本刊編譯 黃子婧

顧名思義，語音玩具就是“會(huì)說話”的玩具，特指憑借特殊技術(shù)手段而具備說“人話”、甚至懂“人話”的玩具。因?yàn)槿藱C(jī)交互難度低，且更生動(dòng)，受到了家長(zhǎng)和兒童的歡迎，也出現(xiàn)了不少有代表性的經(jīng)典產(chǎn)品。

漫長(zhǎng)的語音玩具進(jìn)化史

語音玩具起源于最古老而傳統(tǒng)的玩具品類——娃娃。從十八世紀(jì)歐洲工業(yè)革命后，玩具廠家開始嘗試讓娃娃“說話”，使之更顯逼真生動(dòng)，讓陪伴不再“沉默”。

據(jù)考證，最早的一款語音玩具由愛迪生發(fā)明。他歷經(jīng)數(shù)年，將自己在1877 年發(fā)明的留聲機(jī)，改良成一個(gè)可拆卸的微型蠟筒式留聲機(jī)，裝在娃娃身上，轉(zhuǎn)動(dòng)留聲機(jī)上的手柄，就能讓娃娃唱起童謠。產(chǎn)品于1890年上市，但僅開售了數(shù)周。盡管銷售時(shí)間不長(zhǎng)，但是鼓舞了后來大批的模仿者。

據(jù)說是玩具歷史上首代語音娃娃，由愛迪生發(fā)明（網(wǎng)上資料圖）

當(dāng)時(shí)間的齒輪轉(zhuǎn)到20 世紀(jì)下半葉。美泰在1960 年推出一款名為“愛說話的凱西”（Chatty Cathy）的拉線語音娃娃。一拉線，娃娃就會(huì)說簡(jiǎn)單的短語。玩具公司邀請(qǐng)知名配音演員June Foray 預(yù)先錄制了11 個(gè)短語。這名配音演員也是后來迪士尼1998 年版《花木蘭》動(dòng)畫電影中花奶奶的配音。這種采用專業(yè)配音人員錄音的做法，在當(dāng)時(shí)來說，也是一個(gè)創(chuàng)舉。凱西賣了6 年時(shí)間，有資料稱其為60年代人氣僅次于芭比的娃娃玩具。

進(jìn)入21 世紀(jì)，互聯(lián)網(wǎng)的快速發(fā)展給語音識(shí)別注入了新的生命力，先后出現(xiàn)了哈嘍芭比（Hello Barbie）、智能小龍（Dino）、凱拉娃娃（My friend Cayla）等智能語音玩具。這些玩具利用語音識(shí)別技術(shù)，“聽”懂孩子的問話，在數(shù)據(jù)庫中搜索出相應(yīng)的答案來回答孩子，做到最起碼的雙向互動(dòng)，比前輩們只能單向地播放錄音要先進(jìn)得多。

兩大要素促成圣誕爆款

翻閱最近半個(gè)世紀(jì)的圣誕熱賣玩具榜單，筆者發(fā)現(xiàn)，雖然登頂?shù)恼Z音玩具并不算多，僅有3 款（見表1），但都自帶爆款元素。

爆款元素1：技術(shù)創(chuàng)新

從右表中可以看到，這3 款圣誕熱銷的語音玩具在技術(shù)上，都有其獨(dú)特之處。

其中，泰迪熊華斯比可以說是語音玩具在單向播放時(shí)代的一個(gè)突破性產(chǎn)品。首先，它是第一款采用動(dòng)物形象的語音玩具。其次，它使用了突破性的技術(shù)，把立體錄音卡帶和同步控制器裝進(jìn)了約半米高的毛絨熊體內(nèi)，使其眼睛和嘴巴運(yùn)動(dòng)與小熊“講故事”的節(jié)奏同步。小熊發(fā)明者Ken Forsee 創(chuàng)造性地使用體積較小的雙軌立體聲卡帶，一條軌儲(chǔ)存錄音，另外一條軌記錄動(dòng)作信號(hào)，控制頭部的眼睛和嘴巴，使動(dòng)作與音頻幾乎可以完美同步匹配。這在當(dāng)時(shí)，尤其是在玩具領(lǐng)域，是相當(dāng)先進(jìn)的技術(shù)。因?yàn)椋瑯芋w積的語音玩具，面部表情是固定不變的（比如前文提到的留聲機(jī)娃娃和美泰的愛說話的凱西）；而當(dāng)時(shí)面部表情能隨語音變化的產(chǎn)品，是用于電影拍攝的玩偶道具，比如迪士尼的電動(dòng)玩偶，還在使用巨型的卷軸磁帶，體積要比泰迪熊華斯比大得多。

泰迪熊華斯比從研發(fā)到上市，只用了半年時(shí)間，耗資6000 萬美元。1985 年9 月正式推出，上市首月就賣出了4.1萬只。到1985 年年底，這款玩具就賣出了9300 萬美元的銷售業(yè)績(jī)，令人驚嘆。因其人氣高企，更以這只小熊為主角，推出了一部電視動(dòng)畫片《華斯比歷險(xiǎn)記》。多重因素疊加之下，這只小熊于1986 年登頂圣誕熱銷玩具排行榜。

而1993 年最熱賣的圣誕玩具則是一只迷你的盒式錄放機(jī)（Talkboy）。其原型是1992 年的熱映影片《小鬼當(dāng)家2：迷失紐約》中原創(chuàng)的道具。因?yàn)殡娪疤軞g迎而在次年推出玩具，廠家經(jīng)研發(fā)加入了變速和變聲的功能，語音有了更為生動(dòng)的感情元素，算是語音玩具從單向播放時(shí)代向雙向互動(dòng)時(shí)代的過渡性產(chǎn)品。后來一度在中國(guó)大火的“會(huì)說話的湯姆貓”也使用了類似原理。

1998 年的圣誕玩具銷售冠軍菲比精靈則更進(jìn)一步，它具有一定的“智力”和“語言能力”。最初，菲比精靈只能說自帶的母語“菲比語”，但隨著與主人的接觸，菲比精靈會(huì)逐漸學(xué)會(huì)說英語。據(jù)發(fā)明人Dave Hampton 介紹，菲比說的英語其實(shí)都是預(yù)先錄制的，隨著使用時(shí)長(zhǎng)的增加，逐漸激活英語錄音播放功能，看起來，就好像逐漸學(xué)會(huì)了說英語。雖然菲比并沒有語音識(shí)別能力，也聽不懂孩子對(duì)它說的話，但這個(gè)延時(shí)激活英語錄音技術(shù)所造成的語言學(xué)習(xí)假象使其獲得了極大的成功。在上市后的3 年間賣出了4000 萬只。

表1

經(jīng)拆解后的古董泰迪熊華斯比機(jī)器分解圖（國(guó)外網(wǎng)友Damien Scogin 繪）

這款簡(jiǎn)單的盒式錄放機(jī)在電影亮相后，加入變速、變聲技術(shù)，成為孩子搞怪游戲的最愛

爆款元素2：活靈活現(xiàn)的載體

除了技術(shù)創(chuàng)新之外，活靈活現(xiàn)的載體也是必不可少的因素。語音玩具研發(fā)的初衷就是為了通過有感情的語音，給孩子提供有情感溫度的陪伴，而作為載體，活靈活現(xiàn)的外形就成了絕對(duì)的加分項(xiàng)。

還記得愛迪生發(fā)明的首個(gè)語音玩具——留聲機(jī)娃娃嗎？產(chǎn)品上市數(shù)周就無奈退市了，失敗的原因中就有一條——聲音不自然。錄音來自一位普通的工廠女工，聲音經(jīng)過留聲機(jī)的處理后，失去了自然人聲的靈動(dòng)。而且，娃娃在唱歌的時(shí)候，面部是固定不變的，給人生硬之感。美泰推出的拉線語音娃娃“愛說話的凱西”，雖然請(qǐng)來了專業(yè)人士配音，錄音技術(shù)也比愛迪生時(shí)代先進(jìn)不少，克服了人聲不夠自然的缺點(diǎn)，但是面部表情生硬依然是一大缺陷。泰迪熊華斯則從錄音和表情兩方面下手。除了上文提到的聲情同步技術(shù)之外，發(fā)明者Ken Forsee 還利用自身在迪士尼工作的便利，邀請(qǐng)到了專業(yè)的演員來幫忙設(shè)計(jì)眼部、嘴部動(dòng)作，使其更加生動(dòng)逼真；請(qǐng)米妮老鼠、高飛狗等家喻戶曉的動(dòng)畫角色配音演員為其錄制故事；專業(yè)的音樂劇導(dǎo)演為其故事錄音創(chuàng)作背景音樂。多管齊下，方才造就了這么一款充滿情感溫度、令人聲臨其境的語音玩具。

試想一下，如果沒有活靈活現(xiàn)的載體，而只有冷冰冰的機(jī)械合成語音，哪怕產(chǎn)品聰明如人工智能語音助手Siri，總是缺少那么點(diǎn)情感溫度，并不利于兒童的情商培養(yǎng)。所以，這也是為什么語音玩具多采用人形娃娃，或可愛的動(dòng)物毛絨作為載體的原因。

語音玩具技術(shù)仍需完善

經(jīng)歷了1.0 時(shí)代的單向播放錄音、1.5 時(shí)代的音情同步，語音玩具在語音識(shí)別技術(shù)和互聯(lián)網(wǎng)技術(shù)的賦能之下，終于邁向了可以雙向互動(dòng)的2.0時(shí)代。通過錄音、語音識(shí)別、聯(lián)通云端數(shù)據(jù)庫搜索、語音回復(fù)這一系列復(fù)雜操作，語音玩具終于從“能說話”進(jìn)化到“能聽懂”。這一時(shí)期的代表性產(chǎn)品有2015 年美泰的哈嘍芭比（Hello Barbie）、Cogni Toys 的智能小龍（Dino）和2016 年Genesis Toys的凱拉娃娃（My friend Cayla）。

雖然這些語音玩具表現(xiàn)得相當(dāng)智能，但是，玩具的應(yīng)答主要還是由廠家事先根據(jù)關(guān)鍵詞設(shè)定好。比如，哈嘍芭比能作出約8000 條語音回答，由美泰請(qǐng)配音員事先錄制。智能小龍雖然靈活一些，背靠世界頂級(jí)科技公司IBM 當(dāng)時(shí)最新的“沃森”（Watson）人工智能程序，同一個(gè)問題會(huì)根據(jù)家長(zhǎng)設(shè)定孩子的年齡，用不同的表達(dá)方式來回答問題，但核心答案還是固定的。因此，也有家長(zhǎng)擔(dān)心，這種模式會(huì)扼殺孩子的想象力和創(chuàng)造力，不利于孩子的成長(zhǎng)。有家長(zhǎng)反映，當(dāng)孩子發(fā)現(xiàn)語音玩具翻來覆去只會(huì)說固定的回答之后，也就失去了興趣。美國(guó)麻省理工大學(xué)長(zhǎng)年研究人機(jī)交互的教授Sherry Turkle 指出，這類智能語音玩具是兒童了解人際交往的一個(gè)窗口，并不完善的交互技術(shù)對(duì)兒童的交際能力培養(yǎng)不利。

1998 年第一代菲比（左）和2016 年智能聯(lián)網(wǎng)菲比（右）

智能語音玩具的三大代表

此外，還有更令家長(zhǎng)擔(dān)憂的隱私問題存在。2015 年，全球最大嬰幼兒電子學(xué)習(xí)產(chǎn)品制造商就曾因數(shù)據(jù)庫被黑客襲擊導(dǎo)致客戶信息泄露，約640 萬兒童的名字、性別和生日等隱私信息外泄，震驚業(yè)界。凱拉娃娃也曾被爆出有技術(shù)漏洞可能導(dǎo)致隱私泄露，雖然漏洞很快就被修復(fù)，但依然在多國(guó)被禁售。

麻省理工大學(xué)媒體實(shí)驗(yàn)室個(gè)人機(jī)器小組負(fù)責(zé)人Cynthia Breazeal 教授則認(rèn)為，技術(shù)的不完善也為語音玩具提供了新的發(fā)展機(jī)遇。