林志玲“獻聲”高德地圖導航 女神語音包是怎麼錄製的？

對於不少“開車一族”而言，手機裏的地圖類應用可謂是必不可少。去年，導航類APP“高德地圖”邀請了台灣知名藝人林志玲來做代言。從此，高德地圖用户可以享受志玲姐姐標誌性嗲音的語音導航服務。“志玲祝你旅途愉快哦！”女神標誌性的娃娃音讓不少男粉絲聽得渾身酥軟，但這樣一款軟件佔用的空間會不會很大呢？志玲姐姐“獻聲”高德地圖，配音得花多少時間？會不會累壞？

日前，果殼網創始人“姬十三”（原名嵇曉華）提問：“高德導航裏，林志玲的語音是怎麼錄製的？錄的時候要念多少詞和句子？”

怎樣避免累死林志玲？（圖為劇照）

簡介為“香港鳳凰U Radio音樂統籌，音樂節目主持人”的網友“加菲眾”的回答獲得了最多的贊。他表示，在App頁面有林志玲的語音包下載，註明了大小是19MB。根據下圖，“林志玲語音”是以.irf封裝的文件，大小19.7MB。而普通話（男）只有4.6MB。

通過播放音質判斷，其輸出端採樣率最多不超過64Kbps（又稱比特率，指的是數字信號的傳輸速率，也就是每秒鐘傳送多少個千位(kb)的信息）。因此，音頻總長估算最小值19MB/64KB=300秒，5分鐘。而普通話版只有71秒。

相應地，當採樣率變為32、16（8Kbps相當於電話的音質）的時候，音頻總長估算最小值成倍上升為10分鐘，20分鐘。

通過視頻： 

林志玲代言高德錄音花絮

看得出，只有幾頁紙，包含一些導航以外的語音信息，如節日出行提醒等。這應當就是比默認語音數據量大的原因。

因此，他推測志玲的語音分為兩部分：導航語音部分應該採用通用的、很完善波型合成技術，將元音、輔音及音調等採樣，通過算法實現文語轉換；這一部分要錄入的內容很少，很可能是含有個人語音特徵的一些基礎發音。

而比較人性化的特殊提醒，時間總長在5分鐘到20分鐘左右，依照一般語速計，錄製內容最多不會超過5000字，視頻中錄音稿只有幾頁紙，可以佐證這一點。

網友“傅里葉變黃油貓”進一步解釋稱，對於地名等有無數種變化的語音，使用TTS（Text to Speech，文本轉語音）技術，應用很廣泛，例如撥打10086使用自助語音應答，查詢話費時，系統就會用TTS把餘額報給你。Siri説話也是TTS。

漢語TTS實現比較簡單，因為漢語拼音的讀音非常有限，21個聲母、37韻母、5個聲調組合成不超過3000個讀音，全部錄一次，播語音時把每個字的讀音串起來就可以了。

不過光是簡單的字音組合會讓TTS效果聽起來很生硬，例如Google翻譯的試聽功能。為了讓TTS效果更自然，需要用算法控制語速、處理多音字的問題，這是TTS技術含量最高的地方。目前漢語的TTS技術已經很成熟，聽起來很自然，多音字準確率也相當高。

“黃恪”對比了不同的地圖應用，稱：“天氣通跟高德不同。天氣通的做法是錄製語音片段，高德用的是合作方的技術，做法是數字化聲音特徵之後進行語音合成。所以高德的語音方案要比天氣通語音包小而且靈活，但是製作成本也高得多。高德當時是找專人，跟了志玲姐姐幾個月，貼身錄音，然後把原始聲音文件處理提取出數字特徵。天氣通的名人語音基本上是名人幾分鐘錄出來的。墨跡天氣跟高德，基本原理一樣，但是沒有高德那麼土豪，所以沒有名人語音。”

（觀察者網整合自果殼網問答）