Spotify 被曝研发 AI 口播广告：克隆主播声音，不用本人录音

播客里最值钱的向来是主播口播广告，因为听着像朋友真诚安利，转化率比硬广高得多。但要是以后主播根本没张嘴，全是 AI 替他念的呢？

根据 Semafor 最先报道，The Ringer 创始人 Bill Simmons 最近在自己的播客里说漏了嘴。他透露 Spotify 正在研发一项新技术，能直接用主播的声音生成口播广告，主播本人甚至不用亲自看一眼文案，也不用进录音室。

Simmons 在 2020 年把 The Ringer 卖给了 Spotify。他在节目里先打预防针说「我觉得 Spotify 应该不会怪我爆料」，随后表示，主播只要授权自己的声音，就能解锁巨大的广告新玩法。比如主播的声音可以用在不同城市的定向广告里，甚至能直接用外语向海外听众卖货。

官方打太极，但底牌早就亮了

面对媒体求证，Spotify 既没承认也没否认。官方发言人表示广告是一个有趣的探索方向，目前没有任何可以宣布的，但顺带提了一句：过去一个月里，平台上讨论 AI 的播客单集数量暴增了 500%。

这种含糊其辞在业内看来基本就是默认。事实上，Spotify 手里早就攒足了做声音克隆的筹码。

它在 2022 年收购了语音合成初创公司 Sonantic，结合 OpenAI 的大模型能力，已经在应用里推出了 AI DJ。当时担任声源的 Spotify 高管 Xavier Jernigan 在录音棚里录制了大量包含呼吸、停顿、不同语气的内容，甚至保留了他习惯用的黑话口头禅。

目前 Spotify 内部有数百人的团队专门研究个性化推荐与机器学习。既然能用技术克隆出能聊天的 AI DJ，把这套流程标准化、拿现成的播客音频训练主播声音，在技术上完全顺理成章。

为什么重要

我们认为，Spotify 想做的事，本质上是在给播客行业最贵、也最难规模化的资产加杠杆。

主播亲口念的广告效果最好，但它天生有产能瓶颈：主播不可能为一个只在西雅图卖票的音乐会单独录一条广告，更不可能为了全球听众去录八门外语。如果用 AI 把声音解绑，广告主就能按听众所在的城市、语言做精细化投放，主播躺着就能分到更多广告费。

但这里的隐患也非常明显。口播广告之所以转化率高，核心在于听众对主播的个人信任。一旦听众发现主播连推荐的产品见都没见过，背书全靠算法合成，这种信任感很快会被消耗殆尽。早年 Google Duplex 替人打电话订餐就因为没说明是机器而挨批，Spotify 如果不在广告里打上极其醒目的 AI 标识，翻车的风险很大。

对整个音频流媒体行业来说，Spotify 正在试图拉开与苹果等对手的商业化差距。如果这项技术跑通，播客将从传统的手工作坊式接单，彻底转向自动化程序化广告时代。