“说话不就是再平常不过的事情嘛？”特雷弗·考克斯（Trevor Cox）说，“我们将聊天视为理所当然，但在生活中，它扮演的角色是如此重要，又是如此复杂。”
考克斯是英国索尔福德大学的声学工程教授，是一名声学专家，著有《这才像话：从尼安德特人到人工智能——人类对话的故事》（Now You’re Talking: Human Conversational from Neanderthals to Artificial Intelligence）。
美国科技媒体The Verge围绕人类语音、人工智能和耐人寻味的“心声”等话题采访了考克斯，访谈内容如下：
首先，您能否谈谈人类语言的进化？按您书中所述，我们至今都不清楚人类语言究竟何时产生，以及它是如何产生的。考克斯：对于口头语言是如何出现的，我们并不确知。目前的争论焦点在于：
智人是唯一能说话的人类吗？
还是说，尼安德特人也会说话？
证据日益表明，曾经的尼安德特人也会说话。
考克斯
我认为尼安德特人很有可能是会说话的，而我估计，语言或许滥觞于50万年前。
有研究人员在寻找关键事件——是什么触发了语言的产生——而最重要的触发点似乎就是人脑的扩容。这也可能跟语言无关，可能是为控制手部活动，结果促进了智力的发展，成为语言诞生的契机。我们的灵长类祖先只会啼叫、呼啸，我们本来可能也是这样。
人声有何特殊之处？又有什么欠缺？考克斯：当然，一些动物，比如鸟类，就有一些相当特别的本领。
人类区别于跟我们亲缘最近的灵长类之处在于，人脑可以进行十分复杂的控制。人脑很擅长控制讲话需要动用的百来条肌肉。我们的语速可以快得惊人，而这都来自对这些肌肉的控制。这一方面是因为人脑的改进，另一方面也有生理原因。人类喉咙相对较低，使舌头得到解放，从而能在不同的音之间，实现快速转换。
您谈到过声音的保养。这可以用手术实现，但有没有非侵入性的选项？考克斯：人声有一个特点：衰老得很慢。我刚过50岁，头发都发白了，但声音跟年轻时差别不大。我想，关键就是要不停地讲话。
真的，只要不大喊大叫，你的声音相当强健。它牵涉到很多肌肉，还有脑部连接这些肌肉的神经，它需要保持运转——常用常新。这跟去健身房举铁是一个道理。
加入合唱团就是不错的主意，不但能锻炼发声系统，还能避免因为年纪大了，跟人聊天少了，而变得很孤立。
您的书中，有一部分篇幅是探讨“心声”的。能深入谈谈这个吗？
考克斯：心声是很神奇的，它跟随我们一生，但很少被我们关注。
我就了解到这样一个有趣的项目：研究人员找到一批作家，探讨他们在创作时，对人声的使用情况。作家们表示，他们的感觉就像“偷听”作品中人物的对话，找到他们的“声音”，才能将对话写出来。因此，这并不是简单的听写。你得先在脑海之中，听到人物的声音，这可不简单——仿佛你在述说自己的想法，但有时候，那个人又不尽是你。
您参与了一个项目，主题是话剧、电视和电影的台词清晰度问题。为什么会出现这类问题？考克斯：近120年间，表演与演唱的风格变了。人们不再追求字正腔圆。一旦抛弃表演腔，你就可以表演轻声细语，以及不同的口音。这解放了演员，但也让对白无法听清或听懂。所以，现在的表演更自然了，但对白却更难听清。
大多数日常对话中，你都会有一些听不清楚的字词。但看电视听不清某些对白就会很难受。我所参与的，就是一些电视剧的混音。
人工智能会如何改变人声，以及改变我们跟技术交互的方式？考克斯：你一旦赋予技术一种声音，它似乎就有了自己的形象。
我想，我们看待计算机的方式会因此改变。它似乎有了自己的性格。我们会像对待人类一样对待它们。我们不会将计算机视为呆头呆脑的奴隶。或许，它们会更像是宠物。
人工语音正在不断改进，也会日益被作为诈骗工具。一些电话听上去像是人类打来的，但其实是计算机所为。
比如那些钓鱼诈骗，你朋友打电话来说：“我在乡下迷路了，你能帮帮我吗？”如果这是一条电话留言，就会显得相当可信。它肯定会出现诈骗用途，被用来骗取钱财。日后，这方面的后果会有很多。
翻译：雁行
编辑：李莉
来源：The Verge
造就：剧院式演讲，发现创造力更多精彩内容，敬请点击蓝字“了解更多”。
,
