文 | 周鑫雨

编辑 | 苏建勋

今年年初，源码资本种子业务源码一粟投中了一家“玩声音”的公司“格子互动”。

(资料图)

剧本杀是格子互动发轫的起点。2022年初，格子互动上线了HALO剧本杀。目前Halo每个月的在线剧本杀局数都在1万左右，相当于上百家剧本杀门店的规模。

而作为成长在新风口迭出的一代，格子互动创始人凌天格对格子互动的期许远不止做好线上剧本杀。利用HALO剧本杀积累的DM（主持人）声音资源，他希望格子互动开发的虚拟声音引擎，能够成为元宇宙社交中的虚拟声音infra，“就像柯南里的蝴蝶结变声器一样，不仅完全改变音色，还能保留人说话的自然语气”。

除了实时音色转换，天格的团队也正在研发小样本声音克隆，声音编辑，甚至结合机器翻译做实时语言转换，类似于海外AI配音技术公司Deepdub的业务。

现阶段，格子互动的虚拟声音引擎主要瞄准游戏、配音、影视公司，通过离线语音合成实现自动配音。未来，凌天格计划将声音引擎做成API，出售给实时语音交互场景较为丰富的游戏、社交，甚至元宇宙社交软件。

今年年初，格子互动已完成天使轮融资，投资方为源码一粟，原力资本担任本轮融资顾问。目前，格子互动已经发展成了40个人的完整团队。联合创始人徐颍曾任阿里巴巴语音算法专家，刘建俊也有丰富的互联网运营与市场经验，曾担任恺英网络市场VP。

以下是与凌天格的对话：

做声音的“皮肤”

Q：为什么选择声音infra赛道？

A：因为我觉得95后、00后的年轻人还是比较容易emo的，而声音是能够很好引起年轻人共鸣的一个切入点。比如说看无声电影，你是很难看哭的，但是配上了一个好BGM，能够起到的情感共鸣是完全不一样的。过去十年来，声音确实不如视觉有市场影响力，但再看未来十年，我觉得声音在这一代年轻人当中的影响力会不断提升。另外，静态视觉领域诞生了美图，视频领域火了抖音，但声音领域还有足够的空间和机会。

Q：十多年前，初音未来这样的虚拟角色就已经运用了声音合成技术。格子互动做的声音infra有什么独特之处？

A：区别特别大。视觉的发展其实经历了这样一个过程：从传统的纯靠建模驱动角色，到现在由中之人操控虚拟形象，他们笑，角色就笑。

声音也会经历这样一个变革。我们做的其实是类似于“皮肤”一样的东西，即便改变音色和语言，但是你说话的抑扬顿挫和语音语调会被保留。传统的语音合成ASR（语音识别）和TTS（语音合成）的输出是相对固定的，但我们做的方向，就是把声音做成一个完全可以穿戴的“皮肤”，改变音色的同时，保留你自身说话的一些方式——这是从产品化的角度来区分。

从技术上来说，想要直接实现声音转声音的算法，需要高效、高质的提取音色这个特征值，提取的质量越高，对于声源本身的语气、顿挫、和其他内容保存的就更完整。提取的效率更高，算法的实时率就能更高，用着整体就更顺畅。当然需要商用的话还需要考虑鲁棒性，降低使用门槛。在高质高效的基础上，再实现高鲁棒性就更难了。目前音色特征值提取这块没有一个很好的解决方案，我们填补的就是这块的技术空白。

Q：如果互联网公司也入局这样一个赛道，格子互动能招架的住吗？

A：大厂想要全力做声音赛道的话，纯技术板块我相信肯定也能做。钱和人是他们的优势，但切入点、坚持度、专注度和开放度反而可能是大厂会面对的挑战，不然世界早被一个公司垄断了。

作为一家创业公司，我们的团队对于做声音infra这件事是有共识的，也会全力focus在上面，就是小团队的优势，灵活，迅猛。同时我们产品化的进程很快很轻量，比如为了积累声音资源，我们很快推出了HALO剧本杀，同时这也是一个让我们不断打磨技术的试验田，有什么新想法都可以在上面推出产品做尝试。况且从BD的角度来说，创业公司也会有自己独有的资源和方式。相对于那些一切需要考虑ROI效益，同时架构疯狂内卷的大厂来说，我们反而更占优势。

Q：未来格子互动的声音引擎会有怎样的应用场景？

A：其实像早期的字节，他们基于头条就能把推荐算法打磨得特别好。后续他们推出了火山引擎，不仅做toB，也基于此不断推出toC的产品。我们的声音引擎也不仅仅会做toB的SaaS，toC应用是更长期的一个方向。没有人知道下一个产品会有多牛。

我们的声音引擎现在还在研发阶段，但已经有了产品化的初步方向。我们打算做一个非实时声音合成的SaaS后台，提供给游戏、影视、配音等团队。比如一个有100个角色的游戏，如果找100个配音演员来配，成本就很高，但如果我们提供了一个事先有500个声优的声音模型的SaaS后台，那公司一个人就能用至少500种音色配音了。就能节省很多成本。后续我还想把声音引擎做成一个API，卖给有很多语音交互的游戏，社交，甚至元宇宙社交软件,或者直接找RTC厂商合作。

不止线上剧本杀

Q：外界许多报道会把格子互动定义为“线上剧本杀”创业公司，你觉得这个定义是正确的吗？

A：最早也许是，但我们一直在快速迭代。我对格子互动的要求是“持续地小步快跑”，所以为了达到这个要求，我觉得要有两个东西，一是要有持续跑的明确方向，二是跑道也要不错。我们的方向很明确，要打造属于未来的声音引擎。

HALO剧本杀就是一个很好跑道和试验田，让我们把所有的最新的声音玩法，也就是最新的声音技术用到跑道上去。为什么我强调HALO剧本杀是“很好”的，有以下两个原因：

首先HALO是一个有稳定收入的App，一个月能有几百万元的营收，这意味着通过HALO，我们可以拥有自负盈亏的能力。其次，HALO剧本杀也不断地在给我们积累大量的声音资源，提升对于优质声音的认知，完善声音和场景的匹配逻辑。通过招募剧本杀DM，我们也能持续发现优秀、有潜力的声源。如此往复，就形成了从应用场景产生资源，从资源形成工具，再从工具满足应用场景需求的向上飞轮。所以，我们在做线上剧本杀，但又不至于如此而已。

HALO剧本杀

Q：你会把公司定义为元宇宙公司吗？未来有怎样的玩法？

A：会。之前我就表达了，创业的初期我们就是按照元宇宙来的，只是我对元宇宙的理解更偏向于体验层面，声音的加入会让你的体验更加丰富更好玩。虽然我们的元宇宙好像修炼法门和别人不大一样，但内核和目标是一致的。

HALO剧本杀本身就是一种元宇宙的探索。当初我们在讨论要做如何的产品和面向什么样人群的时候，首先瞄准了和我们自己一样的95后、00后人群。就好像我本人一样，是社交需求和社恐的矛盾结合体，一方面喜欢剧本杀这种新鲜的内容社交方式，但同时面对陌生人又会产生社交压力。

元宇宙在我看来，撇开技术和概念，至少要实现用户心理的2个核心需求，一个是我在元宇宙干嘛，另外一个是我在元宇宙里是谁？而剧本杀提供的元宇宙的社交内容，你是来沉浸故事的，是来扮演角色的，是来和其他“角色”互动和社交的，我们在一个个故事里体验“自己”，带入感受，延展“剧情”。而声音，可以帮助你更好的进入“角色”，不会因为一个很不匹配角色的声线而出戏，不会因为自己的声音没有别人动听而产生压力。“剧本杀+声音”的产品特色，让人拥有更多遐想的空间，真正做到100个演员就有100个哈姆雷特的效果，这可能是我们切入元宇宙的一个小入口。

未来我也计划把声音引擎和NFT相结合。比如你做了一个API，别人访问是需要有Token的，比如我做了某个明星的声音“皮肤”，面向公众我只发行100个Token，那就只有100个人拥有这个API，这个逻辑是能够跑通的。

Q：你会怎么评价目前公司的效益？比如HALO剧本杀的DAU。

A：可能一个纯toC的产品会用DAU，但我们有平台属性，作为垂直赛道，既然主导用户体验，那用户忠诚度和付费意愿对我们来说更重要，所以我们核心是看ARPU值。如果ARPU值足够高，或者在持续提升，说明用户对平台就有多认可。这个指标能说明我们做的是件对了的，有价值且可持续的事。

Q：现在还有继续接触资本吗？未来的融资计划是怎样的？

A：现在持续都有资本来接触我，我觉得这也是对项目的一种肯定。我们不会说想要急于融资，但也不会刻意去定义一个节奏。

Q：有考虑过如何规避变声带来的法律和伦理风险吗？

A：我们先不想这么长远，创业公司来不及顾虑太多！

我觉得这就和自动驾驶一样，肯定是先把技术跑通，再解决伦理的问题。等到技术跑通的时候，也许就能成长为一家超级牛的公司了。