?
Wwise+GME 方案介绍
Game Multimedia Engine（GME）多媒体引擎是针对游戏场景定制的一站式语音解决方案，提供了包括多人实时语音、语音消息、语音转文本以及语音分析等功能，开发者需要通过 API 调用接入GME SDK，从而在游戏中实现语音功能。
传统的独立语音 SDK 方案接入过程是独立于游戏音效设计的，而基于 Wwise 音频引擎开发的游戏，Wwise+GME 方案可以将语音的接入融入到游戏音效的设计过程，Wwise 强大的音频处理能力和音频控制能力都可以运用到语音上，在提升语音音质的同时，为游戏音效提供了更加丰富的语音玩法设计空间。其基本流程框架如下：
?
由上图可以看出，GME 的几个插件把本地的待发送语音（麦克风录制的本地玩家语音）和从网络接收到的语音（待本地播放的其它队友语音）全部送到了 Wwise 的处理管线中，GME 语音流被抽象成了 Wwise 的基本声音源进行处理，正是基于这样的新颖设计，Wwise-GME 相比于传统的独立语音 SDK 方案具有独特优势。
Wwise+GME方案的独有优势
语音与游戏音效的统一设计
在 Wwise 工程中，GME 语音音频流无缝接入 Wwise 音频管线，接入语音的过程和 Wwise 的音效设计过程深度融合，避免了单独接入一套语音 SDK 可能引起的音频冲突。在游戏程序端，对 GME 语音发送和接收的操作被抽象成一个个 Wwise 事件的触发，这些操作和 Wwise 的标准开发流程体验一致，比以前的 API 调用的接入方式更直接，更形象。
有效解决开麦后游戏音效质量下降和音量跳变问题
传统的独立语音 SDK 导致的声音发干，开麦以后的游戏音效质量下降和音量跳变都曾是行业痛点，尤其开麦后整个游戏的音效音质都进入“电话音质”状态（低采样率的单声道信号），极大的影响了玩家的游戏体验。而 Wwise-GME 有效解决了手游开麦以后音量类型切换导致的游戏音效质量下降的问题，大幅提升了开麦后语音的音质，在畅快聊天的同时仍然可以保持原有音效，做到听声辨位。
强大的设计能力，带来无限的玩法创意
Wwise-GME 方案给游戏语音玩法带来非常大的设计空间，由于语音流全部送入 Wwise 总线，可将 Wwise 上丰富的音效处理和控制运用到语音，并且能定制化处理每一路语音流，从而增加游戏过程中的沉浸感和趣味感，让玩家交流“不出戏”。
更多的语音玩法
Wwise-GME 方案这种独特的设计使语音作为游戏音效设计的一部分成为可能，这里列出笔者想到的一些可能的语音处理，更多的玩法期待音频设计师的创作。
发送环境声音或伴奏音
Wwise-GME 提供的不只是发送玩家语音的能力，还具备发送其它音频流到语音服务器的能力。这个能力最显而易见的应用场景就是卡拉 OK 了。对于游戏来说，试想这样的游戏场景——玩家在游戏中的角色处在雨中或者风中，当玩家和队友通话的时候，沉浸式的体验就需要把雨声或者风声适当的混音到语音当中。当然还有一些其它的应用场景，例如根据玩家在游戏中的进程发送一些声音 Emoji 增加语音的趣味性。
模拟语音的反射衍射等处理
沉浸式的语音体验一定要把语音的渲染和游戏的实际场景结合起来考虑。本文之前提到的质地、衰减、变声、混响以及基本的 3D 定位处理只能算是初阶的处理，为了更好的模拟游戏场景中说话人与听者的语音传输路径，Wwise 提供的反射、衍射、声笼和阻挡模型同样可以用来处理队友之间的语音，这些处理的效果正是元宇宙（Metaverse）所追求的语音终极体验。
人物性格和状态处理
为了增加游戏语音的趣味性，根据玩家在游戏场景中的一些性格和状态变化也可对其语音做一些特定设计的 DSP 处理。例如在游戏中的玩家被对手击打掉血，那么语音上做一些失真，延迟或者颤音处理表明玩家的痛苦状态，再例如玩家 PK 掉了对手或者拾到了宝贝，就对语音做一些高通滤波或者语音加速处理，从而体现玩家的兴奋程度等。
侧链的处理
侧链是混音制作过程中必不可少的处理手段，其基本原理就是用一路信号控制另一路信号。游戏中加入语音功能是为增加游戏的社交属性，语音必须要清晰地传递到听者，当有玩家说话的时候，游戏声音混音的焦点就应该落到语音上而不是游戏本身的音效，这就类似收音机电台的做法，DJ 要讲话时会让播放的音乐音量降低些，等讲完了话就把音量恢复。Wwise-GME 方案把语音流全部送入了 Wwise 总线使这种处理在游戏场景下也成为可能，例如在接收的语音处设置一个 Wwise Meter，然后根据这个 Meter 的值动态的控制其它音效的音量大小。
下面这段视频是 Wwise-GME 多种能力展示的 Demo 视频，其中展示了例如声音反射，阻挡和侧链对 GME 语音的处理。视频中展示了第一人称第三人称和俯视图视角，绿色机器人是队友和您通过 GME 讲话，随着机器人所处的位置和环境变化，对应的处理就会施加到语音上（处理细节字幕有描述），这样处理过的语音聊天会让人有身临其境的感觉。同样，视频中的所有语音都是实时录屏远端玩家发送的语音，而并非后期合成制作。
?
获取方案
?
