德语 AI 音色

句子的意思要到最后才揭晓

德语的句子是框起来的。可分动词会把前缀甩到句末——Ich mache das Fenster auf（我把窗户打开）——从句又把变位动词送到最后，所以听众在最后一个词到来之前，都不知道到底发生了什么。书面德语扛得住，因为读者的眼睛会往前扫；听众的耳朵做不到，这是为纸面写德语和为音频写德语之间最大的区别。

实际后果是：层层嵌套的长句（Schachtelsätze）再优雅，也是合成语音的敌人。把长的拆开。一把嗓子要在四层从句上撑住一条语调弧线，中间某处一定会平掉，而平掉的那一刻，就是听众不再相信那里有个人的时刻。

复合词要先找到接缝

Geschwindigkeitsbegrenzung（限速）是一个词、四个重音单元，念对它要先找到内部的边界，再决定重音落在哪。成熟的复合词引擎处理得好，新造的就差一些——而德语作者随手造复合词，小说里更是满篇都是。新造复合词之于德语，就像自创名字之于日语：最容易念错的东西。

没有读音设置，念坏了就在文本上动手：用连字符把长复合词拆开——Drachen-Beschwörungs-Ritual——等于把接缝明确告诉引擎，听众听不出区别，只是 SRT 字幕里会原样带着连字符。省着用，只用在试听证明需要的地方。

三种标准德语，外借嗓子，没有童声

20 把里的 10 把是真正的德语嗓子，覆盖德国（6 把）、奥地利（2 把）和瑞士（2 把）的标准德语。这是三种标准，不是三种口音，元音、语调和词汇都不同。要说清楚瑞士嗓子不是什么：瑞士标准德语是广播里用的正式语域，不是瑞士德语方言（Schweizerdeutsch）——后者是另一回事，这里完全没有。

另外 10 把是母语不是德语的多语嗓子。它们德语说得流利，也正是它们让一部二十个角色的广播剧能配齐不重复，但它们不是只有大阵容才会碰到的备胎。每个角色会被匹配到适合它年龄段的那段音区，哪一段德语嗓子稀，外借嗓子就是第一顺位。40 个角色里有 21 个在德语里第一顺位就是外借嗓子，所以一场四个人的戏和一整个群戏一样可能碰到。按角色逐个试听，别以为小阵容就安全。

德语同样没有真正的童声：儿童角色由音区最高的成人嗓子来演，听起来年轻，不像孩子。做儿童广播剧（Kinderhörspiel）时这是要绕着设计的约束——一个有分量的成人旁白，加上少年而不是儿童主角，是今天行得通的版本。