在这个被忽视的技术中，我发现了许多团队的突围机会
01
一个意料之外的设计变量
语音系统，可能是最不起眼的游戏功能之一。但现在，情况变了。
最近的社交媒体上，一位玩家在“你最近最喜欢的游戏是什么”的问题下提到，他近期沉迷玩一款名为《Dark and Darker》的游戏，尤其当它重新引入了全新的语音系统（VoIP）后，游戏体验变得更好了。
相似的现象在也出现在《Suspects: Mystery Mansion》。开发者去年在相关媒体账号上指出，游戏迭代了一次语音系统后，哪怕玩家不戴耳机，其游戏体验也能得到提升。开发者对提升幅度描述为“彻底”。
如果你在社交媒体上搜索上述产品+VoIP的词条，能看到玩家对语音系统清一色的喜爱。某款产品测试阶段上线该系统后，有KOL专门为此制作了视频，不吝溢美之词地称赞语音体验；有玩家回复，游戏前后体验能好上“10倍”。
这一现象并不寻常，毕竟很少有玩家会提到游戏声音的优劣。
游戏声音的评判比较尴尬，它既难被玩家捕捉，也难被开发者确切描述。一位大厂音频总监曾告诉我，他们此前靠用户调研判断工作成果，只要“没人提音频不好”，便证明工作做对了方向。
语音系统更为边缘，它甚至难算作游戏音频。过往，语音更接近附加功能，与游戏所需的社交程度挂钩。如果语音需要被添加，它通常不是由音频部门负责，而是交由客户端来开发。这是一个较为基层、难出彩的功能模块。
而如今，语音模块正切实地在数款产品身上带来了超预期的市场反馈，甚至成为部分产品影响玩家体验的关键因素——这些产品的共同特点，就是使用了腾讯云音视频GME与Wwise独家合作的语音方案。
根据玩家、KOL对上述两款产品的评价，这套全新的语音系统已成为游戏音频的一部分。
在《Dark and Darker》KOL发布的相关视频中，一位深处在洞穴的玩家向主播求饶时，他的声音不仅有方位感，还自带混响，好像那个玩家是真在逼仄的洞穴中说话一样。
在《Suspects》里，玩家语音有传播范围，太远了听不见，还有可能被墙壁隔开——玩家在被其他人追杀时，为了及时告诉其他人自己有危险，得跑来跑去，大声呼喊才行……
通常，游戏声音要有信息，也要有“身临其境”的感受。游戏声音为了沉浸感，会实时做混音。例如，当一位玩家走路的时候，另一位玩家根据脚步声就能判断他是在楼上还是楼下，是在木板上还是外面的石子儿路上，距离有5m还是10m……
而传统语音功能简单，玩家开麦只为了传递信息。语音更接近于一个独立社交系统，与游戏内容本身的联系并不大。很多游戏一开麦，就像是拨通电话一样，让玩家的声音和游戏格格不入。
——很明显，上述两个产品案例的语音多了临场感的那一面。
《Dark and Darker》就是一个典型案例。
《Dark and Darker》的语音与游戏声音就融合在了一起。当玩家在游戏开麦说话的时候，语音会根据玩家所处的环境，完成混音，让听到语音的玩家能立刻知道说话人究竟在什么位置，或者身处在什么样的空间。
听起来并不特别？但玩家的体验却因此发生了许多变化：大家开始更频繁地和陌生人聊天，就为了能听听声音在地下城里的回声；语音还带来了紧张刺激的感觉，强化了某些场景的表现力；一些主播喜欢这种沉浸感，时不时会戏精上身，玩起角色扮演……
其实仔细梳理游戏设计，《Dark and Darker》并没有为语音额外增加玩法设计，或是为其改变关卡，但仅是让语音多了沉浸感的设计，就已经让玩家们的体验发生变化，甚至改变了其游戏的方式——说实在一些，这一改动的性价比很高。
这种沉浸感还有许多额外的加持。比如，GME for Wwise功能还使语音更清晰，不割裂，就像在游戏环境之下的面对面对话；再比如，组队玩家可以应用彼此熟悉的变声特效，既区分了队伍，也多了趣味性。
而在不久前，语音系统还只是一个距离游戏设计很远的边缘功能模块。而如今，它正在借助新的语音技术，跻身到游戏音频的设计范畴，开始启发团队立项方向，影响玩家的游戏体验。
但这一变化是什么时候开始的？
02
从边缘功能，变成核心的一部分
在刚看到有关语音的称赞时，我其实也不以为然。这与行业对语音的传统认知有关。
语音的边缘性，部分来自其功能定位。语音对很多产品都很重要，但它在生产流程上鲜少被重视，大部分团队认为，等所有设计完成后，再额外添加上语音功能就好。这也忽视了语音质量对游戏的影响。
语音的功能定位，也使其更多交由三方团队开发。研发组不需要耗费太多时间去自己做一个语音系统，而是寻找三方团队的解决方案，植入项目就行。一位音频总监提到，他们针对语音系统的工作只有屏蔽词设定。
也因此，语音模块距离游戏设计一直很远。
最早，国内语音功能就独立于游戏，依赖三方聊天软件。在《魔兽世界》《传奇》《QQ炫舞》等产品的社交环节，许多玩家会额外挂YY等语音软件，和朋友一起聊天打本。语音模块时常会脱离游戏，接近另一个社交场景。
后来，语音模块逐步融入游戏，与部分品类绑定在一起。这部分需求在手游发展较快的阶段颇为明显，由于手游聚焦操作，所以玩家难做太多社交动作，比较依赖游戏内即时语音系统。也在此时，GME项目开始推进。
2017年，GME开始推出语音解决方案，提供SDK及基础API来帮助游戏厂商做游戏内的语音系统。根据相关信息，GME是腾讯云音视频旗下产品，它最初诞生于QQ音视频实验室，用以支撑内部产品，后对外开放，向外部游戏厂商提供语音方案。
成立早期，GME核心战略是做一站式方案：
- 这套语音方案要极简，仅需4行代码就能使用功能；
- 它有腾讯云音视频的技术优势，足够稳定安全，兼容移动、PC等多端平台，并且是索尼与任天堂主机平台官方授权的语音插件；从17年适配unity起，到如今最新UE5、PS5、XboxSeries的适配，SDK越发成熟稳定；
- 更重要的是，它集成了大量语音功能，能做基础的音文互转、语言翻译，也能做更高级的识别特定游戏术语、录制音频存档、极速语音条等，还因覆盖游戏品类的广度与深度，而优化迭代了较多语音管理相关的能力……
但语音始终是边缘功能，因为鲜被重视，它一直有一个未被解决的“顽疾”。
手游平台的语音一直存在一个割裂游戏体验的问题：玩家一开麦克风，游戏声音就会如电话音一般，让体验割裂。不过由于语音一向如此，很多人都觉得它是无法避免的，甚至鲜有人将其视为痛点与GME沟通。
简单来说，此前语音想要变得清晰，依赖硬件调试，它得去手机的通话功能里才能降噪，并消除回声。但这一调用，原本走电影音乐播放通道的游戏声音，会一同被带到通话音质。这也让游戏一开麦，音质就变差。
如果要解决这个问题，就得想办法让语音不依赖硬件，在软件层面去做降噪和回声消除。而在过往的传统方案里，语音之所以没往这方向考虑，便是因为边缘性，它很难拿到游戏的音频信号。
2018年，GME希望解决这个问题，他们前往加拿大与Audiokinetic的Wwise联系——这是全球覆盖范围最大的游戏音频引擎软件——寻找解决方案。他们一开始的策略很简单，就是借助音频引擎从软件层面提升语音质量，让它不会割裂游戏体验。
但合作起初并不顺利。Wwise觉得这事没什么必要，它服务的海外产品以PC、主机产品为主，没有听到太多用户关于手游的语音体验反馈——也是在沟通中，GME意识到，语音除了提高声音品质，它在游戏引擎里其实可以做更有价值的功能。
从结果来看，GME for Wwise方案是将语音做成了游戏内的一个事件。一方面，语音完成降噪和回声消除，让游戏保持媒体音量，使开麦不会影响游戏声音的品质；另一方面，语音还能与其他音乐音效共同听从游戏设计的指挥，一同为玩家的沉浸体验服务。
在这个方案里面……人声构成游戏事件的一部分。
2023年北美GDC游戏开发者大会上
Audiokinetic（Wwise）公司展台上
向无数开发者呈现GME for Wwise方案
总结这个全新的语音方案，GME for Wwise最大特点就是将边缘化的语音系统纳入游戏音频，鼓励音频设计师将语音作为设计的一部分，让语音不停留于通话功能，而是能成为玩家与游戏交互的方式之一。
借助Wwise与GME的合作契机，语音模块逐步消解了边缘性，正慢慢从一个需要三方提供的解决方案，变成了能够拓展游戏厂商设计纬度的“游戏声音”。这也是我在了解新语音系统时感知最为明显的部分。
目前，越来越多的厂商开始引入GME for Wwise的语音功能，国内多款大热的MOBA、派对产品，也已开始尝试接入该方案，以提升产品的语音体验。
03
亟待探索的新领域
语音对于游戏设计来说并非一个陌生领域。
此前，《In Verbis Virtus》《会说话的汤姆猫》等产品就尝试做了语音设计，玩家喊出特定内容，游戏对玩家做出一些回应。这些设计已经将语音视作了玩家与游戏交互的一种方式。
而GME与Wwise推出的独有解决方案，让语音真正在设计领域突围道路——它更接近于一次聚焦语音的技术变革，语音正追上游戏设计的其他模块，成为一块可用的组件，可以被更多团队在立项阶段视作实现差异化的武器之一。
根据一位音频设计师的进一步解释，游戏设计强调关联性，比如在声音范畴，单个声音可能并不出彩，但它们可以彼此配合，组成一块足够完整的体验，它们就能带来沉浸感。语音从新技术处获得的，正是它与其他组件的关联。
另一方面，GME for Wwise也对团队带来了影响：如今一个语音模块，可以由客户端负责逻辑开发，音频部门来做创意设计；它提升效率的同时，也额外增加了创意发挥的部分。
探索还尚未普及开来。GME在Wwise的第一个语音插件在2020年1月发布，随着一两轮开发周期过去，这一插件开始被更多开发者应用起来。而且许多产品仍在开发当中，对全新语音方案的应用程度仍是未知数。
但我们已经可以在已有产品中看到了许多很有趣的尝试。
语音与空间的关系就是一个方向。在Wwise介绍GME插件的demo里，他们就主要展示了语音在空间中折射、衰减的3D效果。站在研发角度，这一变化也变相影响着团队设计关卡结构的思路——《Suspects》便是如此。
传统太空杀的对局不需要语音，玩家各自推进任务，直到发现凶案，大家再在投票环节再交流信息；而《Suspects》让玩家们在对局中也能互相交流，不过若彼此离得越远，或者有建筑物阻挡，声音就会衰减。
对比传统设计，《Suspects》的关卡也要更加立体复杂，它会考虑到玩家之间彼此交流的轻快，尝试制造更多死角，来阻挡或衰减语音信息的传播—— 游戏的每个关卡有需要乘坐电梯的复式解构，有大量隔开的小房间，以及有高低差的楼梯间……
也因此，“太空杀”的尔虞我诈能贯穿整个对局过程：如果你怀疑某人有嫌疑，害怕他加害你，大可到处乱跑大叫他的名字，尝试向附近的人留下讯息；如果你是完成犯罪的嫌疑人，可以在事发前就找到其他人，提前释放假消息。
逍遥散人在直播时看到有玩家靠近，
就到处大喊“cheche贴我！我死了就是cheche！”
Suspects还做了一个提示效果：
玩家语音声音大小和角色光圈挂钩
《Suspects》的音频设计师在Wwise座谈分享的时候特别提到，他们之所以能够跳出品类限制，做出不少有关语音交互的乐趣，就是在接触GME for Wwise后，觉得可以把这些功能用起来，做一些过去不会想到的玩法。
除此之外，语音与游戏设计的结合方式还有很多。例如与队伍划分结合，不同队伍玩家的语音可以被赋予不同的声音特效；例如与变化的天气结合，队友的语音会混杂更多的气象效果，如下雨、刮风等，增加游戏环境的真实度。
再比如，语音与角色状态结合。如果玩家受到了攻击，状态不好，那么他的声音就可以按角色血量或debuff增加一些表达痛苦的混音；如果他需要火力支援，可以让其他游戏音效小声一些，突出角色求助的关键信息。
回顾语音的过往是很有趣的事。最早，语音服务商们的策略都是做一站式，要集成足够多的功能，覆盖足够多的场景，为客户提供足够丰富的服务。但无论如何变换，它都是面向游戏厂商做迭代。
如今，语音面向产品，完成功能突破。语音不是去满足游戏厂商多么百人千面的需求，而是进到了生产链路，成为产品的一部分，正想办法直接为游戏带来增益价值——站在产业角度来看，这也将改变行业对这一细分领域的诸多认知。
现在已经有越来越多的游戏工作室对GME方案感兴趣，并开始让在研项目对接全新的语音解决方案。而Wwise也在与许多使用了新语音方案的团队联系，让他们分享更多设计经验。
或将在不久的未来，我们就能看到语音模块会对游戏设计带来更多有趣的改变。
腾讯云音视频在音视频领域已有超过21年的技术积累，持续支持国内90%的音视频客户实现云上创新，独家具备腾讯云RT-ONE™全球网络，在此基础上，构建了业界最完整的 PaaS 产品家族，并通过腾讯云视立方 RT-Cube™ 提供All in One 的终端SDK，助力客户一键获取众多腾讯云音视频能力。腾讯云音视频为全真互联时代，提供坚实的数字化助力。
