Spotify 计划加码 AI：不仅要做播客总结，还要帮广告主批量造音频广告

如果你平时用流媒体听播客，大概率遇到过这种纠结：面对动辄一两个小时的节目，光看标题根本不知道在聊什么，只能硬着头皮滑走。对于 Spotify 来说，这种困扰背后其实是一门没被榨干的生意。

在最新的第二季度财报电话会上，Spotify 首席执行官 Daniel Ek 透露了平台接下来要引入的几个生成式 AI 方向：做播客摘要、在整个平台扩展个性化内容串联，以及让广告主用 AI 批量生成音频广告。

播客摘要与千人千面的音频广告

今年早些时候，Spotify 推出了 AI DJ 功能，除了根据偏好推荐歌曲，还能用逼真的合成语音在切歌间隙插播几句背景介绍。Daniel Ek 明确表示，DJ 只是个开始，接下来类似的技术会铺满整个平台。

其中最直观的场景是播客。Daniel Ek 认为，播客内容往往门槛较高，用户很难轻易尝试新节目，通过 AI 自动生成内容摘要，能让用户更快了解一期节目到底讲了什么。这不仅能帮播客主更容易推介自己的作品，也能直接拉高用户的收听时长和参与度。

另一个更大的动作在商业广告端。Daniel Ek 提到，利用生成式 AI，广告主制作新音频广告的成本将大幅下降。

过去广告主做一条音频广告需要录音、配音演员和后期剪辑，成本高昂，所以往往只有一两个版本。Daniel Ek 表示，借助 AI 工具，广告主可以一口气生成数千个不同版本的音频广告，在 Spotify 平台里像做搜索文字广告那样做大规模 A/B 测试，而这在过去的音频和视频领域几乎是不可能的。

会说反话、会耳语的语音专利

除了 CEO 口头画的蓝图，Spotify 真正的技术储备也正在浮出水面。就在 7 月 20 日，Spotify 一项在 2 月提交的「文本转语音合成」专利正式公开。

这项技术不仅仅是把字读出来，而是能把文字转化成带有情绪和意图的人声。专利显示，该系统可以表达愤怒、快乐或悲伤等情绪，甚至能传达「讽刺」这种复杂的意图，同时还支持耳语、大喊以及各种口音的切换。

去年 Spotify 收购了伦敦的语音初创公司 Sonantic，今年早些时候上线的 AI DJ 正是基于这项收购的技术。新专利意味着 Spotify 并不想只让 AI 在歌与歌之间念两句词，未来完全可以用这项技术去自然朗读有声书，这也直接对标了苹果年初在 Apple Books 上推出的 AI 有声书朗读功能。

技术野心的背后，是 Spotify 迫切的盈利压力。财报显示，Spotify 全球月活用户已达 5.51 亿，付费订阅用户达到 2.2 亿，同比增长 17%；季度营收约 32 亿欧元，同比增长 11%，但当季营业亏损依然高达 2.47 亿欧元。就在财报发布的前一天，Spotify 刚刚宣布上调全球多个市场的会员价格，美区个人会员月费从 9.99 美元涨到了 10.99 美元。

为什么重要

对普通听众来说，播客摘要能直接解决「找节目难」的痛点，未来的有声书听感也会比传统机械朗读自然得多。但硬币的另一面是，你接下来可能会在免费版里听到成千上万条针对你的情绪、收听场景高度定制的 AI 音频广告，甚至很难立刻分辨出那是真人主播还是算法在推销。

从行业角度看，Spotify 并没有盲目去碰音乐生成这种容易惹怒唱片公司的雷区，而是把生成式 AI 当成了效率和变现工具。我们认为这一步走得相当聪明。流媒体音乐的版权成本极高，单靠会员涨一两块钱很难扭转亏损，但如果能把音频广告的制作门槛打平到文字广告的水准，音频营销的盘子就会被彻底做大，也会倒逼 Apple Music 等对手加速跟进音频智能化的基础设施。

不过隐患依然存在。带有情绪和讽刺口吻的 AI 人声如果大量投放到广告或内容解说中，很容易跨过真实与虚假的边界，如何在提升点击率的同时不引起用户的反感，看起来是 Spotify 接下来要面临的新考验。