林志玲“献声”高德地图导航 女神语音包是怎么录制的？

对于不少“开车一族”而言，手机里的地图类应用可谓是必不可少。去年，导航类APP“高德地图”邀请了台湾知名艺人林志玲来做代言。从此，高德地图用户可以享受志玲姐姐标志性嗲音的语音导航服务。“志玲祝你旅途愉快哦！”女神标志性的娃娃音让不少男粉丝听得浑身酥软，但这样一款软件占用的空间会不会很大呢？志玲姐姐“献声”高德地图，配音得花多少时间？会不会累坏？

日前，果壳网创始人“姬十三”（原名嵇晓华）提问：“高德导航里，林志玲的语音是怎么录制的？录的时候要念多少词和句子？”

怎样避免累死林志玲？（图为剧照）

简介为“香港凤凰U Radio音乐统筹，音乐节目主持人”的网友“加菲众”的回答获得了最多的赞。他表示，在App页面有林志玲的语音包下载，注明了大小是19MB。根据下图，“林志玲语音”是以.irf封装的文件，大小19.7MB。而普通话（男）只有4.6MB。

通过播放音质判断，其输出端采样率最多不超过64Kbps（又称比特率，指的是数字信号的传输速率，也就是每秒钟传送多少个千位(kb)的信息）。因此，音频总长估算最小值19MB/64KB=300秒，5分钟。而普通话版只有71秒。

相应地，当采样率变为32、16（8Kbps相当于电话的音质）的时候，音频总长估算最小值成倍上升为10分钟，20分钟。

通过视频： 

林志玲代言高德录音花絮

看得出，只有几页纸，包含一些导航以外的语音信息，如节日出行提醒等。这应当就是比默认语音数据量大的原因。

因此，他推测志玲的语音分为两部分：导航语音部分应该采用通用的、很完善波型合成技术，将元音、辅音及音调等采样，通过算法实现文语转换；这一部分要录入的内容很少，很可能是含有个人语音特征的一些基础发音。

而比较人性化的特殊提醒，时间总长在5分钟到20分钟左右，依照一般语速计，录制内容最多不会超过5000字，视频中录音稿只有几页纸，可以佐证这一点。

网友“傅里叶变黄油猫”进一步解释称，对于地名等有无数种变化的语音，使用TTS（Text to Speech，文本转语音）技术，应用很广泛，例如拨打10086使用自助语音应答，查询话费时，系统就会用TTS把余额报给你。Siri说话也是TTS。

汉语TTS实现比较简单，因为汉语拼音的读音非常有限，21个声母、37韵母、5个声调组合成不超过3000个读音，全部录一次，播语音时把每个字的读音串起来就可以了。

不过光是简单的字音组合会让TTS效果听起来很生硬，例如Google翻译的试听功能。为了让TTS效果更自然，需要用算法控制语速、处理多音字的问题，这是TTS技术含量最高的地方。目前汉语的TTS技术已经很成熟，听起来很自然，多音字准确率也相当高。

“黄恪”对比了不同的地图应用，称：“天气通跟高德不同。天气通的做法是录制语音片段，高德用的是合作方的技术，做法是数字化声音特征之后进行语音合成。所以高德的语音方案要比天气通语音包小而且灵活，但是制作成本也高得多。高德当时是找专人，跟了志玲姐姐几个月，贴身录音，然后把原始声音文件处理提取出数字特征。天气通的名人语音基本上是名人几分钟录出来的。墨迹天气跟高德，基本原理一样，但是没有高德那么土豪，所以没有名人语音。”

（观察者网整合自果壳网问答）