故宫博物院近日与火山引擎携手推出了一款名为“听宝贝说”的AI互动播客产品，将传统文化与现代科技巧妙融合，为亲子互动与文物知识传播开辟了新路径。这款应用依托豆包大模型等前沿技术，用户只需录制一段简短语音，即可生成个人专属音色的文物讲解内容，以趣味化的方式讲述故宫藏品背后的故事。目前，该功能已在“故宫博物院”微信小程序上线，并将持续开放至2026年3月31日。
产品聚焦亲子场景设计，鼓励家长与孩子共同参与录制。用户从故宫精选的30件代表性文物中任选一件，通过十几秒的语音输入，即可获得一段以自身声音呈现的个性化讲解。这些文物横跨新石器时期至清代，涵盖甲骨、青铜器、瓷器、书画等类别，内容经专家论证后由故宫宣教团队与AI共同改写，确保专业性与趣味性并存。例如，关于《清明上河图》的讲解被转化为“北宋画家张择端用画笔记录开封城热闹生活”的童趣语言，让青少年更易理解。
相较于传统讲解方式，“听宝贝说”通过声音互动构建了更具情感温度的传播模式。故宫文物借助AI技术“开口说话”，将历史知识转化为可感知的视听体验，仿佛与孩子展开跨越时空的对话。火山引擎文旅行业总监宋博文介绍，产品实现了两大技术突破：一是豆包声音复刻模型2.0仅需用户跟读一句话，即可在几秒内捕捉声线特征，并精准解析文本情绪，生成带有情感表达的语音；二是角色扮演模型能根据用户选择的“小科普员”“小历史学家”或动画角色（如喜羊羊、熊大等），生成符合人设的叙事脚本，使知识探索更具游戏化体验。
这一创新背后是复杂的技术协同。故宫专家提供经论证的文物介绍，团队通过AI对内容进行通俗化改写，再让模型学习仿写后的版本，最终输出既准确又口语化的讲解文本。例如，在处理青铜器“后母戊鼎”的介绍时，原始专业表述被转化为“商朝时期，人们用大鼎煮肉祭祀祖先”等生活化语言。声音复刻技术则进一步突破单纯模仿的局限，通过深度语义理解实现情感表达——当讲解到文物历史背景时，语音语调会自然变得庄重；描述趣味细节时，则充满活力。
此次合作并非双方首次尝试。今年中秋，故宫与火山引擎曾推出AIGC视频《故宫宝贝团圆夜》，通过豆包视频生成模型让文物在数字世界“复活”。火山引擎在数字文博领域已有多项探索：绘制非遗百景图展现传统技艺、联合北京大学开放超3万部古籍的“识典古籍”平台、将山西高平二郎庙戏台等历史建筑转化为数字资产打造“虚拟直播间”。这些项目均运用了AIGC、3D建模等技术，推动传统文化以新形态触达公众。
目前，团队正与多家博物馆探索虚实融合的互动空间，游客佩戴虚拟现实设备后，可在沉浸式场景中与数字文物对话。另一在研项目计划构建专项知识智能体，例如还原古代匠人声音讲解工艺细节，或让用户与书画家跨时空探讨艺术创作。这些尝试持续拓展着技术赋能文化传承的边界，使历史以更鲜活的方式走进现代生活。
