IMAX 聯手 Camb.ai：用 AI 語音模型為原創紀錄片搞定多語言配音

想把一部好萊塢級的大片或者自然紀錄片推到全世界，最大的攔路虎往往不是放映裝置，而是配音和字幕翻譯的工期與天價成本。

以超大銀幕聞名的 IMAX，現在打算把這個難題交給 AI。週一，IMAX 宣佈與迪拜初創公司 Camb.ai 達成合作，將利用後者的語音模型對其原創內容進行多語言翻譯與 AI 配音，首批內容包含紀錄片等原創作品。

不蹭全網資料的專用小模型

Camb.ai 這家 50 人的團隊來頭很有意思。聯合創始人兼 CTO Akshat Prakash 曾是蘋果 Siri 團隊的演算法工程師，去年他和父親共同創立了這家公司。父子倆都在印度長大，相差三十歲，卻在不同時代遇到了完全相同的語言隔閡。

與追求千億引數、什麼都能幹的通用大模型不同，Camb.ai 走了一條很窄的路線。Prakash 表示，像 OpenAI 和 Anthropic 做的是覆蓋面極寬的通用架構，而 Camb.ai 部分核心模型的引數量甚至不到 1 億，走的是極度垂直的專精路線。

更有意思的是版權做法。在大模型因爬取公開網頁頻頻惹上官司的當下，Camb.ai 明確拒絕從網際網路刮取資料。它的基礎模型有 70% 的預訓練資料來自商業授權的學術資料集，剩下 30% 則來自早期合作伙伴落地業務中的微調資料。

在技術架構上，Camb.ai 採用三層結構。底層的 Boli 模型負責把輸入的語音標記直接翻譯成目標語言文本並保留語調細節；接著 Mars 模型利用同樣的原始音訊訊號進行聲音克隆，不僅重現說話者的語氣，還能保留背景歡呼、環境底噪等環境音。

這套系統已經在高壓力的體育直播中練過兵。它此前為澳大利亞網球公開賽、歐洲歌唱大賽體育頻道以及美職聯提供過服務，能做到 10 種語言同時輸出，延遲在 20 到 30 秒之間，正好能被轉播流自帶的緩衝延遲抹平。

為什麼重要

對 IMAX 來說，做這套佈局的核心驅動力是觀眾習慣變了。普華永道資料顯示，全球娛樂與媒體產業去年規模達到 2.8 萬億美元，未來五年將穩步增長到 3.4 萬億美元。哪怕是在英美澳加這類傳統英語國家，非英語內容的需求也在狂飆，例如 Netflix 過去三年在英國的非英語內容播放量直接暴漲了 90%。

IMAX 原創紀錄片製作精良，但過去受限於譯製成本，很多小語種市場根本鋪不開。IMAX 全球總裁 Mark Welton 雖未透露具體財務數字，但明確表示 AI 會顯著削減翻譯支出。我們認為，IMAX 的聰明之處在於先從高資源主流語言切入，經過內測再分步推開，既能快速吃下大市場紅利，又降低了翻車風險。

對影視與本地化行業來說，Camb.ai 的落地給整個 AI 商業化打了個樣。它證明了小體量、免受版權爭議困擾的專用模型，在嚴苛的商業場景下完全能抗衡通用大模型。影視製作方最在意的就是版權合規與原片聲音質感，純淨的資料來源加上環境音保留能力，正好擊中了傳統片方的痛點。

不過，挑戰依然擺在眼前。體育賽事的解說翻譯容錯率相對較高，但紀錄片更考驗敘事節奏、文學美感與專業詞彙。AI 生成的聲音能否扛住 IMAX 影院那種震撼級音響系統的考驗，觀眾挑剔的耳朵很快就會給出答案。