Spotify 的 AI DJ 会换声了：7 种英语口音，还能让它少说两句

打开音乐 App，一个声音开始给你串场：接下来这首，你可能会喜欢。这段体验很快就不再是同一个声音了。

一分钟速览

• Spotify AI DJ 上线声音与人格自定义，Premium 用户可用；
• 新增 7 种英语声音，覆盖英式、美式、爱尔兰、澳大利亚、印度口音；另加 2 种西班牙语声音；
• 不同声音有不同性格，例如 Casey 松弛温暖、Tess 直接有棱角、Lane 带南方口音、年轻有活力；
• 用户可以选择更少解说的模式；
• AI DJ 目前被超过 9400 万 Premium 用户使用，原声 X 保留。

为什么是人格而不是音色

换音色是技术活，做人格是产品活。Spotify 这次给每个声音配了明确的性格标签：有人松弛、有人直接、有人话痨。这背后其实是在回答一个更本质的问题——用户到底想要一个什么样的 AI 陪伴者。

音乐场景很特殊。用户不是来完成任务的，是来放松、专注、或者打发时间的。在这种场景下，AI 说太多会烦，说太少又显得冷。把话多话少做成开关，比强行调优一个中间值聪明得多。

9400 万用户说明什么

AI DJ 2023 年上线，是 Spotify 最早的一批 AI 功能，到今天仍是使用量最高的功能之一。这个数字值得国内产品团队注意：它不是最炫的功能，却是留存最好的功能之一。

原因不难猜。推荐算法解决听什么，DJ 解决为什么听——它给播放列表加了一层叙事。人需要理由，哪怕这个理由是 AI 编的。

语音正在成为 AI 的皮肤

Spotify 最近的 AI 动作很密集：和音乐对话的智能体、用提示词微调推荐、AI 生成歌单，以及接入 ChatGPT、Claude 这类第三方智能体。把 DJ 的声音开放出来，是把语音当成可配置的界面层。

这和整个行业的走向一致。模型能力趋于同质化之后，差异化的战场转移到交互：声音、语气、节奏、打断时机。语音合成技术早就不缺，缺的是什么时候该说、说多少的判断。

两个隐忧

第一是配音行业。AI 声音越自然、越有性格，真人配音的商业空间就越被挤压。Spotify 目前用的是自研声音，原声 X 来自员工真实录音，这个细节本身就是行业变化的注脚。

第二是人格的边界。一个会调侃、会共情的 DJ，很容易滑向过度拟人。当用户开始把它当朋友，产品责任就变了——这不是调参能解决的问题，需要明确的产品伦理边界。

对国内音乐和音频平台来说，这次更新是个可复用的模板：把 AI 从功能做成角色，用可配置的人格替代单一音色，用少说话的选项尊重用户。技术不难，难的是克制。