Spotify 計劃加碼 AI：不僅要做播客總結，還要幫廣告主批次造音訊廣告

如果你平時用流媒體聽播客，大機率遇到過這種糾結：面對動輒一兩個小時的節目，光看標題根本不知道在聊什麼，只能硬著頭皮滑走。對於 Spotify 來說，這種困擾背後其實是一門沒被榨乾的生意。

在最新的第二季度財報電話會上，Spotify 執行長 Daniel Ek 透露了平臺接下來要引入的幾個生成式 AI 方向：做播客摘要、在整個平臺擴充套件個性化內容串聯，以及讓廣告主用 AI 批次生成音訊廣告。

播客摘要與千人千面的音訊廣告

今年早些時候，Spotify 推出了 AI DJ 功能，除了根據偏好推薦歌曲，還能用逼真的合成語音在切歌間隙插播幾句背景介紹。Daniel Ek 明確表示，DJ 只是個開始，接下來類似的技術會鋪滿整個平臺。

其中最直觀的場景是播客。Daniel Ek 認為，播客內容往往門檻較高，使用者很難輕易嘗試新節目，通過 AI 自動生成內容摘要，能讓使用者更快了解一期節目到底講了什麼。這不僅能幫播客主更容易推介自己的作品，也能直接拉高使用者的收聽時長和參與度。

另一個更大的動作在商業廣告端。Daniel Ek 提到，利用生成式 AI，廣告主製作新音訊廣告的成本將大幅下降。

過去廣告主做一條音訊廣告需要錄音、配音演員和後期剪輯，成本高昂，所以往往只有一兩個版本。Daniel Ek 表示，藉助 AI 工具，廣告主可以一口氣生成數千個不同版本的音訊廣告，在 Spotify 平臺裡像做搜尋文字廣告那樣做大規模 A/B 測試，而這在過去的音訊和影片領域幾乎是不可能的。

會說反話、會耳語的語音專利

除了 CEO 口頭畫的藍圖，Spotify 真正的技術儲備也正在浮出水面。就在 7 月 20 日，Spotify 一項在 2 月提交的「文本轉語音合成」專利正式公開。

這項技術不僅僅是把字讀出來，而是能把文字轉化成帶有情緒和意圖的人聲。專利顯示，該系統可以表達憤怒、快樂或悲傷等情緒，甚至能傳達「諷刺」這種複雜的意圖，同時還支援耳語、大喊以及各種口音的切換。

去年 Spotify 收購了倫敦的語音初創公司 Sonantic，今年早些時候上線的 AI DJ 正是基於這項收購的技術。新專利意味著 Spotify 並不想只讓 AI 在歌與歌之間念兩句詞，未來完全可以用這項技術去自然朗讀有聲書，這也直接對標了蘋果年初在 Apple Books 上推出的 AI 有聲書朗讀功能。

技術野心的背後，是 Spotify 迫切的盈利壓力。財報顯示，Spotify 全球月活使用者已達 5.51 億，付費訂閱使用者達到 2.2 億，同比增長 17%；季度營收約 32 億歐元，同比增長 11%，但當季營業虧損依然高達 2.47 億歐元。就在財報釋出的前一天，Spotify 剛剛宣佈上調全球多個市場的會員價格，美區個人會員月費從 9.99 美元漲到了 10.99 美元。

為什麼重要

對普通聽眾來說，播客摘要能直接解決「找節目難」的痛點，未來的有聲書聽感也會比傳統機械朗讀自然得多。但硬幣的另一面是，你接下來可能會在免費版裡聽到成千上萬條針對你的情緒、收聽場景高度定製的 AI 音訊廣告，甚至很難立刻分辨出那是真人主播還是演算法在推銷。

從行業角度看，Spotify 並沒有盲目去碰音樂生成這種容易惹怒唱片公司的雷區，而是把生成式 AI 當成了效率和變現工具。我們認為這一步走得相當聰明。流媒體音樂的版權成本極高，單靠會員漲一兩塊錢很難扭轉虧損，但如果能把音訊廣告的製作門檻打平到文字廣告的水準，音訊營銷的盤子就會被徹底做大，也會倒逼 Apple Music 等對手加速跟進音訊智慧化的基礎設施。

不過隱患依然存在。帶有情緒和諷刺口吻的 AI 人聲如果大量投放到廣告或內容解說中，很容易跨過真實與虛假的邊界，如何在提升點選率的同時不引起使用者的反感，看起來是 Spotify 接下來要面臨的新考驗。