第14课 声音的智能生成 教学课件-2025-2026学年人教版初中信息技术（人工智能专册）

该初中信息科技课件围绕声音的智能生成展开，涵盖合成波形、拼接字词、大模型生成三种方法，从生活中的智能声音实例导入，通过问题引导、分享交流及原理讲解，构建从现象感知到技术原理再到实践应用的学习支架。 其亮点在于设计丰富体验活动，如模拟波形参数调整、拼接朗读程序运行、在线大模型生成体验，结合声音辨别实验和AI音乐著作权讨论，培养学生信息意识与信息社会责任。通过案例分析技术双重效应，助力学生形成批判性思维，教师可借助这些活动提升教学互动性，促进学生数字化学习与创新能力发展。

第14课 声音的智能生成 第三单元 · 图像、声音与视频的智能生成 人工智能与智慧社会 1.7.2013 同学们好！欢迎来到今天的信息科技课。在开始今天的学习之前，我想问大家一个问题：你听过哪些由机器产生的声音？比如智能助手的回应、语音导航的提示。这些声音是如何产生的？今天，我们就将一起探索这个神奇的技术——声音的智能生成。 ‹#› 本课核心目标 知识与技能 • 认识声音生成的主要方法，包括合成波形生成声音、拼接字词生成语音、以及用大模型生成音乐等。 • 能够区分不同声音生成技术的特点和应用场景。 过程与方法 • 通过体验和对比，直观感受不同技术生成声音的效果差异。 • 学习分析技术应用案例，尝试思考技术背后的逻辑，培养批判性思维能力。 情感态度与价值观 • 知道人工智能生成声音可能带来的伦理、安全与著作权等方面的潜在问题。 • 树立正确的技术伦理观和个人信息安全意识。 1.7.2013 这节课我们有三个核心目标。首先，我们要认识几种主要的声音生成方法。其次，我们会通过动手体验，感受不同技术的效果差异。最后，也是非常重要的一点，我们会一起探讨这项技术可能带来的伦理和安全问题，树立正确的技术价值观。 ‹#› 课堂引入：我们身边的智能声音 思考一下：你听过哪些由机器产生的声音？ • 智能助手：Siri、小爱、天猫精灵的回应 • 语音导航：开车时听到的“前方路口左转” • 有声读物：APP朗读小说、新闻的声音 • 在线翻译：翻译软件读出的外语发音 • 游戏与影视：AI角色对话、虚拟配音 这些声音是如何产生的？ 它们并不是由真人实时录制的，而是由计算机通过特定算法与模型“创造”出来的。 今天，让我们一起探索——声音的智能生成 (TTS) 1.7.2013 大家看，从智能音箱到语音导航，再到有声读物，我们的生活已经被各种各样的智能声音包围。这些声音都不是真人实时录制的，而是由计算机创造出来的。这项神奇的技术，就是我们今天要学习的——声音的智能生成。 ‹#› 带着问题开始学习 机器生成的声音与人类声音有哪些区别？ • 听起来是一模一样，还是能被人耳明显分辨出来？ • 在情感表达、语气语调以及说话的流畅度上，AI 声音与真人有什么本质不同？ 使用人工智能生成声音有哪些潜在风险？ • 这项技术是只有便利和好处，还是也可能被不法分子滥用？ • 它会对个人身份认证、社会信任关系以及我们的日常生活产生什么深远影响？ 1.7.2013 在深入学习之前，让我们先思考两个核心问题。第一，机器生成的声音和人类声音有什么区别？我们能分辨出来吗？第二，这项强大的技术会不会带来一些风险？比如被坏人利用。带着这两个问题，让我们开始今天的探索之旅。 ‹#› 声音智能处理技术概览 什么是声音智能处理？ 指利用人工智能技术对声音信号进行采集、分析、处理、合成和理解的技术集合，旨在让机器具备感知和生成声音的能力，是连接人类与机器听觉交互的关键技术。 语音识别 让机器听懂人类的语言，实现语音到文字的转换。 语音合成(TTS) 让机器开口说话，将文本信息转化为自然流畅的语音。 语音指令控制 通过语音命令控制各类智能设备与系统，实现交互。 AI音乐生成 基于算法自动创作旋律、编曲，辅助音乐制作。 声音克隆 利用少量数据，精准模仿特定人的音色和说话风格。 环境音降噪 智能消除录音或通话中的背景噪音，还原纯净人声。 1.7.2013 声音智能处理是一个大家族，它包含很多技术。比如让机器听懂我们说话的“语音识别”，让机器开口说话的“语音合成”，还有让机器创作音乐的“音乐生成”等等。这些技术共同构成了一个庞大的应用领域，从智能助手到AI作曲，无处不在。 ‹#› 学习活动1：分享与交流 小组讨论 · Group Discussion 01. 分享经历：请分享一个你听过的、印象最深刻的机器生成声音的例子？ 02. 应用畅想：你认为利用这些声音可以完成哪些工作，或者改变我们的生活？ 03. 原理猜测：大胆猜测一下，机器是如何“智能”地模仿和生成这些声音的？ 教师引导 · Instructor Guide ✦ 鼓励分享： 营造轻松氛围，鼓励学生畅所欲言，分享各自在生活中听到AI声音的经历和直观感受。 ✦ 思维进阶： 引导大家从表层的“听到了什么”过渡到深层的“它是怎么做到的”，激发大家探究背后技术原理的兴趣。 1.7.2013 理论说完了，我们先来轻松一下。请大家以小组为单位，分享一个你听过的、印象最深刻的机器声音。然后一起讨论，你觉得这些声音能帮我们做什么？以及，你猜猜看，机器是怎么做到的？期待听到大家的奇思妙想！ ‹#› 核心概念：什么是声音生成？ 01 / 定义 生成声音是指通过技术手段模拟或合成新的音频信号，使机器能够“创造”出人类语音、音乐或其他类型的声音。 02 / 本质 声音生成的核心在于“从无到有”地创造声音，这与简单播放预先录制好的音频文件有本质区别。它是通过算法实时计算生成声波。 03 / 课堂小活动 🎧听一听：老师播放三段机器合成的声音（单调提示音、新闻播报、AI歌曲）。 🤔猜一猜：请大家感受并猜测这些声音是通过什么方式合成的？ 1.7.2013 现在，我们来正式定义一下什么是声音生成。简单来说，就是让机器“创造”出声音，而不是播放现成的录音。接下来，我会播放几段不同的声音，请大家仔细听，猜猜它们可能是用什么方法做出来的。 ‹#› 方法一：合成波形生成声音 原理 · PRINCIPLE • 声音的本质是振动，在物理上表现为声波。 • 计算机可通过数学函数（如正弦函数）模拟不同频率和振幅的声波。 • 将不同的函数波形进行组合，即可合成出各种复杂的声音。 特点 · FEATURES 技术基础：涉及数学（函数）和物理（声波）的跨学科知识。 效果：手动调整参数声音较机械单调，适合简单提示音或游戏音效。 AI赋能：借助AI让机器自动学习和调整波形，可生成更丰富、复杂的声音。 计算机通过组合不同波形来构建声音 1.7.2013 第一种方法，是最基础的方法：合成波形。声音的本质是声波，计算机可以用数学函数来模拟这些声波。就像这张图展示的，通过组合不同的波形，就能创造出声音。这种方法生成的声音通常比较机械，适合做一些简单的提示音。 ‹#› 方法二：拼接字词生成语音(TTS 基础) 核心原理 • 一种早期的文本转语音 (Text-to-Speech) 技术方案。 • 预先人工录制好每一个字或音节的发音片段。 • 朗读时，根据文本内容查找对应录音并进行机械拼接。 技术特点 👍 优点：逻辑简单直观，实现成本低，系统运算压力小。 👎 缺点：语音缺乏连贯感与语调变化，听感生硬，像独立的“字块”生硬连接。 示意图：像剪辑音频一样，把独立的声音片段拼在一起 1.7.2013 第二种方法，是早期的文本转语音技术，原理很简单：先把每个字的发音录下来，然后像搭积木一样把它们拼起来。就像这张音频剪辑图一样。但这种方法的缺点也很明显，听起来非常生硬，像一个字一个字往外蹦，很不自然。 ‹#› 方法三：大模型生成声音 01 / 核心原理 • 基于Transformer等深度神经网络架构，具备强大的模式学习能力。 • 模型在海量语音、歌唱、音乐等音频数据中学习，深度理解语言韵律、情感及发声逻辑。 • 端到端生成，输入文字即可直接输出流畅、富有情感且高度自然的语音或音乐。 02 / 显著特点 高度智能 生成效果极其逼真，在部分场景已达到以假乱真的水平。 丰富多样 支持模仿多种音色、方言口音，精准传达喜怒哀乐等不同情感。 场景广泛 有声书、AI客服、虚拟歌手、游戏配音等领域应用前景广阔。 AI 大模型神经网络示意 复杂的神经元网络连接，赋予模型强大的声音生成能力 1.7.2013 第三种方法，也是最先进的方法：大模型生成。它利用强大的AI模型，学习了海量的人类语音和音乐数据，能够直接生成非常流畅、自然、富有情感的声音。就像这张神经网络图展示的，它的内部结构非常复杂，效果也最接近真人。 ‹#› 学习活动2：体验声音生成的方法 任务：尝试以下三种方法，感受不同技术生成声音的差异。 01 模拟波形 📝 操作：启动《声音模拟》软件，调整参数，生成声音。 💡 感受：声音的单调与机械，听起来像电子噪音。 02 拼接朗读 📝 操作：运行 talk.py 程序，输入一段文字，听计算机朗读。 💡 感受：语音生硬，停顿不自然，像一个字一个字拼凑而成。 03 大模型生成 📝 操作：访问在线AI语音或音乐生成平台，输入内容生成声音。 💡 感受：声音流畅、自然、有情感，甚至难以分辨是人还是AI。 1.7.2013 理论学习结束，现在是实践时间！请大家按照任务要求，分别体验这三种声音生成方法。你会明显感受到，从方法一到方法三，声音的效果是如何一步步变得更加自然和智能的。这个过程，就是技术进步的体现。 ‹#› 技术应用与影响 推动声音生成向多样化、智能化发展 有声读物 快速将海量文字内容转化为高质量的音频，让阅读“听”得见，极大地拓展了阅读场景。 语音助手 模拟人声语气与情感，提供更自然、更具人性化的交互体验，拉近人与机器的距离。 游戏音效与影视配音 高效生成各类角色配音和环境背景音效，显著缩短制作周期，降低专业配音的制作成本。 音乐创作 成为作曲家的得力“灵感伙伴”，不仅能辅助旋律编排，甚至能独立生成完整且风格多元的音乐作品。 1.7.2013 声音生成技术的发展，极大地推动了各行各业的变革。它让阅读变得可以“听”，让语音助手变得更“懂你”，让游戏和电影的制作更高效，甚至还能帮助作曲家进行音乐创作。可以说，这项技术正在深刻地改变我们的生活。 ‹#› 声音生成的伦理与法规 技术是一把双刃剑 随着AI声音生成技术的高度仿真，其应用在带来便利的同时，也引发了一系列复杂的伦理与法律挑战。 身份伪造与诈骗 高度仿真的合成语音可能被不法分子用于冒充家人、领导进行电信诈骗，或伪造关键语音证据，造成严重的人身财产损失。 个人隐私与信息安全 声音克隆技术的滥用可能导致个人声纹隐私泄露。只需要几秒钟的音频样本，个人独特的声音特征就可能被非法采集和复制。 著作权归属争议 AI生成的音乐或语音作品的著作权归属目前尚无定论。作品是属于使用者、模型开发者，还是被认定为无主的公有领域作品？ 1.7.2013 然而，技术是一把双刃剑。当AI生成的声音越来越逼真时，风险也随之而来。比如，坏人可能用它来冒充你的家人进行诈骗，或者伪造你的声音。此外，AI生成的音乐版权归谁，也是一个法律难题。这些都是我们必须正视的问题。 ‹#› 学习活动3：辨别声音与讨论 01 声音辨别实验 • 操作：一位同学播放“辨别声音”音频，另一位同学闭眼倾听，尝试区分人声朗读与AI生成的声音。 💡 思考讨论：你能准确分辨吗？这说明了AI语音技术的什么特点？ 02 AI音乐著作权讨论 • 聆听：播放由人工智能生成的音乐片段。 小组话题：是否喜欢生成的歌曲？与人类创作有何不同？若下载、播放甚至发布这些AI生成的作品，是否构成侵权？ 人机声音大挑战 当机器学会了“说话”与“唱歌” 我们的耳朵还能“明察秋毫”吗？ 法律与伦理又该如何界定？ 1.7.2013 现在，我们来做一个有趣的实验。我会播放一段录音，请大家闭上眼睛听，看看谁能分辨出哪部分是人说的，哪部分是机器说的。这个实验会让我们直观地感受到AI技术的进步。之后，我们再一起讨论一下AI音乐的版权问题。 ‹#› 案例分析：技术的双重效应 —— 以“深度伪造语音”为例 技术赋能 · 温暖关怀 深度伪造技术可以在影视创作中还原已故演员的声音，保留珍贵的艺术遗产；也能为因疾病失去发声能力的障碍者重建个性化的“声音”，重获沟通的权利与尊严。 滥用风险 · 信任危机 若被不法分子利用，该技术极易被用于制造以假乱真的虚假新闻，加剧信息混乱；或制作逼真的仿冒语音实施精准电信诈骗，对个人财产安全和社会信任体系构成严重威胁。 💡 教师引导思考 通过本案例，我们不仅要看到技术本身的中立性，更要意识到“人”在技术应用中的关键作用。请思考：在拥抱技术便利的同时，我们该如何通过法律规范、伦理约束与个人素养，来平衡技术创新与社会安全？ 1.7.2013 我们来看一个具体的案例：深度伪造语音。这项技术可以用来做好事，比如在电影里让已故的演员“开口说话”，或者帮助失去声音的人重新发声。但它也可能被用来做坏事，比如制作假新闻，或者进行诈骗。这告诉我们，任何技术都有两面性，关键在于我们如何使用它。 ‹#› 拓展与提升：校园广播站的挑战 栏目目标 在校园广播站筹备“每日经典诵读”栏目，于每天清晨播放经典诗词朗读，让同学们在优美的诗意中开启活力满满的一天。 面临挑战 栏目需要长期稳定产出音频内容，但依靠人工录音既耗时又费力，难以保证每天按时按质完成，存在难以坚持的持续性难题。 解决方案 采纳老师的建议，引入并学习使用AI语音合成技术。通过技术手段自动生成高质量的诗词朗读音频，实现栏目内容的高效、稳定生产。 1.7.2013 现在，让我们来解决一个实际问题。假设你是校园广播站的成员，要做一个“每日经典诵读”栏目。但每天找人录音太麻烦了。老师建议用语音合成技术来解决。你会怎么做呢？ ‹#› 方案对比与选择 单字拼接 原理：逐个拼接字的录音 流畅度 / 自然度：低 / 低 情感表达：无 适用场景：简单提示音 分词组合 原理：按词语生成语音 流畅度 / 自然度：中 / 中 情感表达：较弱 适用场景：对自然度要求不高的播报 大模型生成 原理：AI模型直接生成语音 流畅度 / 自然度：高 / 高 情感表达：丰富细腻 适用场景：高质量有声读物、广播剧 最终决策：大模型生成 为了让“每日经典诵读”栏目更具感染力，我们选择它作为核心技术方案。因为它在流畅度、自然度和情感表达三个维度上表现最佳，能提供最接近真人的听感体验。 1.7.2013 面对这个挑战，我们有三种技术方案可以选择。通过对比，我们可以看到，单字拼接效果最差，只能满足简单提示音的需求；分词组合虽然比单字拼接好一些，但依然缺乏情感；而大模型生成效果最好，无论是流畅度还是情感表达，都最接近真人。 所以，为了让我们的“每日经典诵读”栏目更有感染力，更具吸引力，显然，大模型生成是我们的最佳选择。 ‹#› 总结与回顾 本课知识点回顾 01.我们了解了三种主要的声音生成方法：合成波形、拼接字词、大模型生成。 02.我们体验了不同技术生成声音的效果，直观感受到了语音合成技术多年来的巨大进步。 03.我们探讨了AI声音生成技术背后的深层议题，包括伦理道德、安全隐患和著作权归属问题。 核心思想 技术是中立的，人是关键 AI语音技术本身并无善恶，决定它带来的是社会福祉还是潜在风险的，在于使用它的人以及我们制定的规则。 做负责任的数字公民 作为未来的数字公民，不仅要掌握先进的数字技术，更要坚守伦理底线，学会负责任地使用技术，共同维护健康的数字生态。 1.7.2013 好了，同学们，我们来总结一下今天的课程。我们学习了三种声音生成方法，体验了技术的进步，也探讨了相关的伦理问题。最重要的是，我们要明白，技术本身没有好坏，关键在于使用它的人。希望大家都能成为负责任的数字公民，用技术创造美好的未来。 ‹#› 让我们一起 用技术创造美好的声音！ THANKS FOR WATCHING 1.7.2013 我的讲解到此结束，感谢大家的聆听。希望今天的课程能让大家对声音的智能生成有更深入的了解。让我们一起，用技术创造更多美好的声音！ ‹#› $