此外，其实就以语音库这件事而言，尽管现在 AI 语音盛行，离线语音越来越不占优势，但这并不代表离线语音就不再受到开发厂商的支持，因为仍然有大量的场景，例如我们刚刚提到的柜台软件等，在大部分情况下，仍然需要离线语音的快捷和便利。而对于读屏软件而言，我们最需要做的，是和语音厂商进行充分的交流与沟通，需要表达我们对语速、自然程度、响应速度等不同方面的需求。只有厂商充分了解了我们这个群体，才能真正为我们提供更好的服务。点明和讯飞语音的交流，其实不仅仅照顾到了点明软件的优化，同时，也让语音厂商了解了，为屏幕阅读器提供语音服务时，应该注意哪些问题，这才是最有意义之处。
自从点明安卓升级到 64 位语音库以来，就时不时会有人讨论关于语音库音色、音质等问题。有些朋友因为更新到 64 位语音库以后没感觉到太明显的变化，甚至觉得你这简直就是更新了个寂寞啊，花了这么长时间，用了这么多精力，说是更新到 64 位了，可是我们的使用感受一点没变，语音库以前是什么声音现在还是什么声音，以前有哪些角色现在还是哪些角色，以前怎么设置的，现在还一样的设置，你这是不是在玩儿我。今天，我们就来和大家聊聊这事儿。
首先说结论，对于将 32 位语音库更新到 64 位这件事来说，其实，没变化，恰恰就是最好的结果。我们在做这项工作的时候秉承的一个首要原则就是，更新之后要确保没有变化，一点变化都不能有。这里说的没有变化，主要是指原有语音角色的音色以及响应速度。看到这里，你是不是有点困惑，居然没变化，要更新它干什么？这就要说背景了。
更新到 64 位语音库这件事儿，本质上并不是为了改善我们的听觉效果，而是一个大势所趋。我们知道，现在已经有越来越多的软件都将自己的架构升级到了 64 位，手机随着芯片的不断迭代，也逐步的趋向于 64 位架构，彻底放弃 32 位软件也指日可待。也就是说，在不久的将来，如果你的软件仍然是 32 位架构，将无法在新的手机上安装和运行。许多手机厂商为了提前做好准备，在自己的应用商店中已经不允许上传 32 位架构的应用程序。例如之前有一段时间，点明安卓在小米和华为的应用商店一直没有更新，主要原因就是因为我们所使用的是 32 位的语音库，应用商店不让上传。这就给我们提出了一个很大的挑战，软件是我们的，可语音库却是讯飞的，要把我们自己的软件改成 64 位容易，语音库也要改成 64 位，就只有找语音库厂商协调。这也不是我们一家的问题，我们的所有友商也都得必须面对。所以我们才看到后续几乎所有的手机读屏都慢慢开始调整，陆陆续续推出了自己的 64 位语音。
说实话，这项工作并不好做，有些朋友应该还记得，我们最初和大家聊到 64 位语音库，应该还是在2022年我们的十周年发布会上，后来，在去年春季的点明秀场，我们也不止一次提到这项工作。但直到真正和大家见面，时间已经过去了一年多。其实，我们头脑风暴组几个人早在2022年春节放假之前就拿到了一个基于 64 位语音库的点明安卓测试版本，但效果和现在根本不能同日而语。之后就是无比漫长的调试和优化，说起来简直就是一把辛酸泪。
64 位语音库的主要问题在哪儿呢？其实就是朗读效果和跟手速度。就朗读效果而言，语音技术发展到今天，厂商们一直在追求的是更加自然、流畅的语音效果。然而，这种效果与读屏所迫切需要的效果却有所不同。语音库追求的效果是自然，逼真，接近真人，而读屏软件所追求的效果首当其冲是流畅，自然度方面，平铺直叙就好，最重要的原因是在加快朗读速度以后能够不损失发音质量。我们拿到的第一个版本，当调整到一个比较慢的发音速度时，朗读效果确实比之前的语音库要更接近真人一些，可当速度被加快以后，声音就没法听了。抖动、丢字、爆音、停顿不正常、发音奇怪等问题层出不穷，实在是不能用。
再说跟手速度，就更是一个要命的问题。如果说语音厂商在效果追求方面多多少少还和我们有一些共同点，而在跟手速度方面，就完全只有靠我们自己。因为语音库在发展过程中，可以说，几乎从来没有追求过跟手速度这个东西。为什么呢？因为这东西除了读屏软件以外，其他领域几乎没有需求。所谓跟手速度，就是指我们从屏幕上触摸访问一段文本，语音库要以极快的速度为我们做出响应，这样才能确保我们操作的流畅性。可是在其他领域呢？导航、虚拟主播、或者一些带语音功能的软硬件，比如电梯、柜台软件设备，他几乎不需要追求极致的响应速度，甚至延迟个一秒左右也不是什么不能接受的事儿。这样，它只需要追求自然度就好，发音如果接近真人，那就再好不过了。而为了达到更加逼真的朗读效果，语音需要更长的时间对文本进行处理，这就损失了我们读屏软件所必须的跟手速度。从这点来说，在技术发展的过程中，语音库的自然度提升，和我们所需要的响应速度完全就是背道而驰的。
就是这样的局面，开始的时候我们也是一筹莫展。头脑风暴组在体验完前几个版本后将结果陆续反馈到开发那边，工程师鼓捣了一段时间，发现实在难搞，开始挠头了。说算了吧，不然就简单集成一个 64 位语音库先上传到应用商店，用户实在不习惯，我们在提供个老 32 位的语音库TTS安装包，可以让用户换回原来的语音库。开会的时候讨论，老板说不行，你这不是长久之计，还得想办法。然后我们的工程师就像闭关修炼一样，开始去研究了，长久没消息，我们都开玩笑说他是不是搞不出来，准备辞职跑路了。
时间就这样来到了八九月份，慢慢开始出版本了，体验下来还是不行。响应速度上来了，声音变了，在什么手机上听起来都扁扁的，速度快了字头字尾都一片模糊，累耳朵。这段时间，我们换了好几种开发方案，不知道多少次把原来做的推翻了重来，但不行还是不行，想想，干脆找讯飞做个定制好了，结果人讯飞根本不知道我们说的声音太扁了、小燕的声音像是感冒了是啥意思，拉了个群讨论，起初每次开会都跟在说玄学一样，人家gat不到我们的点，也不理解为什么我们对响应速度有那么高的要求。
好在经过一段时间磨合以后，沟通终于慢慢变的有效了，讯飞方面还是理解了我们的诉求。开始站在视障者操作读屏软件的角度改善语音库的速度，理解了读屏软件的操作逻辑，为什么视障者对速度如此敏感等问题。又进一步，从频率、响度等方面改善语音库发音不清晰的问题，才让我们得到了一个清晰的语音库。
这个过程非常艰难，因为据讯飞的工程师说，之前的语音库并不是他们做的，现在要真正理解这些问题其实很难，但因为长期的沟通，也终于让他们彻底理解了视障者的使用场景，甚至改变了他们的一些偏见和认知误区。例如，最初在他们看来语音最重要的是朗读清楚，速度加快以后的朗读效果并不在考虑范围之内。但沟通以后他们能够理解，视障者对朗读速度的需求是很多明眼人难以想象的，因为在视障者的使用场景中，我们所使用的语速往往是他们根本难以听清的。但要他们完全将语音库做成之前的样子，那还是不现实的，不过能做多少算多少吧，让他们解决一部分，剩下的我们慢慢啃，这才一点一点让语音库听上去明显好了起来。直到我们对外正式拿出版本，音色和音质上几乎已经和以前的一样了，而响应速度方面相对于旧版本还有了相当不错的提升。
这里面还有个插曲，讯飞提供的新版语音库当中有几个角色，除了普通话外，还有英文和四川话、东北话等地方口音的，其实挺好玩儿的。但听来听去，音质实在太差了，而且还多占用了近 10 MB的存储，我们响了想，又给拿掉了。都搞到这个程度了，能保证我们原有的发音角色一个不少，并且发音质量不受影响，那还是见好就收吧。不过还是希望以后能优化出更多的高质量发音角色，从而满足我们对好语音库的期盼。虽然现在来看的确不行，但谁说朗读效果和响应速度就永远都会像现在这样不能共存呢？说不定哪一天，无论怎样调整发音速度，也能无限接近真人呢？科技这东西最擅长的，本身就是把不可能变为可能，就像十年前我们始终无法想象，有一天，AI语音会听起来如此自然一样，大家一起期待吧。
和大家聊这么多，其实是想说。去年在点明秀场我们跟你们吹牛，说我们的语音库很快就能搞出来和大家见面，结果一拖就是一年，这一年里，经常接到一些询问。说 64 位的语音库是什么声音啊，有哪些角色啊。我们也一再表示，64 位语音库主要不是改变声音和角色，而是一个非常必要的升级。同时，为了最大程度的不影响大家升级后的体验，我们首先要确保，这个升级是无感的，即不能因为要升级到 64 位而影响到用户的体验，尤其是带来退步的体验。读屏软件是一个产品，同时也是一项服务，而语音库毋庸置疑是读屏软件的灵魂，因此，无论多困难，我们首先都需要照顾到用户的感受，这才是一个产品的长久生存之道。
此外，其实就以语音库这件事而言，尽管现在 AI 语音盛行，离线语音越来越不占优势，但这并不代表离线语音就不再受到开发厂商的支持，因为仍然有大量的场景，例如我们刚刚提到的柜台软件等，在大部分情况下，仍然需要离线语音的快捷和便利。而对于读屏软件而言，我们最需要做的，是和语音厂商进行充分的交流与沟通，需要表达我们对语速、自然程度、响应速度等不同方面的需求。只有厂商充分了解了我们这个群体，才能真正为我们提供更好的服务。点明和讯飞语音的交流，其实不仅仅照顾到了点明软件的优化，同时，也让语音厂商了解了，为屏幕阅读器提供语音服务时，应该注意哪些问题，这才是最有意义之处。