一名参观者在北京中关村国家自主创新示范区展示中心触摸一只仿人五指灵巧手。
在第二十一届中国（深圳）国际文化产业博览交易会上，观众在了解AI产品。
作为二战后兴起的兼具学术研究意义、社会行动议程与公共历史价值的研究方法与学科领域，口述史的兴起与发展在相当程度上受益于科学技术的革新与应用。如今，随着人工智能技术的迅猛发展，这一领域也正迎来前所未有的机遇与挑战。人工智能在语音识别、自然语言处理、机器学习、计算机视觉、知识图谱、机器翻译、大数据挖掘与智能机器人等方面的突破与应用，显著地影响着口述史的采集、整理、保存、分析、传播与利用等全流程，为口述史实践与研究注入新的生机与活力。人工智能不仅提高了口述史工作的效率和质量，更重要的是，它为书写、理解和解释历史提供了新的视角和方法。
近年来，学术界已经开始探索人工智能与口述史的融合路径。然而，这方面的系统性研究尚显不足。大多数研究仍局限于技术的单点应用，缺乏对口述史全流程智能化的整体性思考；对人工智能赋能口述史的理论框架构建不够完善，研究方法与路径探索相对分散；对技术应用可能带来的伦理挑战与风险预警关注不够充分。本次讲座旨在系统分析人工智能在口述史各个环节的具体实践，探索二者深度融合的可能性与限制性，并对未来发展趋势做出前瞻性判断。
智能化采集：打破传统采集模式的局限
人工智能正以前所未有的广度和深度嵌入口述史采集的各个环节，推动口述史采集模式从“面对面”走向“人机对话”、从被动式“提问—回答”走向主动式“沉浸体验”。传统口述史采集主要依靠训练有素的访谈者，通过面对面访谈来记录个人经历。这种模式高度依赖访谈者的能力和经验，同时受制于时间、空间、人力等现实条件的限制。
人工智能正在彻底改变口述史采集的全过程，包括访谈前的准备工作。传统口述史准备需要花费大量时间查阅资料、了解受访者背景、设计访谈提纲和进行模拟训练等等。而人工智能在准备阶段可发挥多方面作用：在背景资料梳理方面，它能快速整合分析海量资料，提供全面背景信息；在访谈提纲设计方面，能根据受访者经历和相关历史资料自动生成结构化提纲；在模拟访谈方面，能模拟不同类型受访者的回答模式和情绪反应，为访谈者提供近乎真实的实践环境，新手可在虚拟场景中练习提问策略、倾听技巧和应对突发情况的方法。
在实际访谈过程中，虚拟访谈助理（Virtual Interview Assistant）等人工智能系统为口述史采集提供了更加智能、高效的解决方案。虚拟访谈助理是基于人工智能的交互式系统，通过多种技术实现与受访者的智能对话。首先，它通过自然语言处理技术实现对人类语言的理解与生成，能够根据访谈主题自动生成访谈提纲，并根据受访者背景定制访谈内容。在访谈中，它能根据对话进展动态调整问题顺序和深度，挖掘更丰富的历史细节。其次，知识图谱技术有助于进一步强化口述史的智能采集能力。它以结构化方式表达复杂的知识关系，当受访者提到某一历史事件时，系统可以基于知识图谱补充相关背景信息，帮助受访者进一步回忆起当时的情境。再者，情感计算技术则赋予虚拟访谈助理感知和解读人类情绪的能力。在访谈中，人工智能系统可以通过面部表情识别、语音分析等实时监测受访者的情绪状态，并据此调整访谈节奏和策略。
事实上，人工智能应用于口述史采集已经初现端倪。有学者正在探索使用对话式讲故事助理（Conversational Storytelling Agent）来收集某些方面的口述史。该助理是基于机器学习的自然语言处理系统，通过自动化对话收集数字故事。系统采用预设脚本引导叙述者，提供肯定性回应和支持性话语来模拟人际访谈体验。该系统采用“奥兹巫师”原型测试技术，设计传统聊天机器人和创新美学两种界面形式，支持文本、语音与视频等多媒体格式和多语言功能，通过引导性问题促进叙述者讲述并获得即时反馈和情感支持。传统方式依赖人工访谈，既耗时又耗力，难以扩展到大规模社会群体。而对话式讲故事助理被视为扩展口述史收集范围、提高效率并触及更广泛人群的有效工具。
除了口述史访谈智能化，人工智能与虚拟现实和增强现实等沉浸式技术的结合，也为口述史采集注入新的互动维度。虚拟现实技术能够将受访者带回历史场景，通过高度仿真的视觉、听觉、触觉等多维刺激激活深层记忆。增强现实技术则能在访谈过程中实时叠加历史档案、照片和地图等辅助资料，帮助受访者进行时空对照，提高口述内容的准确性。
可以预见，随着人工智能技术的进一步发展，口述史采集将不断突破时空限制。受访者可以通过智能设备随时随地参与访谈，多语言支持和实时翻译功能打破了语言障碍，使跨文化、跨语言的口述史采集成为可能。更重要的是，人工智能技术的普及使口述史不再局限于专业研究者的领域，而成为全社会共同参与的公众实践。
智能化整理：从烦琐到高效的蝶变
人工智能正以前所未有的广度和深度重塑口述史整理的各个流程，推动口述史整理从“人工操作”走向“智能处理”、从被动式“机械整理”走向主动式“深度加工”。传统的口述史整理工作往往需要投入大量时间与精力，完成音视频资料的手工转录、文本校对、目录编制、索引构建、元数据创建、内容摘要撰写等烦琐任务。
随着人工智能技术的突飞猛进，口述史整理的智能化已成为重要趋势。在转录环节，语音识别技术已取得长足进步。目前一些自动语音识别系统已具备较高转录准确率，而且能进行智能标点、分段、生成时间戳和说话人标记等处理，在多语言、多口音、多说话人场景下展现出卓越适应性。虽然自动转录可能仍需人工校对，但整体效率提升显著。
在编目与索引环节，人工智能同样展现出强大能力。基于命名实体识别、关键词抽取、主题建模等算法，人工智能系统能自动识别和提取人名、地名、事件、时间、主题等核心信息，生成标准化元数据，进而构建层次化的编目与索引结构。例如，通过知识图谱技术，口述史文本中的人物关系、事件脉络、地理信息等可以被自动解析，并以语义网络形式组织起来。这不仅有助于提高编目工作的效率和准确性，还能通过深度语义分析，实现口述史资料的智能关联和动态检索，使研究者能够迅速定位特定主题或事件的相关内容。
在摘要提取方面，自动文本摘要技术则有助于提升口述史信息获取的便捷性。传统摘要撰写依赖人工阅读和主观判断，耗时长且标准化程度低。而自动文本摘要技术通过深度学习与自然语言生成模型，能够自动分析口述史文本并提取其中的核心观点，生成精练摘要。
在实际应用中，已有一系列专业工具助力口述史整理。它们在自动化转录、关键词提取、内容摘要生成、索引构建等方面发挥了重要作用，推动口述史资料处理向智能化方向发展。
人工智能的技术创新与应用拓展正推动口述史整理进入一个全新的智能化时代。这种变革并非意味着传统人工处理模式将被完全取代，而是开创“人机协同”的新型工作范式。在这种范式下，人工智能系统将主要承担自动转录、编目索引、关键词提取、自动摘要等技术性任务，而人类研究者则专注于转录质量把控、编目索引结果优化、关键词审核校正、摘要准确性验证等专业判断工作，确保口述史整理的专业性和准确性。
智能化保存：更安全、更高效的资料管理
人工智能正以前所未有的广度和深度融入口述史保存的各个层面，推动口述史保存模式从“物理存储”走向“智能存储”、从静态式“归档存放”走向动态式“智能管理”。传统口述史保存方式主要依赖纸质载体与模拟介质，如纸质文字稿、录音带、录像带等。这些介质在长期存储过程中容易发生物理损耗且存储寿命有限，导致信息检索困难。而且，随着资料规模呈指数级增长，数字化保存也面临诸多挑战，如存储空间急剧消耗、数据检索效率下降以及信息安全隐患加剧等。人工智能技术的引入为破解这些难题提供了全新的解决方案。
首先，智能化的数据压缩和存储技术可以大幅降低口述史资料的存储成本。传统数字存储往往采用非压缩的原始格式（如WAV、MP4等），占用空间大。基于深度学习的智能压缩算法，如H.266/VVC编码技术，能在保证质量的前提下大幅减小文件体积。相比传统H.264或H.265编码，H.266可将文件体积分别缩减至原来的1/4和1/2，从而节省存储资源。
其次，区块链技术可以为口述史资料提供更加安全和可信的存储环境。口述史资料的数字化虽然提升了存储、传播与利用的便捷性，但同时也带来数据篡改、版权侵权、隐私泄露等安全隐患。区块链技术以其分布式账本、密码学验证、去中心化共识机制等特性，为口述史资料构建起一套不可篡改、可追溯、安全可控的数据存储和验证体系。通过智能合约与时间戳机制，每一条口述史资料的存储、访问、修改等操作均可被精确记录，并确保数据的完整性与真实性。
再者，云计算技术为口述史资料提供弹性扩展、按需使用的存储模式。传统本地存储需要预先部署大量硬件，随着资料增长，存储压力增加，设备更新与维护成本高昂。而云存储使口述史资料的存储模式从静态配置转向动态分配，机构可根据实际需求调整存储资源，在降低前期投入成本的同时又能灵活应对未来数据增长的需求。云存储服务商通常结合人工智能技术，对存储数据进行智能压缩、重复数据删除以及自动备份，从而进一步优化存储效率并提升数据的安全性与可恢复性。
人工智能技术的深度融合正在推动口述史保存体系的智能化变革。智能压缩技术让资料存储更高效，区块链技术让资料管理更安全，云计算技术让数据存储更弹性。这些技术的协同作用不仅有助于提升口述史资料的存储效率与利用水平，也开辟了未来数字化存储与智能管理的广阔前景。
智能化分析：重塑口述史研究范式
人工智能正以前所未有的广度和深度赋能口述史分析的各个维度，推动口述史研究范式从“主观解读”走向“数据驱动”，从单一的“文本细读”走向多模态的“智能解析”。传统的口述史分析主要依赖研究者的主观解读和经验判断，通过文本细读、归纳总结等方式探究口述史资料的深层意义。然而，这种以研究者主观认知为核心的研究模式不可避免地存在分析效率低、研究视角有限、难以充分挖掘大规模口述史资料的潜在结构性规律等局限性。面对这些问题，人工智能技术为口述史分析提供了全新的研究工具、方法论以及范式转变的可能性，使研究者能够以更加系统高效的方式对口述史资料进行深度研究。
首先，自然语言处理技术有助于实现口述史资料的智能化解析。通过分词、词性标注、句法分析与语义理解等处理，自然语言处理系统能够自动提取口述史资料中的关键信息（如人物、事件、时间、地点等），并对其进行结构化表示和关联分析，帮助研究者更准确、全面、快速地把握其基本内容和脉络。例如，命名实体识别技术可以自动识别出口述史文本中的重要实体，并将其归类为“历史人物”“地理位置”“重大事件”等相应类别，帮助研究者更直观地理解口述史叙述的基本框架；句法分析和语义理解技术则能识别因果关系、时间顺序、事件关联等逻辑结构，使研究者能够更加精准地把握叙述逻辑和历史脉络。这些技术有助于大幅提升信息提取效率，帮助研究者更全面系统地挖掘与分析海量口述史资料中的丰富信息，从而提升研究的科学性和客观性。
其次，知识图谱和语义网络技术有助于发现口述史资料中的隐性知识和深层关系。知识图谱是一种基于实体—关系模型的结构化知识表示方式，能够通过命名实体识别、关系抽取与属性标注等技术手段，将口述史资料中的人物、事件、地点等元素进行系统性关联。而语义网络则侧重于概念间的关联表达，两者结合构建出可视化的知识体系。借助这些技术，研究者可以直观地观察人物之间的关系网络、事件的因果链条以及历史发展的多重路径，从而揭示口述史资料中隐含的知识结构。例如，在分析某一重大历史事件的口述史资料时，研究者可利用知识图谱技术自动构建该事件的叙事框架，同时通过语义网络分析不同叙述者如何描述事件的关键节点，以及这些叙述之间的共性与差异。
再者，数据挖掘和机器学习技术有助于从海量口述史资料中发现有价值的模式、趋势与结构。在传统口述史研究中，研究者往往需要通过大量文本阅读、归纳总结，才能识别出某些历史现象的规律。而数据挖掘技术可以帮助研究者从海量口述史资料中自动发现潜在模式、趋势与结构，进而揭示个体叙述背后的社会动态与集体记忆演变规律。例如，通过聚类分析，研究者可以对口述史资料进行主题划分，识别不同历史时期、不同社会群体的叙述主题与关注焦点；通过情感分析，研究者可以探究叙述者在不同事件背景下的情感倾向，分析社会情绪的演变趋势；通过观点提取，研究者可以自动识别不同叙述者对某一事件的多元态度，并分析这些态度如何受到社会、政治、文化等因素的影响。
当前，市场上已有诸多先进的生成式人工智能大模型（如DeepSeek、ChatGPT、Gemini、Claude等），它们在自然语言处理、多模态数据分析以及知识推理等方面展现出强大能力。这些模型不仅能高效处理大规模口述史资料，还能够进行定制化调整，以满足不同研究主题的需求。由于这些人工智能模型具备强大的语义理解和知识生成能力，研究者可以利用它们对多模态的口述史资料进行深度分析，如主题分析、内容分析、叙事分析、话语分析、情感分析等，从而提供更加系统化和结构化的研究视角。
人工智能技术不仅仅革新了口述史的研究工具和方法，更推动了该领域研究范式的深刻转型：从传统的人文解释学范式向数据密集型和技术驱动型的新范式转变。这一转变为口述史研究注入新的活力和想象力，也使其在数字人文乃至更广泛的跨学科研究中占据更加重要的位置。
智能化传播与利用：口述史呈现多维度创新
人工智能正以前所未有的广度和深度拓展口述史的传播与利用方式，推动口述史呈现模式从传统的“静态展示”走向沉浸式的“交互体验”、从单一式的“文本记录”走向智能化的“多维应用”。传统的口述史在呈现形式与传播方式上长期受到技术限制，主要依赖于文本、音频与视频等静态媒介，因缺乏互动性和沉浸感而难以引发广大公众尤其是年青一代的兴趣。人工智能与数字人文的深度融合正在开辟口述史传播与利用的新路径、新方式与新格局，通过智能展示、智能推荐与智能应用等多重技术，有助于创造更加大众化、交互性和沉浸式的口述史体验。
首先，人工智能驱动的智能展示技术正在全面革新口述史的呈现方式，为其注入前所未有的沉浸感和交互性。以沉浸式现实为例，这项技术通过增强现实、虚拟现实和混合现实等手段，将原本局限于文字或影像的口述史内容转化为可感知、可交互的沉浸式场景。增强现实技术可以将口述史内容无缝嵌入现实场景中，例如，当用户进入某一历史遗址或特定空间时，系统能够基于定位技术触发相关的口述史片段，仿佛置身于特定的历史情境中，直接与过去对话。更进一步，通过混合现实技术，还可以实时叠加虚拟的历史场景，使用户能够在真实与虚拟交织的空间中体验历史的多重维度。
虚拟人技术则为口述史的传播注入了鲜活的生命力。基于口述史资料，人工智能能够重建口述者的声音、面容、表情等生理特征，并以数字人的形式呈现这些记忆的主人公。用户不仅可以聆听数字人口述者的故事，还能通过自然语言处理技术与其进行实时对话，提出问题并获得即时回答，从而实现真正的交互式体验。
虚拟现实与体感交互技术的结合进一步拓展了口述史沉浸体验的边界。体感交互技术通过捕捉用户的肢体动作、手势和表情，使用户能够以更加自然的方式与虚拟场景中的口述史内容进行互动。目前已经有机构利用虚拟现实技术再现某一历史场景，帮助参观者在虚拟引导下“探访”相关遗址。
随着目前文生视频技术的不断发展，基于口述史文本自动生成对应的动态影像场景成为可能，从而使抽象的口述记忆得以具象化、可视化，并在时空环境的数字重构中实现沉浸式再现。在博物馆展览与文化遗产展示领域，文生视频技术的引入进一步拓展了沉浸式体验的可能性，使历史叙事超越传统的静态文物、文字说明和音频导览，转向更具互动性和情境感的动态呈现。
其次，人工智能驱动的智能推荐技术可以实现口述史资源的精准传播。传统的口述史传播往往采用单向模式，缺乏对受众兴趣和需求的精准把握。人工智能系统可以采集用户的浏览行为与兴趣偏好等数据，利用协同过滤与内容过滤等算法，自动为其推送相匹配的口述史内容，提高传播的精准度和转化率。同时，人工智能系统还能根据用户反馈动态调整推荐策略，提升用户接受度和参与度。
再者，人工智能技术为口述史资源的智能应用开辟了广阔空间，推动其在教育、文化与社会生活中的深层次融合。通过自动问答、知识推理、智能分析与辅助决策等技术，人工智能系统能够将口述史资源与其他数据资源进行深度整合，从而拓展其应用边界。例如，在教育领域，将口述史资料嵌入智能教学系统，可以通过语音识别、自然语言理解与虚拟现实技术，为学生提供沉浸式、交互式的学习体验。在舆情与社会研究领域，通过文本挖掘、社会计算与情感分析等技术，人工智能系统可以将口述史资料与社交媒体数据、新闻报道、学术研究等信息进行关联分析，从而为社会舆论趋势的研判提供历史维度的参考。
人工智能与数字人文的深度融合正在推动口述史传播与利用的革命性变革。从智能展示技术带来的沉浸式体验，到智能推荐技术实现的精准传播，再到智能应用技术赋予口述史资源的跨领域价值，人工智能正在让口述史从单纯的历史记录转化为具有情感共鸣的多维叙事载体。在这一过程中，人工智能不仅推动了口述史的形式创新，也在一定程度上重新定义了历史记忆的保存、传播与体验方式，使其从静态的历史档案转变为动态的文化资产。
挑战与展望：人机协作的口述史新纪元
上述讨论勾勒了人工智能对口述史各环节的深远影响，但其理想目标是构建一个集智能采集、整理、保存、检索、分析、传播与应用于一体的智能口述史系统。这一系统将推动口述史实践与研究范式的深刻变革，使其在数字人文、公共史学、文化记忆等领域发挥更广泛作用。
然而，人工智能应用目前仍面临多重挑战。在技术层面上，人工智能在语音识别、方言处理和隐喻理解等方面存在局限，可能导致历史叙述失真或误读。在法律与伦理层面上，知识产权保护、隐私安全和算法偏见问题不容忽视。在社会层面上，数字鸿沟可能造成不同群体在口述史生产与传播中的结构性不公。此外，过度依赖技术还可能削弱口述史的情感温度与人文价值，偏离学科本质追求。
面对这些挑战，人机协作而非单纯技术替代是口述史发展的必由之路。人工智能的引入并非消解人类研究者的核心作用，而是重新定义学术劳动分工。人工智能可以高效处理大规模数据、识别表层模式和执行重复性任务，但研究设计、方法选择、理论建构、情感理解与深度解读仍高度依赖人类研究者的专业素养与批判思维。事实上，人类研究者的知识储备与理论水平决定了人工智能应用的质量和深度，包括如何提出优化指令、评估生成结果的学术价值以及将技术创新与学科理论有机结合。这种协作模式是动态互动的：研究者指导人工智能的应用方向，人工智能则提供更加丰富的数据支持和分析视角，双方在互动中不断优化研究路径与成果。
人工智能时代的口述史新纪元将以人机协同为核心特征，通过学科交叉与知识共享，构建由研究者、技术专家与公众等共同参与的多元实践共同体。口述史工作者需积极拥抱人工智能，提升数字化素养与智能应用能力；技术开发者则应深入理解口述史的多元属性、特征与价值，开发符合特定需求的智能工具，同时也要充分认识到口述史作为承载丰富历史信息、真实语言表达和深度人文内涵的高质量语料库对于训练人工智能大模型的重要价值。这种深度融合将使口述史突破传统模式局限，以更加开放、多元的形态拓展研究广度与深度，真正实现技术赋能下的人文价值传承与创新探索，开创口述史智能化实践、研究、应用的广阔前景与全新境界。
