✅ 《山巅周刊》定期分享科技、医学及人文资讯,以及商业智慧和最佳实践,每周日发布。
✅ 我走过你现在的路。数十年真实生活打磨出的深度经验、韧性与可信度,是我能帮助你的。当你需要数字化商业顾问,请联系我。
本文分析“格式转换”这种数字时代内容生产与传播中的荒诞而又普遍的现象。赛博盘核桃,乐此不疲的囤盘转,不过是媒介炼金术士的廉价数字手工艺。
老李把绝版书塞进扫描仪,等它嗡嗡吐完最后一页,满屏"人工智障"。他逐字校对,把"智障"改回"智能",存成PDF,长舒一口气,开启数字手工艺。
隔壁小王没这么费事。他把百科词条整段喂给大模型,三分钟后收获一条"三分钟懂量子"的AI配音,画面是库存的冰岛瀑布和撒哈拉日落。
楼上博主对着提词器,把教授上周的公开演讲用AI转成文字,换上自己的脸和嗓音,重新念了一遍。恭喜,你拥有了"原创视频"。
楼下剪刀手更绝:把这条视频加速到一点五倍,鬼畜变声,裁成十五秒,再顺手丢进工具,反向生成一篇署名自己的"深度好文"。
整栋楼其乐融融,宛如一场盛大的媒介炼金术。一杯水倒来倒去,水还是那杯水,但每个人都觉得自己亲手烧了一壶茶。
一、囤松子的松鼠
人类对格式转换的执念,堪比松鼠囤松子——不管吃不吃得完,先转了再说。
扫描仪年代,这还带着手工的温度。白领们像考古学家对待陶片一样,小心翼翼把纸质书一页页摊平在扫描台上,生怕折了角。OCR识别错了字?没关系,人工校对再花三倍时间。那时候的信仰朴素得近乎宗教:变成PDF,知识便不朽。 于是无数硬盘里塞满了扫描版电子书,虽然百分之九十九的人再也没打开过第二次。
后来万物视频化,画风突变。一批自称"知识创作者"的炼金术士登场,操作堪称魔幻:维基条目配TTS朗读,加自动生成的PPT,就成了B站"干货分享";知乎高赞回答配上激昂BGM和闪烁大字,成了抖音"金句合集";两小时播客对谈被AI提取文字,再由另一个人对着提词器重新念一遍——恭喜,你拥有了"原创视频"。
最绝的是那条数字手工艺流水线:某教授的公开演讲,先被志愿者听写成文字稿发在公众号;接着被知识博主用AI朗读做成音频课;然后被短视频团队剪辑成"三分钟精华";最后被AI工具反向转写成新的文章,署上另一个名字。一条龙,比外卖还快。
而剪刀手们只是把这条流水线又拧了一格:你的AI配音视频,被他加速、变声、裁成十五秒,成了"沙雕集锦";你的深度对谈,被他截取三十秒配上"震惊体"标题,在小红书收获十万赞;你的精心剪辑,被他用AI提取字幕,重新生成一篇"原创文章",发布在内容农场网站上。
于是我们看到了这个闭环:
文字 → 音频 → 视频 → 文字 → 图片 → 视频 → 音频 → 文字……
每个环节都有人乐此不疲。有人把数据库里的公版书做成有声书,有人把有声书转成带字幕的视频,有人把视频截图做成图文笔记,有人把图文笔记用AI重写成新的文章。重要的不是核桃里有没有仁,而是盘它的那个动作本身,那种"我在创造"的仪式感。
二、盘的是什么
加拿大媒介理论家麦克卢汉(Marshall McLuhan)说"媒介即讯息",媒介的形式本身比它承载的内容更具影响力。在无尽的格式转换里,转换的过程本身就是讯息。你念了维基词条,你就"懂"了量子力学;你把教授的话配上了自己的脸,你就"原创"了。形式完成的那一刻,内容的实质意义便退居其次,甚至退出了场。
法国哲学家鲍德里亚(Jean Baudrillard)在《拟像与仿真》(Simulacra and Simulation)里说得更彻底:后现代社会的符号不再指向真实,只指向其他符号¹。教授那堂课在第一次被转成文字时就悄悄死了,之后活着的,不过是它一层又一层的皮。演讲变文字,文字变音视频,音视频再被裁切变文字——原本的"真实"早已在第一次转换中消亡,剩下的只是符号的自我复制和无限循环。这是一种"超真实"(Hyperreality):人们沉迷于格式的变换,而非真理的探寻。
而且每一次转换都不是完美的平移。文字转语音会丢失排版的视觉节奏,语音转文字会丢失语调和停顿里的情感,剪刀手的裁切则彻底完成了"去语境化"。格式转换本质上是对信息的重新编码,必然伴随意义的流失和偶然的新意义生成。你裁掉的那十四秒,可能恰好是逻辑的命脉;你加速的那零点五倍,可能恰好让一个反讽变成了正经。但谁在乎呢?格式对了,就"对"了。
三、为什么非要转
一半是瘾,一半是命。
瘾,是数字时代的秩序洁癖。在信息过载的洪流里,面对庞大的数据库,人本能地感到无力。把一段乱视频拆成整齐字幕,把晦涩论文转成三页PPT,那种"收纳归位"的快感,和看人洗地毯、修马蹄一个道理——格式转换本身成为一种解压的、具有秩序感的数字手工艺。再加上"我用我的声音念了""我用自己的脸拍了"这个微小动作,就足以骗过大脑:我,就是创作者。通过覆盖原作者的物理特征——声音、面孔——他们获得了对该内容的虚假所有权和主体性。这不是创造,是数字寄生,但寄生得那么舒服,谁还愿意回原文档里啃呢?
命,来自算法。为什么文字非要被转成视频?因为当前主流平台的算法更偏好视频和音频格式——停留时间长,广告位多,数据好看。Dallas Smythe 1977年便提出"受众商品论"(Audiences as a Commodity):观众本身是被生产出来卖给广告主的²。到了数字时代,剪刀手们乐此不疲地裁切、变声、转制,表面上是自娱自乐的爱好,实际上是在为平台免费生产内容,贡献日活、停留时长和完播率。平台将这些"癖好"收编,转化为广告变现的基石。你以为是爱好,其实是工位上多了一袋瓜子的数字劳工。不是"非经济",而是一种被隐蔽剥削的微观经济行为——被剥削者甚至觉得自己很快乐。
人们乐此不疲地赛博盘核桃。一方面,它是个人在虚无的数字洪流中,试图通过重塑信息格式来寻找掌控感、存在感和娱乐性的现代癖好;另一方面,它又是被平台算法、流量逻辑和AI工具合谋驱动的符号空转。
四、谁在狂欢
不过,若把滤镜调亮一点看,楼下那十五秒"深度好文",也有它的文化合法性。
巴赫金(Mikhail Bakhtin)在《拉伯雷研究》(Rabelais and His World)里描绘中世纪广场的狂欢:等级消解,圣者被戏仿,人人都是主角³。剪刀手对原视频的变声、鬼畜、裁切,本质上就是对权威文本、严肃内容的解构和戏仿。在数字广场上,教授的量子力学被配上"家人们谁懂啊"的语气,播客的两小时深聊被压缩成"一句话总结"——这不是知识的死亡,这是知识的民间化。在巴赫金那里,狂欢不是对严肃的否定,而是严肃的另一面。
道金斯(Richard Dawkins)在《自私的基因》(The Selfish Gene)里发明"meme"一词时,大概没料到量子力学最终会以库存冰岛瀑布视频的形态存活⁴。格式转换是模因的生存策略:一段深刻的演讲,只有被裁切成十五秒、配上激昂BGM,才能在信息流的湍流里不被冲走。这是内容为了"被看见"而做出的进化妥协。穿上的外套换了一件又一件,但基因还在里面挣扎着复制。
只是外套穿多了,人反而找不到了。
五、当转换不再需要转
过去,OCR、音视频剪辑需要专业技能,转换行为本身带着"技术门槛"的光环,是少数人的手活。而现在,大模型一口气把PDF嚼成播客脚本,Sora写段文字直接出片,TTS念出来的音色比真人还稳。格式转换的边际成本趋近于零。 当技术让"转换"变得极其容易时,人们就会过度使用它——这大概是最古老的行为经济学。大量同质化、空洞的"格式转换产物"充斥网络,因为转换本身不再需要转。
技术不仅提供了工具,更塑造了"万物皆可转换"的思维定式,让人们误以为"转换了"就等于"处理了"或"创造了"。一键生成,一键转制,一键署名。格式间那道小水渠,正在被填平。
届时我们大概会怀念现在这种"倒来倒去"的仪式感。毕竟在一切都能一键生成的世界里,老李对着满屏"人工智障"逐字校对的那个下午,大概是最后一件还带着体温的数字手工艺了。
至于那杯水?它还在。只是杯壁上多了一圈指纹,每枚都写着:内容创作者。
参考资料
¹ Baudrillard, J. (1994). Simulacra and Simulation. Univ. of Michigan Press. ² Smythe, D. W. (1977). "Audiences as a Commodity." Critical Studies in Mass Communication, 4(3), 1–27. ³ Bakhtin, M. M. (1965). Rabelais and His World. MIT Press. ⁴ Dawkins, R. (1976). The Selfish Gene. Oxford Univ. Press.
科技:机器鸭子Microduck

Hugging Face和Pollen Robotics联合推出的机器鸭子Microduck,25 厘米高、不到 800 克,用 15 个舵机配合 50Hz 控制循环驱动神经网络策略,能走路、能蹲下、能摔倒了自己爬起来,甚至能用喙叼起地上的东西。
Microduck 是 Reachy Mini 之后第二条产品线,背后是一整个技术栈的开源。模型仓库 Hugging Face 力主物理 AI 和世界模型普及化,最近被梦想更大的NVIDIA收购了。
世界模型Atlas
由斯坦福大学教授李飞飞领导的初创公司 World Labs 发布了 Atlas,这是一种新的世界模型,可以根据文本、图像和视频提示生成和修改逼真的交互式虚拟环境,并帮助机器人规划行动。
2025年同期,World Labs 推出过生成式多模态世界模型 Marble,能够根据图像或文本提示创建 3D 世界。
超算互联网

超算互联网是由科技部主导部署的一体化算力服务平台,通过整合全国各地的超算中心资源构建算力网络,统一对外提供算力。新用户注册可免费获 10M Tokens(限GLM-5-Base,上下文长度128K)。
