配音是一个有利可图的市场，经核实的市场研究公司预测，到2027年，仅电影配音服务每年就能产生36亿美元。但这也是一个费力和昂贵的过程。平均而言，5分钟的旁白可能需要一个小时的录音室时间；一个计算器显示，即使是一个简单的视频，价格也是每分钟75美元。
人工智能在这一领域的前景，特别是自然语言处理，正在通过创建多语言的人类声音的配音来加速这一任务。一家追求这一目标的英国初创公司Papercup声称其技术正被媒体巨头Sky News、Discovery和Business Insider采用，并被用来翻译Bob Ross的标志性节目《绘画的乐趣》的30季。
首席执行官Jesse Shemen估计，在过去12个月中，有超过3亿人观看了Papercup翻译的视频。
"对本地化和翻译的需求与满足需求的能力之间存在严重的不匹配，"Shemen说。"像[Netflix的]'鱿鱼游戏'这样的节目验证了这样一个论点：如果内容具有娱乐性和趣味性，人们会在任何地方、用任何语言观看这些内容。这就是为什么该行业的发展前景如此之好。"
Papercup今天宣布，它在A轮融资中筹集了2000万美元，由Octopus Ventures领导，Local Globe、Sands Capital、Sky和Guardian Media Ventures、Entrepreneur First和BDMI参与。Shemen通过电子邮件告诉TechCrunch，这使得这家总部位于伦敦的公司迄今为止的融资总额达到约3050万美元，其中大部分将用于围绕具有表现力的人工智能生成的声音的研究，以及扩大Papercup对外语的支持。
Papercup由Shemen和Jiameng Gao于2017年创立，提供了一个由人工智能驱动的配音解决方案，可以识别目标电影或节目中的人类声音，并生成新语言的配音。视频内容制作者上传他们的视频，指定一种语言，等待Papercup的母语团队对音频进行质量检查，然后收到带有合成配音的翻译。
Shemen声称，Papercup的平台能够以人工方法无法比拟的规模和速度生成配音。除了为客户创建的定制翻译外，Papercup还提供具有 "现实 "音调和情感的声音目录。据Shemen说，除了电影和电视外，其中许多已被用于内部沟通、企业公告和教育材料。
"我们的'人在回路'方法意味着人类译员提供质量控制并保证准确性，但需要的亲力亲为比他们提供整个翻译要少得多，这意味着他们可以更快地工作并跨越更多的翻译，"谢门说。"人们在大流行期间观看了更多的视频内容，这大大增加了对我们服务的需求。"
人工智能生成的 "合成媒体 "的市场正在增长。包括Synthesia、Respeecher、Resemble AI和Deepdub在内的专注于视频和语音的公司已经为节目和电影推出了AI配音工具。在初创公司之外，Nvidia一直在开发改变视频的技术，该技术以演员的面部表情为基础，与新的语言相匹配。
但可能会有弊端。正如*《华盛顿邮报》的*Steven Zeitchik所指出的，不注意细节的人工智能配音内容可能会失去其 "本地风味"。 一种语言的表情在另一种语言中可能意味着同样的事情。此外，人工智能配音带来了伦理问题，比如是否要重现一个已经去世的人的声音。
同样模糊不清的还有从工作演员的表演中产生的声音的影响。华尔街日报》报道说，不止一家公司试图在私人演示中复制摩根-弗里曼的声音，而且电影公司越来越多地在合同中加入条款，寻求在 "必要时 "使用合成声音来代替表演者--例如在后期制作中调整对话的台词。
Shemen将Papercup定位为一个大体上中立的平台，尽管它对其平台的使用进行监控，以防止潜在的滥用（如制造深度假唱）。谢门透露，正在为新闻和体育赛事等内容进行实时翻译，以及更细化地控制和完善其人工智能生成的声音的表现力的能力。
"[配音]的价值是显而易见的：人们在观看非自己语言的短视频时，能保留41%的信息--当有字幕时，他们能保留50%，当通过Papercup配音时，他们能保留70%。这比单纯的字幕提高了40%，"Shemen说，"通过真正有感情的跨语言人工智能配音，Papercup可以处理所有形式的内容，使视频和音频对每个人来说都更容易获得和享受。"
Papercup目前在伦敦有38名员工，翻译网络遍布三大洲。该公司预计，到今年年底，这一数字将翻一番。
