# 一个字节都得省的年代，人们是如何创造游戏人声的？ - 作者：爱范儿 - 发布时间：2020-03-11 20:12 - 分类：游戏 - 原文：https://www.ifanr.com/1314574 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/ca/2e/ca2ebf8e733a05e06ee93671051f9e53b0daaa2a-6746f7c63f81a2dbe6ce960460e008bf4b34ac69.jpg) [本文](http://www.vgtime.com/topic/1077681.jhtml)来自「游戏时光 VGtime」，作者箱子，爱范儿经授权发布。 早年间我们总是会「空耳」游戏中的一些语音 —— 比如把《街头霸王2》里的波动拳（Hadoken）听成「阿多肯」，升龙拳（Shoryuken）误认成「殴哟肯」。后来我才发现，这些都是因为街机基板 CPS1 对发音「H」支持不佳所导致的。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/35/c9/35c92049fa70af129604ff5717dc26d14a3fa267-a0ebb3dee9a89122690269911eab68d831d5f8aa.jpg) ▲ 到《街霸5》时就不存在空耳的问题了 几十年前，电子游戏的容量非常有限，想要展现出人声通常只能采取合成的方式，请真人来录制一段对话是件无比奢侈的事情，还不如多塞几首好听的 BGM 来得划算。但合成人声直到今天也并不完美，即便是 Siri 和 Cortana，你仍然能明显感受到它们说话时的违和感。 游戏人声的发展过程无疑非常漫长，从《打鸭子》里「wawawawawa」的音效笑声，到配音演员点对点的录制，这一切或许都要从一尊铜像，以及地球人都知道的一台机器说起。 ### **人声？不，那是魔术** 人类对于创造人声的执念由来已久，中世纪末期（12~13 世纪）就有一则关于「人头铜像」的传说，据说这玩意能够正确的回答任何问题，与当时炼金术的兴起有很大关系。 但事情肯定没那么玄乎，古希腊数学家希罗老早就写过两本关于蒸汽，水，空气动力装置的书，名字是《气体力学》（Pneumatica）和《自动装置》（Automata），后来被伊斯兰世界加以应用，12 到 13 世纪又在欧洲被重新挖掘出来。 近代魔术师约瑟菲也用铜造了个「巴尔萨莫头骨」，上面镶嵌着人类的牙齿，通过转动或敲击下颚就能配合着回答问题。在很长一段时间内，把合成人声当成魔术也不为过。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/1a/af/1aaf08aedcab1a0f3e69bb382cd91802e45808c9-0f81696feb4d8b0c5c283d158da324448e483609.jpg) ▲ 约瑟菲和他「能说话的」头骨 但科学家们看得更明白一点。1779 年，俄国帝国理工学院给一个声道模型颁发了奖项，该设备可以念出 a、e、i、o、u 五个长元音。匈牙利人沃尔夫冈也在 1791 年的一篇论文中提到了「声-机械语音机器」，它增加了舌头和嘴唇模型，能够同时发出辅音和元音。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/d0/ed/d0ed97b11b917e7abdafeee26f3b873b17f3b218-af61a4cb77f8747c63dadd953e2ca9f7a550f3c3.jpg) ▲ 沃尔夫冈的机械语音机器 直到 20 世纪 30 年代，由贝尔实验室开发的声码器（Vocoder）才算是构筑了现代合成人声的主要思路。 这台机器具备分析语音音调和共振的能力，原理是将声音编码后再进行传输。因为从本质来看，人声大体上可以解构成周期性的波形和谐波，声带、鼻子和喉咙则是改变声音振幅、频率的系统。只不过有一些「抑扬顿挫」信号难以量化，合成人声听起来才会非常像机器人。 相比录制一段语音，这么做的好处是可以最大限度的压缩数据体积。总共存储的声音就那么几个，要组成一句话时便调用拼起来，然后再调整深度和长度。原理其实和 FC 的图像处理方式相似 —— 角色和场景是由零散图块拼成的，其中存在大量复用，而不是一张张的 JPG 图片塞到 ROM 里。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/18/6c/186c3cf65261b4f7304a82b1daf246e4f4561fbb-efce4f667f720f97fe37966b52ea14312d753981.jpg) ▲ 20 世纪 70 年代早期的定制声码器 在这套理论的基础上，1968 年，日本电机技术实验室开发了第一个将「英语文本转换为语音」的系统，由于它是基于计算机的成果，和声码器一样不同于过往那些依靠螺丝、阀门的「机械式」模型，因此电子游戏后续才有了应用合成人声的可能。 但先别着急，这项技术真正被游戏使用之前还有个小插曲 —— 那便是万家皆有，中国人都把玩过的语音计算器，你肯定对那一声声「归零」记忆犹新。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/67/f5/67f543f39c7dee32a2c04976362a7db91fe49ff4-9bf0bfa751d2d7f19e766bad2aa2e950dbfea20f.jpg) ▲ Telesensory Systems 的「Speech+」计算器 1974 年时，美国人莫泽（Forrest Mozer）创造了一套基于集成电路的语音算法，他首先将这项技术授权给了 Telesensory Systems，后者在 1976 年打造了一款面向盲人的语音计算器。而作为首款具有语音合成功能的消费品，它内置的 TSI S14001A 芯片起到了关键作用。 这块出自工程师伯纳德（Ed Bernard）之手的芯片，将 24 个单词词汇表的数据放入了一个 4096 字节的 ROM 中。为了最大限度的压缩数据，开发者们想尽了法子。比如有个标记为「X/-」的功能键没有对应语音，而是复用了两个已有的语音进行连续播放，这样就只需要额外用到 2 个字节。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/ab/3b/ab3bcdcf633d6caa8d0e5b0744d900ba3c062d47-6d90a6b68b5c8fbd973f1858817e8ca9bea78521.jpg) ▲ 2 所标识的位置就是「TSI S14001A」的集成电路 不难发现，正由于所占空间极小，它几乎影响了 20 世纪 80 年代初期一大批包含「人声」的游戏。 ### **给单调的音效来点变化** 如今的柏青哥、老虎机，往往会加入很多炫酷的特效和声音来强化感官，因为上世纪 30 年代那套弹珠打桌板的反馈实在是太无聊了。而从雅达利、红白机时代走过来的玩家，同样会对「嘟嘟嘟」「滴滴滴」的洗脑音效感到厌倦。 第一个买到 TSI S14001A 语音芯片的游戏公司可能不是 Sunsoft，但他们绝对是第一个做出「合成人声」作品的开发商。 由其制作的清版射击街机《太空防卫》（Speak & Rescue）诞生于 1980 年，玩法一目了然，只需要射击那些企图绑架宇航员的外星人。亮点在于，宇航员被挟持和救助时有对应的语音，诸如「Help me」、「Very good」、「We’ll be back」，「Lucky」等等。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/85/63/8563981c7c40d7fcb4b04eba37615db488232224-f9ea7bb5b4d06a4c5208b74172144491ed542d10.jpg) ▲ 太空防卫 这部作品有很多版本，日版语音几乎替换成了日文，比如「Tasukete」（救命）。名为《蜘蛛战士》的山寨版在玩法上大致相同，只是宇航员变成了水果，但由于登陆的是 Atari 2600 平台，合成人声这个卖点并没有保留下来（开发商还是当时技术力最强的动视）。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/1b/15/1b15c86ca8f104858f9a14c597f1de9d87bda6d8-b91ec66c3a4644dd7eb24f85ff86d30ddd4a8d31.jpg) ▲ Taito 发行时还把几句人声台词当卖点，写到了《太空防卫》的海报上 街机方面，晚《太空防卫》几个月诞生的《迷宫射击》（Berzerk）在合成人声上做得更为复杂。当特殊敌人出现时，喇叭里便会传出「Intruder alert」（入侵警报）的语音，而当玩家不小心被打死时，则会有「 Got the intruder」（击杀了入侵者）的台词。 游戏中敌人掌握的单词并不少，简单一点的像是「Attack」（攻击）、「Charge」（冲锋）、「Destroy」（摧毁），复杂点的甚至可以组成短语，主要依据事件触发，类似「Kill the chicken」（杀鸡）和「Destroy the intruder」（摧毁入侵者）。由于敌人的设定本身就是机器人，所以合成人声的语调并不会觉着违和，算是恰到好处。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/9b/fc/9bfc610c9fc466c99790faaea5a9f128397507b4-90a853abce2e2f57246236867039d9fe8d4d4199.jpg) ▲ 《迷宫射击》的人声台词写也在了海报上 看到街机那边整了点新花样，家用机的开发商也没有闲着。米罗华为了在竞争中占得先机，率先为「奥德赛 2」开发了一个名为「The Voice」的附加语音模块，玩家需要多掏 100 美元才能买到。该模块有着内置扬声器和音量控制按钮，对应游戏也采用了独特的蓝色包装。 第二代米罗华奥德赛上的「合成人声游戏」基本都诞生于 1982 年，其中《Type and Tell》顾名思义，可以根据玩家输入的单词输出语音。《K. C.’s Krazy Chase》则加入了「Incredible」（不可思议）等鼓励人的合成声，游戏玩法倒是创新不多，和《吃豆人》相似。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/49/53/4953d706fc73ef47974a9380ee77f80ebdf1c2a8-7ec574506ddb9f4605c3a22148e7dee32b542b16.jpg) ▲ 第二代米罗华奥德赛的语音模块 而作为米罗华主要竞争对手之一的美泰，同样在 1982 年推出了用于主机 Intellivision 的语音模块「Intellivoice」。他们采用了通用仪器的 SP0256 语音合成芯片，支持报数、「Press」（按）、「Enter」（进入）、「And」、「Or」、「Mattel Electronics Presents」（美泰电子制造）等语音。 但由于只有 2048 字节的 ROM，相比前文提到的 TSI S14001A 芯片还是稍微差了些。Intellivision 上的《棒球》只有「Strike」、「Ball」、「Out」几个词，如果要增加额外的短语，那么只能寄希望于卡带里存储的数据了。 不过，第三方厂商若是加大容量又会大幅提高生产成本，所以 Intellivoice 一直卖得不好，最终于 1983 年停产。虽然该设备的初始订单一度达到 30 万套，但结局大多是摆在货架上吃灰。 ![](https://media.ifanrusercontent.com/user_files/wpdata/images/ca/2e/ca2ebf8e733a05e06ee93671051f9e53b0daaa2a-6746f7c63f81a2dbe6ce960460e008bf4b34ac69.jpg) ▲ Intellivoice 任天堂在这一点上倒是比较聪明，在 FC 中内置了一个 DPCM 采样通道，既可以表现背景音又可以用于加入合成人声，而不是做额外的硬件。这样风险全部转嫁给了游戏开发商，让他们自己掂量成本。 到了 80 年代末期，卡带 ROM 的制造费用降下来时，Sunsoft 又做了一些带有大段合成人声的游戏。光盘技术此时也在酝酿之中，1983 年的《龙穴》最早将立体声和录制人声结合到了游戏中，真人配音逐渐走上了历史舞台。 如今那些 3A 游戏的背后，大概率有一帮默默无闻的配音班底。反观之下，合成语音成了特定场所下展现氛围的一种技巧。但无论如何，几个字节都要死抠的时代都已经一去不复返了。 参考资料： [Speech synthesis wikipedia](https://en.wikipedia.org/wiki/Speech_synthesis) [Digital Sound And Music](http://3daudio.info/gamesound/history.html) [The Development of the TSI Speech+ Speaking Calculator](http://www.vintagecalculators.com/html/development_of_the_tsi_speech-.html) [Mechanical Speech Synthesis in Early Talking Automata](https://acousticstoday.org/wp-content/uploads/2019/06/Mechanical-Speech-Synthesis-in-Early-Talking-Automata-Gordon-J.-Ramsay.pdf)