教你什么是最好的声音

        什么是“好听的声音”？可能你会觉得，就是那种听着就舒服的声音啊。从主观感受角度讲，这么说没错，但从科学、技术角度讲，我们是可以给“好听的声音”下一个定义的，用数据把它表达出来。对于一般人来讲，“好听的声音”是一种“难以言喻的感觉”。

        有的声音很阳光，有的声音温柔甜美，你就是觉得它们声音好听。其实，我们之所以认为一个声音好听，主要受到声学、语言学、心理学三方面的影响。所以我们可以从语音声波产生的声学原理、空间声波传输的空间混响模型、与心理感知和情绪相关的心理学感知模型、韵律、人群差异的语言学等多个角度出发，对什么是好听的声音、好听的声音的数学描述特征指标进行多维分析，总结出不同种类好听的声音的一般规律。

        例如，有些人会喜欢富有磁性的男性的声音，以及温柔的女性声音，那这两种声音特征指标就可以这样描述：男性磁性的声音一般在低频和高频能量较高、中频能量较低；女性温柔的声音往往会显得节奏缓慢、pitch变化小、咬字模糊等特性。以此类推，我们可以用特征指标，来描述更多类型的“好声音”，把这些“难以言喻的感觉”数据化。

        如何把“好听的声音”数据化？答案是：大数据与 AI 算法。事实上，我们也是基于大数据分析出“男性磁性声音”和“女性温柔的声音”有哪些特征的。首先，我们已经知道了辨别“好听的声音”的理论基础：三个维度的多个因素让我们产生了“这个声音好听”的感觉。那么我们可以基于不同场景，如语聊、歌唱等，从性别、年龄、音色的维度确定一些“好听的声音”的目标。

        确定目标之后，就像做语音识别需要语料库，做图像识别需要图片库一样。我们接下来要通过线上、线下的方式收集并建立一个“好声音”的数据样本库。最后对样本库中语料进行多维分类，并通过数据挖掘将人们的喜好转化为数据与音效设计的目标，用这些数据来驱动音效算法设计。通过我们要设计的这个算法，能让我们可以在 App 中，让用户的声音变得更好听。

        声音美化与音效的区别要注意了哟，我们是想用算法让声音变好听（以下简称：美声），而不是给声音加音效。

        其实，有些App 或者算法方案将“美声”与“音效”混为了一谈。两者实现的效果和实现方式，不尽相同。从技术角度讲，音效指的是通过调节EQ、混响，以及添加效果器等，给人声增加某种特定风格的效果，比如我们在线上 K 歌App 中看到的KTV、演唱会、录音棚、流行、R&B、留声机等效果。如果处理之后的声音，有很强的空间感，或者不像你的声音了，那基本上就是经过了音效处理。美声则不仅仅是简单地调节 EQ（均衡） 和混响，而是把声学、语言学、心理学结合起来调节人声的音调、音色、动态、韵律、空间效果等，实现对人声的整体美化。

        它是在不改变人声的基础上，对人声进行调节。就像是对人像增加磨皮、红润效果，不会去改脸型、大眼。如果改变脸型，在音频中，就相当于变声了。所以经过美声之后，还能听出是你的声音，只是变得更好听了，比如更有磁性和活力。