IMAX 联手 Camb.ai：用 AI 语音模型为原创纪录片搞定多语言配音

想把一部好莱坞级的大片或者自然纪录片推到全世界，最大的拦路虎往往不是放映设备，而是配音和字幕翻译的工期与天价成本。

以超大银幕闻名的 IMAX，现在打算把这个难题交给 AI。周一，IMAX 宣布与迪拜初创公司 Camb.ai 达成合作，将利用后者的语音模型对其原创内容进行多语言翻译与 AI 配音，首批内容包含纪录片等原创作品。

不蹭全网数据的专用小模型

Camb.ai 这家 50 人的团队来头很有意思。联合创始人兼 CTO Akshat Prakash 曾是苹果 Siri 团队的算法工程师，去年他和父亲共同创立了这家公司。父子俩都在印度长大，相差三十岁，却在不同时代遇到了完全相同的语言隔阂。

与追求千亿参数、什么都能干的通用大模型不同，Camb.ai 走了一条很窄的路线。Prakash 表示，像 OpenAI 和 Anthropic 做的是覆盖面极宽的通用架构，而 Camb.ai 部分核心模型的参数量甚至不到 1 亿，走的是极度垂直的专精路线。

更有意思的是版权做法。在大模型因爬取公开网页频频惹上官司的当下，Camb.ai 明确拒绝从互联网刮取数据。它的基础模型有 70% 的预训练数据来自商业授权的学术数据集，剩下 30% 则来自早期合作伙伴落地业务中的微调数据。

在技术架构上，Camb.ai 采用三层结构。底层的 Boli 模型负责把输入的语音标记直接翻译成目标语言文本并保留语调细节；接着 Mars 模型利用同样的原始音频信号进行声音克隆，不仅重现说话者的语气，还能保留背景欢呼、环境底噪等环境音。

这套系统已经在高压力的体育直播中练过兵。它此前为澳大利亚网球公开赛、欧洲歌唱大赛体育频道以及美职联提供过服务，能做到 10 种语言同时输出，延迟在 20 到 30 秒之间，正好能被转播流自带的缓冲延迟抹平。

为什么重要

对 IMAX 来说，做这套布局的核心驱动力是观众习惯变了。普华永道数据显示，全球娱乐与媒体产业去年规模达到 2.8 万亿美元，未来五年将稳步增长到 3.4 万亿美元。哪怕是在英美澳加这类传统英语国家，非英语内容的需求也在狂飙，例如 Netflix 过去三年在英国的非英语内容播放量直接暴涨了 90%。

IMAX 原创纪录片制作精良，但过去受限于译制成本，很多小语种市场根本铺不开。IMAX 全球总裁 Mark Welton 虽未透露具体财务数字，但明确表示 AI 会显著削减翻译支出。我们认为，IMAX 的聪明之处在于先从高资源主流语言切入，经过内测再分步推开，既能快速吃下大市场红利，又降低了翻车风险。

对影视与本地化行业来说，Camb.ai 的落地给整个 AI 商业化打了个样。它证明了小体量、免受版权争议困扰的专用模型，在严苛的商业场景下完全能抗衡通用大模型。影视制作方最在意的就是版权合规与原片声音质感，纯净的数据来源加上环境音保留能力，正好击中了传统片方的痛点。

不过，挑战依然摆在眼前。体育赛事的解说翻译容错率相对较高，但纪录片更考验叙事节奏、文学美感与专业词汇。AI 生成的声音能否扛住 IMAX 影院那种震撼级音响系统的考验，观众挑剔的耳朵很快就会给出答案。