隨著智能音箱、智能家居等智能硬件的普及，語(yǔ)音交互熱度也不斷飆升。本文內(nèi)容主要為語(yǔ)音交互啟蒙篇。

2018年的3月，小米，百度等多個(gè)公司發(fā)布智能音箱產(chǎn)品，小愛音響mini、小度在家、豹豹龍……可見智能音箱產(chǎn)業(yè)鏈這一年來的發(fā)展之快。隨著智能音箱、智能家居等智能硬件的普及，語(yǔ)音交互熱度也不斷飆升。

語(yǔ)音交互設(shè)計(jì)（Voice User Interaction Design)：它是一個(gè)以用戶心理模型為中心的設(shè)計(jì)過程，交談式為核心的交互設(shè)計(jì)。

本文內(nèi)容為語(yǔ)音交互啟蒙篇，不含詳細(xì)設(shè)計(jì)原則和方法。

一、語(yǔ)音交互的優(yōu)勢(shì)

如今，我們熟練并習(xí)慣用手指進(jìn)行觸控交互，那么為什么要在現(xiàn)有的交互方式上增加語(yǔ)音交互方式呢？

對(duì)于這樣的疑問，其實(shí)主要是語(yǔ)音交互有一些很重要的優(yōu)勢(shì)，包含以下幾個(gè)方面：

1. 輸入效率高：百度、斯坦福大學(xué)和華盛頓大學(xué)，曾共同完成了一項(xiàng)與智能手機(jī)輸入方式對(duì)比的相關(guān)研究。研究結(jié)果表明：智能手機(jī)利用語(yǔ)音輸入的速度比鍵盤輸入快3倍，且輸入準(zhǔn)確率更高，語(yǔ)音輸入以絕對(duì)優(yōu)勢(shì)勝出。在日常生活中我也感受頗深，用微信發(fā)消息時(shí)，我經(jīng)常用訊飛輸入法語(yǔ)音轉(zhuǎn)文字，語(yǔ)音輸入速度快，識(shí)別的準(zhǔn)確率也很高，大大提升了輸入效率。
2. 釋放雙手和雙眼：在一些生活場(chǎng)景下，如在駕駛行車時(shí)，駕駛員的狀態(tài)是目視前方，手握方向盤。若想要完成選歌，或是接聽電話等操作這個(gè)時(shí)候語(yǔ)音交互會(huì)比其他交互方式更便捷，也更安全。另外，對(duì)于一些殘障人士來說語(yǔ)音交互也是友好的交互方式。
3. 交互方式更自然 ：每個(gè)人都知道如何說話，就算是個(gè)新手用戶，也會(huì)通過直覺性自然地用語(yǔ)言進(jìn)行回復(fù)，語(yǔ)音交互是最為自然地交互方式。
4. 傳遞豐富的信息：日常生活中我們會(huì)發(fā)現(xiàn)純文字溝通很難理解對(duì)方的情緒和語(yǔ)氣，但語(yǔ)音中卻包含了語(yǔ)氣、音量、語(yǔ)調(diào)和語(yǔ)速，這些特征可以傳達(dá)大量的信息。例如：“什么”這個(gè)詞，文字背后的可能包含驚訝、疑問、氣憤、不耐煩…的語(yǔ)氣，這是通過看文字感受不到的情緒。
5. 設(shè)備特征需求：語(yǔ)音交互也常常成為小屏幕設(shè)備和不帶屏幕設(shè)備的首選，甚至是唯一的交互方式。

當(dāng)然也有很多情況不適合使用VUI場(chǎng)景的，如在公共場(chǎng)所的場(chǎng)景、用戶不適應(yīng)對(duì)機(jī)器說話或更習(xí)慣打字等情況，面對(duì)這些場(chǎng)景，多模態(tài)交互就很有必要了。

二、語(yǔ)音交互——語(yǔ)言對(duì)話與技術(shù)支持

1. 語(yǔ)言對(duì)話

在人際交往中，我們對(duì)話雙方似乎在有意無意地遵循著某一原則，來完成有效的社交對(duì)話。

語(yǔ)言學(xué)家Paul Grice 于1975年提出合作原則，即：

• 質(zhì)的準(zhǔn)則 (QualityMaxim)：所說的話需是自己相信的真實(shí)信息；
• 量的準(zhǔn)則 (QuantityMaxim)：恰到好處的信息含量，滿足并不超出交際所需的信息量；
• 相關(guān)準(zhǔn)則(RelevantMaxim)：所說的話需與當(dāng)前對(duì)話有關(guān)；
• 方式準(zhǔn)則 (MannerMaxim)：說話需簡(jiǎn)明扼要，直奔主題，避免模糊晦澀表達(dá)。

同樣沒有遵循這些原則VUI體驗(yàn)也會(huì)很差：

（1）質(zhì)的準(zhǔn)則：宣傳自己做不到的事

如：你對(duì)用戶說：“有什么可以幫助您的？”，而實(shí)際上整個(gè)VUI系統(tǒng)只能提供點(diǎn)歌功能。

（2）量的準(zhǔn)則：多余的措辭

如：“好的主人，我已經(jīng)收到了，請(qǐng)您注意聽主人，我要開始給你講故事了……”（廢話好多）

（3）相關(guān)準(zhǔn)則：給用戶當(dāng)前用不到的指示

如：用戶還沒下單的時(shí)候就開始解釋退貨政策。

（4）方式準(zhǔn)則 ：使用用戶難以理解的專業(yè)術(shù)語(yǔ)

如：“您的SSID是什么？”

人們已經(jīng)習(xí)慣于各種各樣的會(huì)話和社交行為，VUI雖然不是人類，但遵循基本的社會(huì)習(xí)俗是有好處的。

2. 相關(guān)技術(shù)

如今我們的手機(jī)和設(shè)備都已經(jīng)可以用語(yǔ)音處理很多事情了，從聽到我們的語(yǔ)音到執(zhí)行正確的指令為我們解決問題，都離不開語(yǔ)音交互的兩個(gè)重點(diǎn)核心技術(shù)：語(yǔ)音識(shí)別（Automatic Speech Recognition，ASR）、自然語(yǔ)言處理（Natural Language Processing，NLP）。

（1）語(yǔ)音識(shí)別的挑戰(zhàn)：

• 噪音處理：恒定以及突然產(chǎn)生的噪音、周遭說話聲；
• 多人講話情況：辨別誰(shuí)在說話仍將是VUI系統(tǒng)的挑戰(zhàn)；
• 兒童：聲帶短，音調(diào)高，語(yǔ)音數(shù)據(jù)少；低齡兒童容易自言自語(yǔ)，口吃、長(zhǎng)時(shí)間停頓等；
• 中英文混合，名字、拼寫和字母數(shù)字：預(yù)設(shè)列表和上下文信息，運(yùn)行時(shí)拋棄無效結(jié)果，優(yōu)選可能性高的。

（2）語(yǔ)義識(shí)別的挑戰(zhàn)：

• 語(yǔ)言的多樣性：各種不同國(guó)家或地域語(yǔ)言：中英文、方言等；
• 語(yǔ)言的多義性：語(yǔ)言存在歧義，比如“我要去拉薩”，是理解為 火車票？音樂？景點(diǎn)查詢？
• 語(yǔ)言的表達(dá)錯(cuò)誤：錯(cuò)字、多字/少字、不連貫（我要看那個(gè)恩瑯琊榜）；
• 語(yǔ)言的知識(shí)依賴：七天（時(shí)間/酒店）、大鴨梨（水果/餐廳）、別稱；
• 語(yǔ)言的上下文：對(duì)話上下文、因果關(guān)系、不同類型用戶的表達(dá)。

就目前行業(yè)來看，語(yǔ)音識(shí)別發(fā)展較為成熟，一些數(shù)據(jù)顯示ASR的準(zhǔn)確性已經(jīng)超過90%，但那是在理想條件下。目前語(yǔ)義識(shí)別是學(xué)術(shù)界研究的聚焦領(lǐng)域，也是行業(yè)巨頭布局重點(diǎn)。

設(shè)計(jì)師需要在現(xiàn)有技術(shù)基礎(chǔ)上去做設(shè)計(jì)，理解語(yǔ)音交互相關(guān)的技術(shù)。并找到有效的設(shè)計(jì)方法來最大程度的利用科技進(jìn)步，盡可能避免行業(yè)存在的技術(shù)瓶頸。

語(yǔ)音交互已經(jīng)出現(xiàn)在我們的視野，作為一名設(shè)計(jì)師，若不想局限自己，就是要培養(yǎng)自己的“敏感體質(zhì)”，保持好奇心、拓寬眼界、快速學(xué)習(xí)。

因?yàn)楣P者并非語(yǔ)音交互相關(guān)的從業(yè)人員，所以本文內(nèi)容主要是筆者在業(yè)余學(xué)習(xí)過程中的的思考和總結(jié)，該篇章為啟蒙篇大部分觀點(diǎn)來源于《語(yǔ)音用戶界面設(shè)計(jì)對(duì)話式體驗(yàn)設(shè)計(jì)原則》這本書（這本書是關(guān)于VUI比較全面的一本書，也是天貓精靈團(tuán)隊(duì)的參考書籍之一）分享給大家，希望對(duì)大家有所幫助，文章若有疏漏之處，歡迎交流指正。