同视频相比，声音到底价值几何？

转载：本文嚟自微信公众号“腾云”（ID:tenyun700），作者：曾翔，转载经授权发布。

呢几年，不论国内海外，几乎每年都会冒出“播客复兴之年”嘅呐喊。重要嘅其实唔系问点解当下佢值得关注，而应该问，点解佢经常“复兴”、但又似乎从未真正繁荣？

关于声音嘅价值，从资本同产品嘅视角，好多年前便已有过“研判”。

例如，十年前，互联网女皇Mary Meeker在年度互联网趋势报告透露一条信息：除咗当时嘅互联网之外，仲有一类亟待价值修复嘅内容形态——Radio，即包括广播在内嘅音频内容。 

佢嘅依据是，当年广播依然占据住人哋16%嘅使用时长，但相较于图像、电视同互联网，广播嘅广告占比只有9%。

十年后，全球音乐巨头Spotify（众所周知，该公司在上年强势入局播客业务）嘅创始人Daniel Ek都发出‌一个著名嘅疑问： 

消费者在视频上花费嘅时间同在音频上花费嘅时间大致相同。但视频市场规模约为 1万亿美元，而音乐同广播业嘅总价值约为1000亿美元。 

所以，我哋眼睛嘅价值真嘅比耳朵高出十倍吗？ 

同样哋，围绕耳朵嘅生意在近年嚟都保持‌高速增长。即便是在困难嘅2020年，以Airpods为代表嘅真无线耳机嘅全球销量达到‌3亿台，同比增长230%，2020年全球智能音箱销量都达到‌创纪录嘅水平。

睇起嚟，耳朵嘅价值似乎正喺度被重构。但这系咪意味住“耳朵”要逆风反叛？以播客为代表嘅音频行业接下嚟又将走向何方？

我哋不妨先睇睇播客嘅历史。

01 播客系点样走到今日嘅？ 

等我哋先将时间拨回十几年前，理解“Podcast（播客）”一词系点样被创造出嚟嘅。 

在嗰个智能手机尚未面世嘅年代，2004年2月，一位英国记者在《卫报》一篇文章中写到： 

而家有‌MP3播放器（如可以放喺口袋嘅 iPod），有‌足够便宜嘅音频制作软件，噉必然会出现基于互联网生产、传播嘅音频内容。佢该点样称呼？像博客那样，叫Audioblogging？或者Podcasting? ”

这可能是Podcast（中译名：播客）第一次被严肃公开地讨论。此后不耐，呢个词被主流学界认可并收录。出年，呢种新嘅内容形式正式加入苹果iTunes商店。 

乔布斯在呢个时候顺水推舟宣布：

Podcast是下一代广播，大家而家可以订阅超过3000个免费播客，并通过互联网自动下载所有最新单集。

按照播客创业公司RadioPublic创始人嘅观点，从播客正式出现至今，已经涌现过三次激动人心嘅“浪潮”： 

第一次发生在2004-2006年。

iTunes首先集成‌播客呢一形态内容，而另一个在当年相对知名嘅“播客产品”Odeo则由Ev Williams等人创立并运营。

Odeo是一个基于RSS嘅音频同视频嘅目录及搜索网站，喺移动互联网尚未普及嘅年代曾收获一大批拥趸。但没过几耐佢被放弃，Ev Williams等转头做‌一个日后影响世界嘅社交产品——Twitter。 

第二波浪潮发生在2008年前后。

iPhone一经推出大受欢迎，基于呢个新兴硬件平台嘅应用生态都开始蓬勃发展，Stitcher、Public Radio Player等产品应运而生。 

第三波则兴起于2014年。

呢一次，不仅主流广播平台（如美国嘅NPR等）涉足播客，众多互联网巨头同创业公司都纷纷加入战局。

一时间，产品数量激增，而伴随住新产品嘅出现，海量受众同内容都纷至沓嚟。 而家，正如我哋所睇到嘅，全球大型科技公司、社交媒体同热门创业公司都在押注音频。

以北美为例，苹果、亚马逊同谷歌都拥有自己嘅语音助手；社交巨头Facebook同Twitter开始音频内容嘅尝试，后者在一年多前推出‌音频推文，眼下正喺度测试新嘅Spaces功能以允许用户实时对话；海外最大流媒体音乐公司Spotify过去两年都花‌近十亿美元收购播客公司、洽谈播客版权，从而开始新领域嘅扩张。

更不必说前阵子引爆圈层嘅新兴音频社交产品Clubhouse，数月之间带嚟千其级别嘅下载量同全球用户，一码难求嘅场面堪称火爆。

类似情况都正喺度国内发生：语音助手嘅赛道早已涌入小米、华为以及一系列互联网巨头，而播客嘅持续兴起都引发大公司嘅兴趣。已经有不少媒体急住将2021年定义为“中文播客元年”。

如果非要总结，从市场嘅角度嚟睇，呢啲现象嘅背后至少存在两个重要原因：其一，视频（尤其系短视频）行业在过去两年已经太过拥迫，市场格局已定，大家开始寻找新嘅机会；其二，声音所代表嘅连接感、亲密感、陪伴感，区别于第啲媒介类型，有望深挖出不小嘅潜力。

接下嚟嘅问题是，为何是当下呢个时间点音频被经常提及？佢自身系咪已经做好准备？

02 音频准备好‌吗？ 

关于上面说嘅问题，有至少三个背景需要理解。

背景一：（基于声音嘅）技术创新已经成熟，足够消费者友好。

包括自然语言处理（NLP）、语音识别同语音转文本等技术正达到临界点。比如，自动语音识别准确率早已超过95％。而得益于语音识别工具，佢哋使得索引音频内容成为可能。所以，准确性同改进嘅等待时间相结合，但系以实现几乎实时嘅语音识别同转录，于是音频嘅搜索、个性化推荐同货币化变得更加容易。

背景二：（基于声音嘅）新硬件平台正喺度崛起，消费者规模达到一定量级。

以美国为例，从数据上睇，美国家庭有超过5亿台设备可以通过语音直接控制，包括联网汽车、智能音箱同AirPods等，呢啲设备嘅语音接口已经成为主流。谷歌甚至报告说，全球27％嘅在线用户都开始在移动设备上使用语音搜索。

更不必说，智能音箱革命带嚟‌通过语音进行人机互动、交流嘅机会。呢啲设备是某种意义上嘅“永远在线”，这意味住佢哋可能成为一种新嘅渠道，而呢种同用户接触嘅新渠道有机会被新一代创业公司利用。

背景三：（基于声音嘅）新互动方式正喺度固化，消费者习惯逐渐形成。

音频交互模式代表住继PC、移动互联网之后嘅一股新浪潮，佢有潜力成为第三次主要硬件平台同UI嘅转变（PC—手机—广义语音设备）。

家阵时消费者对音频嘅熟悉度同接受度已经大大提高，一个例证就是用户对Siri、Alexa等越嚟越习惯同依赖。好多人相信，过去十年，手机软件是现实世界嘅远程遥控器；未嚟十年，语音都许会发挥类似作用。

声音呢一媒介嘅繁荣，不仅意味住诸如Siri、Alexa之类嘅语音助手更加易用，而且仲为新嘅社交行为打开‌大门（2021年初Clubhouse嘅火爆便是例子）。

03 播客未嚟会走向何方？ 

但是我哋又会发现，过去互联网及其背后嘅技术进步，屡次推动‌媒体嘅转型，于是才有‌图文、视频消费平台同方式嘅迅速变化。而在呢个过程度，播客自身嘅变化又极其缓慢。

我曾指出其原因：

其一，音频好难通过速读抓人眼球，唯有靠内容创作者自身影响力嚟吸引少部分黏性够强嘅“观众”消费，对社群有较强依赖； 

其二，好少有人“专注”消费音频，多数时候会同时干点第啲事，比如运动、开车、做家务，呢种场景极不方便即时分享转发。

这或者可以理解为播客同听众之间天然存在嘅种种摩擦。但转念一想，喺呢个各类信息都爆炸式增长嘅年代，存在咁样一啲在可用性、可发现性同可衡量性上存在摩擦嘅产品形态，不一定是件坏事。

那么，面向未嚟，“声音”呢个大赛道可能孕育边啲有价值嘅产品同公司？

知名硅谷投资人Gaby Goldberg认为，新嘅媒介形态必然会带嚟新嘅内容平台，对呢类平台而言，创作者同消费者是最宝贵嘅财富。

正因咁，声音赛道同音频创作相关嘅基础设施是第一位嘅。

一个颠扑不破嘅道理是：在淘金热期间，试下向人哋出售铁锹。

在音频领域，点样嘅公司能够充当基础设施嘅功能？都许可以通过横向对比第啲内容类型（图片、视频）嚟思考呢个问题。

例如，Canva同Instagram等使照片创作、共享更为主流，而YouTube同TikTok等则使视频更加深入人心。此外，能够帮助扩大音频创作者渠道嘅工具都属于此类。比如Spotify对Anchor嘅战略收购，这意味住能够创建同分发播客嘅工具被拥有2亿用户嘅Spotify社区接纳。

第二类有想象空间嘅产品，则是工作场景下嘅声音传递/共享工具。直到目前，互联网语音技术才开始逐步渗透到工作场景。这主要是因为疫情之下人哋嘅工作同生活变得相对孤独，所以开放办公室同远程工作都偏好远程音频、视频解决方案。

随住工作中嘅语音体验变得越嚟越普遍，如果异步音频领域有新嘅创新，都许会是更奇妙嘅感受。 

那么，音频嘅未嚟会是乜嘢样？

显然，单一嘅技术同媒介唔会单独出现，但佢可以赋予一啲过去行为以新嘅体验。比如，社交/社区+音频可能会是一种重要趋势。喺之前投出过Skype、Facebook、Instagram、Twitter等知名社交平台嘅硅谷风投A16Z嚟睇，要尝试推演社交+音频嘅去向，社交+视频提供‌一个好好嘅参考作用。 

YouTube是第一代互联网视频嘅头部产品，但是在佢成立之后嘅16年（2005-2021），众多挑战者都纷纷有自己嘅创新。

而家，视频呢种媒介已经变得异常丰富，以海外为例，YouTube试水短视频，Zoom 主导视频会议，Snapchat推出Stories，Twitch做游戏直播。佢哋都系同一种媒介下嘅不同变体。

除咗以上所列出嘅独立视频产品，“视频”仲被当作一种嵌入式功能添加进第啲产品：比如远程协作工具、社交软件等等。

实际上，“视频”不剩只指媒介本身。由谁制作视频？点样交付？乜嘢时候可以睇到？点样发送？点解发送？观众会点样反馈？呢啲问题都好重要，而且这比“视频软件”呢个笼统嘅术语要清晰得多。

从用户体验嘅角度睇，音频在某啲方面嘅交互同视频类似，喺某啲方面又完全不同。

相似点在于：像视频一样，音频可以提供用户享受数个钟头嘅悠闲时间。明星、名人嘅视频好有趣，聆听佢哋嘅声音都好有意思。此外，使用手机嚟创建音频内容都好熟悉且容易。

所以，社交+音频将点样创新？可能有两个大嘅主题：

其一，内容形式嘅创新

一方面，我哋已经睇到非常简短嘅、易于创建嘅图文同视频内容有多受欢迎，比如Twitter同Snapchat Stories。另一方面，WordPress之类嘅博客平台，Substack之类嘅新创作平台都推动住长篇写作嘅发展，YouTube、Netflix等推动住长视频嘅发展。

那么，长内容同短内容都都可能在音频平台上有所作为。 

实时语音通信是音频短内容最易实现嘅方式，但会显得混乱。如果效果过于粗糙，但系能就没那么有意思。这是社交+音频直接对标Twitter嘅产物。

在此基础上有‌Clubhouse，佢比上面讲嘅呢个粗糙方式更精致都更好玩，等人同人之间更具流动性。但可能仲有第啲方法：比如系咪可以进一步激发有意义嘅异步互动？系咪可以专注于某个特定嘅创作者领域（比如脱口秀、新闻时事、体育、商业等等）做出垂直社区？

其二，业务模型嘅演进

近年嚟，喺线内容嘅商业模式一直在发展，国外嘅Substack、Patreon等，国内嘅微信公众号、小红书、知乎等，都在为创作者提供更多嘅方法，使佢哋可以通过直接交易而不剩只是广告完成商业化。

这意味住：在广告驱动嘅世界度，创作者通常没有得到其粉丝/受众嘅支持。创作者嘅粉丝其实愿意付出更多。

音频可能会出现相同趋势。以播客为例，自身广告业务规模一直较小（不到10亿美元），广告投放平台同基础技术没有大嘅改进，广告主无办法好好地测量同跟踪ROI。因此，创作者会好自然地尝试直接向受众收费。比如，提供免费基础服务，同时需要付费购买高级/特殊产品。

04 声音嘅未嚟？ 

现代传播学理论奠基者麦克卢汉曾对媒介有过咁样一个分类：不同形式嘅媒介在以自己嘅方式调动我哋嘅感知，进而影响我哋对信息嘅理解同判断。按照传递信息清晰程度嘅不同，媒介有冷、热之分。

一种解释是：冷媒介是指佢传达嘅信息量少而模糊，喺理解时需要动员多种感官嘅配合同丰富嘅想象力。因此，如电话属于冷媒介，因为清晰度低，佢哋要求受众用多种感官去感受，并且需要丰富嘅联想同参同，为媒介都为受众自己填补其中缺失嘅部分。而热媒介同之正好相反。

学界关于冷热媒介嘅讨论一直未曾停止，冷热媒介都并非衡量一种媒介受欢迎程度、成功同否嘅一尘不变嘅标准。但佢带嚟嘅一个启示是：不同媒介能够引起人嘅心理同行为反应不尽相同，用今日嘅话说，其带嚟嘅“用户体验”差别甚大。

那么，回到我哋最初嘅问题：比起视频营造出嚟嘅丰富体验，声音自身嘅“劣势”能否被突破，为人哋创造更加独特同丰富嘅体验？以及，这需要通过点样嘅设计理念、技术手段嚟实现？

或者不耐之后我哋就将得到答案。