波形拼接的语音合成不使用声码器，直接通过拼接原始录制语音片段来合成目标语音，相比参数法，合成的语音更加自然真实。由于直接面向语料库操作，故对语料时长和基元种类具有较高要求。

当然，当语音流畅度达到人们预期时，也并不是完结，音质、自然度和情感等要素也依旧需要攻克。

就拿汉语语音合成来说，目前在单字和词组一级上，合成语音的可懂度和自然度已基本解决，但是到句子乃至篇章一级时其自然度问题就比较大。

比如，国内外大多数语音合成研究是针对文语转换系统，且只能解决以某种朗读风格将书面语言转换成口语输出，缺乏不同年龄、性别特征及语气、语速的表现，更不用说赋予个人的感情色彩。

3、比起听得清和听得懂，“说得好”要求的是更懂人

正如上文所提到过的，目前大部分产品的语音识别率都达到了95%以上，却无法像人类一样表达，其根本原因就是还“不懂人”。

何为“懂人”？我们人与人之间可以从对方的音量、声调、语速、用词等方面听懂对方的要求、情绪、心情、状态，这就是所谓的“懂人”。

说得直白点就是“情感表达”，这是目前而言语音合成技术需要攻克的关键要素。

想要达成这一目标，针对普通生活场景的语音合成是提高情感表达的最佳方式。目前使用语音合成技术播报下天气或者阅读简讯，无疑能合成出完美的语音，但遇到生活化的场景，或者在特定氛围之下，语音合成的效果就会降低很多。一方面由于系统对韵律信息的捕获不准确，另一方面由于生成的声学参数存在误差。当语音合成可以完美消化各类生活化的语境时，其应用场景将得到极大的拓宽。

另外，在语音合成的应用中，大多都是单人、单语言、单语音，如何能由单变多也是语音合成应用中的一大困扰。在“3单”语境的限制下，语言合成技术难以完成应用突破，而目前一些解决“3单”语境的解决方案也不够完美，或多或少都存在瑕疵，并且也没有足够的语料素材来进行支撑。

如何使计算机算法能够自适应技术实现任意说话人、不同风格的高质量语音合成，如何充分挖掘不同语言的发音空间，在语料受限条件下实现多语言语音合成，也是语音合成现阶段的一大挑战。

百度地图在深度神经网络技术的支撑下，已经开始对“3单”语境作出反应，并已收到成效，百度语音合成开始支持中文英文混读，可以提供数十种不同音色，更支持语速、音调、音量设置。这些技术活功能上的增加，无疑将给语音合成带来更加广阔的想象空间。

近年来，在语音技术行业中开始流行一句话：“得语音合成者得天下”，百度地图此时牵手国民女神，导航语音全量上线似乎也在卡这个时间点。

语音技术个性化时代，百度地图占领AI地图高地

地图从羊皮到纸卷，从PC到手机，其实一直在随技术的进步而进化。放眼整个行业，在人工智能浪潮下，百度地图已经走在了前列。语音合成上越来越讲究个性化，个性化的需求就无法绕开大数据和AI，而在这两个方面百度的经验正好合适。

1、汤唯女神的定制语音，不止是百度语音合成技术体现出情感特征的标志

赋予合成语音情感，让合成语音表现出个性生理、心理等特点，是语音合成领域一个难题。

百度地图在推出汤唯语音导航的同时，也足以证明其语音组技术能力的成熟。

神经网络的模型随着百度技术经验的积累，也越来越精巧和高效。汤唯采用的模型，正是百度近期研发出的高质量合成模型，具有很好的音质，音色还原度和自然度。

让语音合成具备情感，还要建立多视角情感描述模型，需要描述认知、心理、生理等影响因素之间的关联性，再通过语音频谱特征表现出来。并且不能一厢情愿，还需要从用户的角度模拟不同人群的使用习惯，偏好等。

而这一系列过程背后，是一套复杂且庞大的数据系统在支撑，百度之所以能够完成还得益于百度地图大数据的丰富。目前百度地图覆盖了全球209个国家及地区超过850万公里道路里程，每日响应位置服务近千亿次等，这些正是百度语音组在打造语音合成技术时的基石。

2、两款导航语音开始满足个性化需求，百度地图AI化已经不再只是技术端

在今年3月，百度地图事业部正式并入AI技术平台体系（AIG），不仅是对其作为基础性服务地位的肯定，也意味着百度地图能够获得更直接的AI技术支持。

依托于整个百度，百度地图在AI技术研发上处于先发行列，有着比较全面的AI技术积累，涵盖语音、图像、大数据智能等。

而“汤唯迷人语音”和“汤唯常规语音”两款导航语音就能直观体现出百度语音组在韵律模型、声学模型预测（神经网络的模型）、弹性单元挑选技术等技术上的功力。

从AI技术应用来看，百度地图已经表现出强大的AI能力，除了能提供实时路况、提前规划路线，推测拥堵等智能地图的“常规功能”外，百度地图开始提供更加个性化的交互，例如，AR实景导航、全景地图、旅游地图、充电桩地图、急救车让行播报等个性化功，这些创新功能不止是听觉还包括视觉上。值得一提的是，百度智能地图还能够“学习”不同路段对应的交规信息，这一点是极具应用价值的。

由此可见，百度地图AI化已经真正意义上实现了从技术端走到了应用端。

结论

汤唯女神导航语音对于百度地图而言是一个标志性事件，是在AI风口下，百度地图作出的重大变革之一，意味着百度地图AI能力呈现立体化。

从杨洋到汤唯，百度地图致力于展现地图AI的先进性，一直不竭余力，智能语音助手作为一个辅助功能，对于其他地图产品的无足轻重，百度地图则是高度重视，仅在视觉提供上，百度地图的语音助手就一定会是在最显眼的位置，并且不止于辅助，百度为语音助手所寄予的是“交互”，充分发挥导航语音“听”和“说”的能力。

如今，百度地图邀请女神汤唯“献声”，无疑是给百度地图语音的锦上添花，在打造新一代人工智能地图上百度地图又先行一步。

从以前的听清、听懂到满足，发展到在满足之后更有“反馈和应变”。在交互方式上也由单一交互变为了真正的双向交互。

同时在百度地图“更精准、更丰富、更易用”的理念基础上可以再加上一条“更具情感”。

在抢占智能地图高地上，百度地图已然领先。

文 |余凯文

来源 | 智能相对论