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
    1 day 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
    1 day ago❤️2
    14
    你们能忍受千篇一律的 ai 皱眉吗
    foryou2023
    foryou2023
    1 day 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
    1 day ago
    16
    大模型的 TTS 会遇到敏感词确实会这样
    Feeli
    Feeli
    1 day 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
    1 day 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
    1 day ago
    19
    @naver1 忍受不了 还有咪嘴,也是千篇一律
    QlanQ
    QlanQ
    1 day ago
    20
    [石] 我就没见过几个剧能把这个字读对的!
    v7864007
    v7864007
    1 day 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
    1 day 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
    1 day 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
    1 day ago
    24
    @naver1 懂不懂皱眉、握拳头、大声吵架一样说话
    cpper
    cpper
    1 day ago
    25
    @naver1 动不动皱眉、握拳头、大声吵架一样说话
    ceilingyear
    ceilingyear
    1 day 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
    1 day ago
    27
    字幕的死字也不对,这个算是敏感字吗
    BeFun
    BeFun
    1 day ago
    28
    @ndxxx 没法,我们 85-90 吃太多细糠了
    ShiBuYi
    ShiBuYi
    1 day 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
    1 day 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
    1 day 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
    32
    我感觉是在造神,鼓励大家都用 seedance 创造。。
    nuo7mi7
    nuo7mi7
    1 day ago
    33
    @naver1 #14 “给我开”,“给我破”
    cnmlgbd
    cnmlgbd
    1 day ago
    34
    看了几集,感觉剧情太啰嗦了,看不下去了
    erwin985211
    erwin985211
    1 day 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
    1 day 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
    HeyVincent
    HeyVincent
    1 day ago
    37
    我看 AI 漫剧都是为了看个故事,也是为了养眼,放空脑子去看,纯粹是为了用来放松自己,不去计较太多。现在对真人短剧是完全看不下去了,就算是以前觉得优秀的真人短剧,现在回头再看都看不下去。
    ajyz
    ajyz
    1 day ago
    38
    我记得一开始就看了一季,忘了后来怎么弃了,最近各种推,又看了眼,这才想起来,除了个人不喜欢群体性穿越的设定外,实在不能接受土话当正片的。现在有些剧总喜欢把四川话当个性一般的显摆(四川或成都有相关产业?),偶尔一两句调剂下也就算了,整个人设都是土话,那还要普通话干嘛,怎么不把 NPC 也矫正了,都说地方话好了
    WuOtto
    WuOtto
    1 day ago
    39
    受不了,我想我还是适合看小说
    ajyz
    ajyz
    1 day ago
    40
    @chuan0144 “xiaozhun”这种错误读法现在可是有官方背书了,某些官员讲话还特意“纠正”了这么读的,因为某领导之前一直这么发音。所以国内现在各种敏感词+上行下效的作风,某些方面真的是毒瘤
    zhaol
    zhaol
    23h 55m ago
    41
    破门而入, 真的把门踹破了😂
    ZettarYuFan
    ZettarYuFan
    23h 12m ago
    42
    配音是 seedance 问题,很多都是给音色一起生成,但 seedance 有些字就是会读错,我是业内的
    root01
    root01
    19h 34m ago
    43
    人物形象太似真人,我选择不看 emm
    yangwa
    yangwa
    8h 26m ago
    44
    第一季打仗不错,后面就有点拖沓了,剧情慢,也没有爽点
    EriczzZ
    EriczzZ
    8h 22m ago
    45
    持械入宋读音问题严重的一笔,各种读错,不看字幕完全不知道在说什么,而且那么多季了一直不改
    sbboy
    sbboy
    7h 39m ago
    46
    看到一个把根号 2 读作对 2 的,喷了,跟姜萍一桌了
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   4082 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 204ms · UTC 09:24 · PVG 17:24 · LAX 01:24 · JFK 04:24
    ♥ Do have faith in what you're doing.