電台一直都在自動化某些環節。歌單、voice tracking、聯播節目與台呼，早就把真人現場的力氣從一個班次裡抽掉。這波 AI DJ 報導中真正新的地方，是主持人本身。據報導，一檔由 AI DJ 與真人主持人共同主持的電台節目正在洛杉磯及其他城市擴張，電台從業人員則擔心合成主持人會取代他們。如果你主要是以聽眾身分接觸這則新聞，真正有用的問題比「AI 會不會接管電台」窄得多：合成主持人現在能做什麼、為什麼難以察覺，以及這波變化對麥克風後面的人代表什麼。

01AI 電台主持人現在實際上能做什麼

AI DJ 不是待在錄音室裡的機器，而是兩套軟件合作：一套語言模型負責寫口播，一套文字轉語音負責演出。周圍則是電台的排程系統，決定這段口播何時出現、前後接哪首歌。

實際上，這套組合可以：

• 依提示寫出一段短口播，例如報時、天氣或介紹歌曲；
• 在提供範例後，模仿電台的調性——活潑、沉穩或帶點冷幽默；
• 為同一段口播產生數十種說法，避免逐字重複；
• 用聽起來像專業主持人的聲音唸出來；
• 路況或天氣一變，立刻重新生成。

它不會自己注意的是脈絡。真人主持人聽得到警笛、看得到突發新聞，也知道在地球隊剛輸球。模型只能寫出提示與資料暗示的內容，這也是為什麼電台會讓它與真人搭配，或至少讓真人在一旁待命。

「AI DJ」是一個職稱，不是單一產品

兩家電台用同一個詞，可能指完全不同的東西：全合成的深夜班、用聲音複製真人唸人寫的稿，或只是幫主持人草擬稿件的寫手助理。看到標題就先問是哪一種，再決定怎麼反應。

02為什麼聽眾常常聽不出來

電台口播是語言模型最容易模仿的格式之一，因為它簡短、公式化又寬容。一段典型口播只有十五到三十秒，講幾件熟悉的事。它不需要深刻，只要清楚、溫暖就好。

這種格式很會掩蓋錯誤。真人主持人出錯時用玩笑帶過；合成主持人說得有點不對，可以在播出前修掉，因為根本不是直播。聽眾聽到的是打磨過的成品，不是草稿。

聲音是另一半。現代文字轉語音能處理節奏、輕重，以及過去會露餡的細微停頓。它反而卡在另一個問題：聽起來太乾淨。真人會換氣、會對自己的台詞笑出來、會被打斷。一段對任何事都沒反應的合成口播不是明顯造假，只是異常整齊。

破綻通常在格式，不在聲音

與其聽音色，不如找模式：每天同一時間出現一模一樣的說法、完全忽略在地事件的段落，以及從不回應前一首歌的開場，這些訊號比任何腔調或雜訊都更可靠。

03哪些電台工作最先感受到壓力

這些報導把它寫成一則勞工故事，而壓力並非平均分布。一個班次裡事先寫好、會重複的段落，就是最先被自動化的部分。

這個模式在其他產業也見過：自動化先落在離散、可重複的任務上，才會碰整個職位。電台可能保留晨間團隊，把深夜時段自動化；或讓主持人 voice track 一個班次，再由機器補上。

04如何判斷網上的是人還是機器

聽眾與監理機關都沒有可靠的合成語音檢測法，因此實務上的做法是透明度。願意標示 AI 生成段落的電台，把選擇權交給你；刻意隱藏的電台則沒有。

如果你想自己判斷，方法更接近閱讀而不是聆聽。把你聽到的內容和節目公布的播出表或中介資料對照。自動化節目通常由一份結構化檔案驅動，欄位往往會透露哪些是真人、哪些是生成。

以下是一份簡化的播出表，可能是這類檔案的長相：

{
  "show": "Morning Drive",
  "segments": [
    { "start": "07:40", "type": "host_break", "host": "human", "topic": "weather" },
    { "start": "07:42", "type": "track_intro", "host": "ai", "voice": "en-US-radio-2" },
    { "start": "07:55", "type": "interview", "host": "human" }
  ]
}

你也可以把真人寫的口播和合成草稿並排比對，看看用字其實差多少。輸入——同一個 link 的兩個版本：

真人："現在是週二早上 7 點 42 分，101 號公路車多，請多留點時間。接下來這首 2019 年的歌，現在聽還是很讚。"
AI 草稿："現在是早上 7 點 42 分，101 號公路車流壅塞，請預留額外行車時間。接下來是 2019 年的作品，依然耐聽。"

輸出——使用上方工具產生的逐行差異：

-真人："現在是週二早上 7 點 42 分，101 號公路車多，請多留點時間。
+AI 草稿："現在是早上 7 點 42 分，101 號公路車流壅塞，請預留額外行車時間。
 接下來這首 2019 年的歌，現在聽還是很讚。"

差異很小，而這正是重點：合成主持人的價值不在寫得更好，而在隨時快速、便宜地產出一段堪用的口播。

05「AI 取代」實際上通常長什麼樣

AI 報導常在「什麼都不變」與「所有人都被取代」之間跳來跳去。共同主持電台的報導指向的，是更混亂的中間狀態：工作被逐步重新分配。

有三種模式反覆出現：

• 先自動化任務，再自動化職位。 電台仍僱用主持人，但不再為每一個 voice track 的時段付費。
• 共同主持是過渡。 合成聲音填補時段，把需要判斷的部分交給真人。這正是報導描述的安排。
• 幕後多了新工作。 有人得寫提示、改腳本、維護聲音模型，並確認它不會說出尷尬的話。這些工作確實存在，但和坐在麥克風前是兩回事。

流暢不等於正確

合成主持人可以用十足把握講錯路況，或講出根本不存在的事件。風險不在它聽起來像機器人，而在它聽起來很權威，內容卻未經查證——尤其在播出前沒有真人把關的時候。

這算不算取代，取決於你重視什麼。一家電台若維持相同的地方職位數，只把宣傳自動化，那是工作內容變了；若砍掉深夜主持人、用軟件填補整個班次，那就是少了一個職位。

06聽眾該怎麼看待 AI 媒體

你不需要對「AI 該不該上電台」有強烈立場，但你需要足夠的訊號來判斷自己聽到了什麼。

面對任何使用合成主持人的電台，有三個問題值得問：

1. 有揭露嗎？ 標示、說明頁面，或主持人自己提起，都能讓你知情。
2. 有真人負責嗎？ 應該有人為播出的內容負責，新聞與緊急資訊尤其如此。
3. 那些人怎麼了？ 自動化可以讓電台有餘力做更多地方內容，也可能單純縮減人力。報導顯示從業人員預期的是後者，這也是為什麼這則新聞既是科技故事，也是勞工故事。

電台不會一夜之間交給機器，而是被一段一段重新排列，受影響最深的，正是原本工作最制式化的人。身為聽眾，誠實的態度既不是抗拒改變，也不是視而不見，而是察覺它——並期待這樣做的電台願意說出來。