郭德纲导航 郭德纲out了，听自己的语音导航吧

文本|吴俊余

美国天才科学作家詹姆斯·弗莱霍斯以“智能语音时代”为题描述了语音技术对人们的影响。

他的副标题很有意思——商业竞争，技术创新，虚拟永生。

在他看来，每十年左右，人们与技术的互动方式就会发生根本性的变化。数十亿美元的财富将“等待”定义新时代范式的公司，而落后者将破产。

语音正在成为影响现实的通用遥控器，成为几乎可以控制任何技术设备的手段。语音打破了世界上一些最有价值公司的商业模式，并为新的应用创造了机会。

这一次，百度地图用语音定制展示了品牌营销和技术积累的双重能力。其中，语音技术将广泛应用于未来的ToB和ToC领域空。

一个

品牌营销创新

过去地图行业经常通过明星语音套餐找到明星平台，推出品牌活动。

这个策略真的很有效。事实上，汤唯和林志玲都很受用户欢迎。但是要知道明星粉丝毕竟圈子有限，明星语音可能只会吸引一部分粉丝用户。如果我们想真正扩大圈子，实现营销突破，我们可能必须采取一些其他的策略。

但有趣的是，9月19日，百度地图发布了语音定制功能，直接推出了用户定制的专属语音包。

定制方法很简单。打开百度地图App，唤醒“小度”说“录下我的声音”，或者在百度地图首页点击“旅行助手”进入“语音定制”即可开始语音定制之旅。在安静的环境下，按照百度地图指南，读出漫画、电影台词等有趣的录音文字，等待20分钟左右，就可以拥有自己专属的语音包。

百度地图事业部总经理李颖

最后可以用自己的语音包代替其他的明星语音包，可以用在智能语音导航、智能语音交互、百度地图景点导航等所有场景中。

让用户在使用地图时听自己的声音。这可能是每个人都感兴趣的尝试。这次尝试的有趣之处在于:

1.满足新鲜感；明星语音是市面上大部分手机地图的常规操作。由于传输机制不同，人们听自己的声音和录自己的声音也不同。这种“奇耻大辱”的感觉，往往比明星的声音更有趣。

2.打破圈子；毕竟明星声音只是部分粉丝群体使用，但大家对自己的声音都很感兴趣。他们不花一分钱请明星代言，也不针对少数粉丝用户，而是直接用技术手段覆盖所有用户群体。这个策略可以用四两个来形容。

可以说，这不仅仅是一次营销活动，更是一次技术示范。两者结合得很好，

很少有品牌营销能真正释放技术能力，但百度地图这次做到了。它让技术和营销变得软硬兼施。

二

语音技术的飞跃

这个功能主要使用百度的原创风格转移技术Meitron模型。

风格转移的概念起源于意象场的概念，简单来说就是把一个画面的艺术风格运用到另一个画面上。

实际上，语音的风格转移也称为“语音克隆”、“多说话人”、“风格转移”和“语音转换”。

发音的风格很难转移。

因为深度网络对于语音处理来说比较困难。一方面没有图像和文本领域的研究那么热门，另一方面语音所拥有的信息很难在高维隐藏空之间进行编码。在一个语音时间序列中，以下信息是混合的:说话人特征。);语言内容；副语言特征.

2017年，美国一篇题为《风格表征:端到端语音合成中未保存的风格建模、控制和传递》的学术论文，谈到了风格传递。

百度地图采用的Meitron模型具有说话人音色转换、多情感阅读和韵律风格传递三个方面的特点，大大降低了个性化语音合成的定制门槛。

要知道，以前，星图语音的录制是很麻烦的。以高德地图林志玲读音为例，其制作分为两部分。

一种是根据录音稿录制的语音内容。另一方面，高德当时找人，跟踪了林志玲几个月，亲自录音，处理原声文件提取数字特征。然后，利用通用、完善的模式合成技术，对元音、辅音和声调进行采样，通过算法实现文语转换。

这是2014年明星语音生成的处理方案——看完大概会觉得录一个音太难了。

但是，在Meitron模型下情况就不一样了。这个模式背后的技术支撑是百度脑语音技术的赋能。在AI的加持下，地图语音包的制作实现了从月级到分钟级的突破。

百度之声总设计师雷佳

该模型是目前业界领先的语音合成技术。手机可以完美再现扬声器的音色、风格和情感。

重点是，生成全部只需要20分钟。也就是说，以后不管是什么明星，他们的语音只需要在Meitron模型中运行20分钟，基本上就可以生成一个完整的导航语音包。

语音合成能力越强，未来人机交互和语义理解的可能性越大，机器阅读能力越强。

短短5年，AI支持的语音技术进步很快。百度的脑子实力可见一斑。

三

未来商业的结合点

其实这个品牌营销也是百度语音技术的一个示范，未来可以在ToB端和ToC端有更多的组合。

比如深度神经网络技术提供高度拟人化、流畅自然的语音合成服务，让客户的应用和设备可以畅所欲言，更具个性。

1.教育和阅读产品:使课程和讲解更加生动

在通过阅读应用阅读小说或新闻时，如果使用语音合成技术为用户提供多扬声器的阅读功能，可以解放手脚，获得更极致的阅读体验。

2.生活与服务产品:提高服务互动效率

语音合成还可以应用于出租车软件、餐厅呼叫、排队软件等场景，通过语音合成播放订单，方便用户获取通知信息。人脸识别可以用来识别客户和校对订单。

3.智能硬件产品:使人的机器活动更加生动有趣

可以集成到儿童故事机、智能机器人、平板设备等智能硬件设备中，使用户与设备的交互更加自然友好。

当然，对于百度地图本身来说，语音合成技术的使用使其人工智能地图的称号名副其实——所谓人工智能地图，是指在AI的赋能下，在交互体验、位置信息、出行服务、出行决策等方面发生的巨大变化。

对于ToC用户来说，百度地图未来会有更多的AI能力和语音交互能力，在使用过程中会变得更加便捷和智能。比如结合用户的使用习惯和当前场景，通过用户画像、深度学习等能力，为每个用户带来个性化的信息和服务推荐。

对于ToB用户来说，未来的百度地图还可以利用AI能力和语音交互能力，基于语音定位，结合人口分布、客流分析、设施分布等一系列大数据分析服务，为客户和商家服务；为规划、房地产、商业、零售等行业提供解决方案。

当“你应该回答我”的模式出现时，人与机器的对话绝不仅仅是单纯依靠逻辑的过程。语言永远不会脱离内容的外壳，人会被语言影响或感动。

未来，我们和无处不在的机器形成的世界，将是一个前所未有的、更加丰富多彩的感性世界。

詹姆斯·弗莱霍斯有这样一个想法:

在云时代，“只要简单地加上一个麦克风和一个Wi-Fi芯片，任何装置都能实现语音驱动。从浴室的水龙头到孩子玩的布娃娃，任何装置都能利用分布在全球的几千台计算机所提供的计算能力。”这几乎意味着“万物能言”的童话世界真的实现了。

在这样的世界里，业务逻辑和产品逻辑也会有更多的变化。语音可能真的会成为地图等产品的入口之一。

-

作者|吴俊余微信官方账号|多深

作者是独立作家，微信号852405518

关注科技公司和互联网现象的解读

他曾在2015年、2016年和2018年担任钛媒体的作者

新浪创纪录2018年十大作者

2016年Pintu.com十大作家

腾讯科技2015年最具影响力的自媒体