【摘要】無論國內還是國外的企業，都非常重視聲音定制對于觸達用戶、引導成交、樹立企業科技形象的重要價值，但同時聲音、音質是一個難以量化的東西，我們該如何選擇最合適的聲音定制方案呢？

人的聲音是一個很奇妙的東西，一方面我們很難用日常詞語將人聲描述得很具體（相對于人的外貌），但另一方面，我們大腦對人聲的記憶力、分辨力和聯想能力卻非常強，我們能夠“聞聲識人”，通過聲音區分不同人物，通過聲音節奏、音量大小感知對方情緒，甚至了解到對方的性格特點。同一句話，不同的語速、語氣、語調，我們也能敏銳察覺到情感上的細微差異。當聽到清澈、明朗的高音聲音時，我們會很自然地聯想到靈動、單純的小女孩，大腦會瞬間放松戒備，啟動“打開”模式來接收外界信息，即輕快的、使人放松的聲音提高了信息的接受程度。 

【資料圖】

聲音定制的應用

前進保險公司（Progressive Insurance）是美國保險業的一股創新力量，他們推出了一款對話機器人Flo，在定制這個機器人聲音的原型時，Progressive Insurance尋找了許多形象，最終選定為Stephanie Courtney在電視廣告中所塑造的、觀眾熟知的銷售人員 Flo，其聲音給人一種俏皮可愛、個性開朗的感覺，一經推出便深受人們喜愛，在Facebook上收獲了上百萬粉絲。Flo的出現，幫助Progressive Insurance觸達用戶、引導成交，在宣傳公司科技形象方面，也起到了無法估量的作用。

在國內，也有企業很早就認識到個性化的聲音對于產品、企業的重要價值，并通過聲音來凸顯產品定位或企業形象、占領用戶心智。在某些行業，定制IP聲音已成為標配，如手機導航軟件、有聲讀物平臺、金融業智能客服等。除了這些我們熟知的，其他的應用場景還包括：定制明星聲音用于品牌傳播及市場營銷；定制動漫IP聲音用于增加互動，提高動漫形象的趣味性；在知識付費領域，定制名師、大V或KOL的聲音以提高內容的受歡迎程度······隨著元宇宙、虛擬人的興起，聲音定制的落地場景也將越來越多。

如何定義一個好方案

聲音、音質是一個難以量化的東西，甚至不同細分場景差異巨大，如何定義一個優秀的聲音定制方案呢？

我們調研了多家已進行或正在進行聲音定制的虛擬人平臺、有聲閱讀平臺和品牌營銷公司，發現他們最看重的是聲音的逼真度，具體可以量化為3個維度及對應的4個指標，3個維度包括系統可懂性、自然度、相似度，（以中文為例）對應的指標包括PER（拼音-不包含聲調-錯誤率，越低越好）、PTER（拼音-包含聲調-錯誤率，越低越好）、MOS（自然度音質，越高越好）、Sim（與真人聲音的相似度，越高越好）。

與智能語音領域專業人士的溝通中，我們了解到，這一賽道的頭部企業國外如谷歌、蘋果，國內如 BAT，因其資本優勢以及先發性的技術沉淀，對該市場有較強的壟斷性，但按聲音定制的實際效果而言，根據關鍵指標、客戶口碑，國內企業已經有一匹黑馬突出重圍——深聲科技（https://www.deepsound.cn），是該領域的絕對權威。

在對深聲科技聲音定制產品的測評過程中，我們發現很多細節，比如還原nl、兒化音的口音習慣，比如還原對短句和長句的語調、語勢處理，這些細節處理可能會使合成的聲音普通話不夠“標準”，但是高度還原了用戶發音特征，富有表現力。“我們更加傾向于還原聲音本身的特征，尊重每一個聲音獨一無二的特質，”深聲科技CEO周俊明說道，“希望能夠真實地還原聲音在現實世界中給人的那種感覺，就像與朋友進行的一場對話，或聆聽或思索，給人一種非常舒適的感受。”

如何選擇方案

我們還了解到，為達到客戶所需的最佳合成效果，深聲科技在各個技術環節都做了大膽的創新和優化，并提供多檔解決方案，以解決不同場景下的客戶需求：

1.極速聲音定制，僅需20句話錄音（約90秒）、1天內即可上線使用，由于音色還原效果好、價格親民，還可先體驗后付費等特點，目前是最受B端客戶歡迎的解決方案；

2.輕量聲音定制，30分鐘音頻、3個工作日左右可完成定制，高度還原發音特點，可用于B端專業級商用；

3.精品聲音定制，2小時音頻，并提供錄音棚、專業設備、錄音文本等內容，主要是高端客戶使用，適用于深度定制的企業、明星IP等場景。

目前，這些方案已經得到了市場的認可，從公開信息我們得知，有很多行業的頭部企業選擇使用深聲科技的聲音定制方案，如手機行業的小米、OPPO，音樂傳媒的網易云音樂、酷我音樂，汽車行業的長城汽車、東風嵐圖等等。

聲音是塑造一個有血有肉的形象的關鍵，在元宇宙、虛擬人的浪潮中，聲音定制將會扮演越來越重要的角色。相信在未來，會有越來越多像深聲科技這樣的科技界黑馬，突破國外老牌企業的重圍，帶來更多更具創造力、想象力的智能語音解決方案。

（進入https://www.deepsound.cn或搜索“深聲科技”可快速體驗聲音定制效果）

標簽： 聲音定制 深聲科技