品牌设计正在从视觉系统扩展到声音人格

品牌一直拥有“声音”。只不过很长一段时间里，这里的声音更多是一种比喻。品牌通过文案的措辞、语气和表达方式建立自己的 Tone of Voice，再通过标志、字体、色彩、摄影和动效形成稳定的视觉识别。

真正意义上的声音虽然也会出现在广告、视频、客服和品牌音乐中，却很少像字体和色彩一样，持续贯穿一个数字产品的日常使用。好消息是语音 AI 正在改变这个条件。

OpenAI 最近开放了 Custom Voices。符合条件的客户可以提供一段参考录音，创建专属声音，并将其用于文本转语音、实时语音 Agent 等场景。创建真人声音需要同时提交本人授权录音；参考样本中的语调、节奏、能量、停顿习惯和口音也会影响最终生成结果。

从技术上看，这只是语音合成能力进一步开放。放到品牌体验中，它解决的却是一个过去并不突出的限制，品牌已经能够精确控制一个 AI 长什么样、使用什么语言，却很难决定它究竟听起来更像谁。

过去使用语音能力时，产品往往从平台提供的几种预设音色中选择一个相对合适的方案。同一个声音还可能同时被大量无关产品使用。它可以完成朗读和对话，却很难形成真正属于某个品牌的识别关系，AI 助手让这个问题变得尤为凸显。

过去用户偶尔听到一段品牌广告，声音是否完全统一并不会显著破坏整体体验。但现在的语音 Agent 却可能每天出现，它回答问题、解释账单、指导操作、提供学习反馈，也可能同时存在于手机、汽车、耳机和家庭设备中。当一种声音开始被如此频繁地重复，它承担的角色就发生了变化。

用户会逐渐熟悉它的语速、停顿、情绪强度和表达习惯，就像逐渐熟悉一种字体、一组颜色或一种动效节奏。这些特征不再只是一次语音生成的参数，而有可能积累成品牌识别的一部分，因而品牌设计会多出一个过去并不需要系统单独处理的问题。

一家金融机构的 AI 应该保持怎样的距离感？教育产品面对儿童与成年人时，是否应该使用同一种声音人格？一个强调效率的工具是否需要更短的停顿和更克制的情绪？同一个品牌从售前咨询进入投诉处理之后，声音特征哪些应该保持稳定，哪些又需要随着场景调整？

今天的品牌规范会规定标题字号、主辅色、插画风格和文案语气。语音交互继续扩大之后，类似的规范可能还需要处理语速、节奏、情绪范围、正式程度、口音选择，以及不同情境中允许出现多大的变化。

这也会让视觉、语言与声音之间的一致性变得尤为重要。如果一个品牌的界面长期表现得克制、理性，文案也保持简洁，却让语音 Agent 使用过度活跃的语调和强烈情绪，用户感受到的并不是三个独立的设计问题，而是同一个品牌表现出了彼此冲突的性格。

到了这一阶段，声音已经不能再被狭义的理解为界面完成之后的简要输出。它与视觉和语言共同参与塑造用户对产品人格的判断。