隨著人工智能的發(fā)展，智能語(yǔ)音也在不斷取得重大的突破，那么設(shè)計(jì)一個(gè)智能語(yǔ)音助手需要交付些什么？和設(shè)計(jì)VUI時(shí)需要遵守哪些基本設(shè)計(jì)原則？來(lái)看看作者的回答。

近年隨著人工智能的熱潮，創(chuàng)新者紛紛圍繞算力、算法、數(shù)據(jù)這AI三要素來(lái)對(duì)某個(gè)場(chǎng)景應(yīng)用落地，其中智能語(yǔ)音在2016年被美國(guó)權(quán)威雜志《麻省理工科技評(píng)論》評(píng)為當(dāng)年十大突破技術(shù)，2017年全球智能語(yǔ)音市場(chǎng)規(guī)模更已超百億。

但技術(shù)的發(fā)展往往不是一蹴而就的，綜觀智能語(yǔ)音產(chǎn)業(yè)的發(fā)展歷程，也算是曲折迂回，它大致可劃分為四個(gè)階段：

• 第一階段是技術(shù)萌芽階段(20世紀(jì)50~70年代)，以孤立、少量的詞匯為主的句子識(shí)別，并通過(guò)關(guān)鍵詞匹配實(shí)現(xiàn)簡(jiǎn)單命令操作，其主要的標(biāo)志是AT&T貝爾實(shí)驗(yàn)室開(kāi)發(fā)的Audrey語(yǔ)音識(shí)別系統(tǒng)，它能夠通過(guò)跟蹤語(yǔ)音中的共振峰，當(dāng)識(shí)別10個(gè)英文或數(shù)字時(shí)，正確率可高達(dá)98%。
• 第二階段是技術(shù)突破階段(20世紀(jì)80年代)，語(yǔ)音識(shí)別和自然語(yǔ)言處理技術(shù)有了較大進(jìn)展。智能語(yǔ)音技術(shù)研究由傳統(tǒng)的基于標(biāo)準(zhǔn)模板匹配的技術(shù)思路開(kāi)始轉(zhuǎn)向基于統(tǒng)計(jì)模型(HMM)的技術(shù)思路，并再次提出了將神經(jīng)網(wǎng)絡(luò)技術(shù)引入語(yǔ)音識(shí)別問(wèn)題的技術(shù)思路。
• 第三階段是產(chǎn)業(yè)化階段(20世紀(jì)90年代到21世紀(jì)初)，智能語(yǔ)音技術(shù)由研究走向?qū)嵱貌㈤_(kāi)始產(chǎn)業(yè)化，以1997年IBM推出的ViaVoice為重要標(biāo)志。自此，智能語(yǔ)音產(chǎn)品開(kāi)始進(jìn)入呼叫中心、家電、汽車(chē)等各個(gè)領(lǐng)域。比如，上世紀(jì)70年代由美國(guó)國(guó)防部遠(yuǎn)景研究計(jì)劃局資助的，旨在支持語(yǔ)言理解系統(tǒng)的研究開(kāi)發(fā)工作的計(jì)劃DARPA。進(jìn)入90年代后，研究重點(diǎn)已轉(zhuǎn)向識(shí)別裝置中的自然語(yǔ)言處理部分，識(shí)別任務(wù)設(shè)定為“航空旅行信息檢索”。
• 第四個(gè)階段是快速應(yīng)用階段(2010年以后)，以蘋(píng)果Siri的發(fā)布為重要引爆點(diǎn)，智能語(yǔ)音應(yīng)用領(lǐng)域由傳統(tǒng)行業(yè)開(kāi)始向移動(dòng)互聯(lián)網(wǎng)等新興領(lǐng)域延伸。在發(fā)達(dá)國(guó)家，大量的語(yǔ)音識(shí)別產(chǎn)品已經(jīng)進(jìn)入市場(chǎng)和服務(wù)領(lǐng)域并取得很好的效果，比如Siri、Cortana這類(lèi)集成了視覺(jué)和語(yǔ)音信息的內(nèi)置應(yīng)用，或者像Amazon Echo、Google Home這樣的純語(yǔ)音設(shè)備。

智能語(yǔ)音產(chǎn)業(yè)發(fā)展歷程（來(lái)源：廣證恒生）

而在人們的日常生活中，相信大家已經(jīng)對(duì)Siri、小愛(ài)同學(xué)這些手機(jī)智能語(yǔ)音助手相當(dāng)熟悉了，在不久的物聯(lián)網(wǎng)時(shí)代，人機(jī)交互無(wú)處不在，語(yǔ)音作為人類(lèi)獲取信息最自然、便捷的方式，使用頻率將會(huì)越來(lái)越高，當(dāng)用戶(hù)使用習(xí)慣后，智能語(yǔ)音將會(huì)融入人們生活的方方面面。

縱觀計(jì)算機(jī)用戶(hù)界面的發(fā)展，一般可認(rèn)為是經(jīng)歷了從鍵盤(pán)，到鼠標(biāo)、到觸屏、到語(yǔ)音這樣的發(fā)展歷程，人機(jī)交互也逐步經(jīng)歷了基本交互、圖形交互、語(yǔ)音交互、體感交互。在未來(lái)，即使技術(shù)已經(jīng)應(yīng)用到體感交互，語(yǔ)音交互依然會(huì)是體感交互中的重要環(huán)節(jié)。

History of Computer Interfaces

語(yǔ)音這種交互方式之所以能夠迅速發(fā)展，得益于語(yǔ)音得天獨(dú)厚的優(yōu)勢(shì)。

因此，語(yǔ)音用戶(hù)交互界面（英文：Voice User Interface，簡(jiǎn)稱(chēng)VUI）設(shè)計(jì)正逐漸走進(jìn)了產(chǎn)品經(jīng)理和交互設(shè)計(jì)師的視野，如何運(yùn)用產(chǎn)品和設(shè)計(jì)思維拓展智能語(yǔ)音的應(yīng)用場(chǎng)景，探索和應(yīng)用新的交互方式，讓技術(shù)和人文相融合，使產(chǎn)品更好地服務(wù)于用戶(hù)，這成為產(chǎn)品經(jīng)理和交互設(shè)計(jì)師未來(lái)值得探討的話(huà)題。

但目前無(wú)論是國(guó)內(nèi)國(guó)外，探討這方面的文章少之又少。因此小編想談一談設(shè)計(jì)一個(gè)智能語(yǔ)音助手需要交付些什么，和設(shè)計(jì)VUI時(shí)需要遵守哪些基本設(shè)計(jì)原則，以供大家參考。

一、智能語(yǔ)音VUI項(xiàng)目的交付物

有產(chǎn)品經(jīng)理從業(yè)經(jīng)驗(yàn)的人都會(huì)清楚產(chǎn)品經(jīng)理經(jīng)常撰寫(xiě)的文檔有BRD、MRD、PRD等，那么若要設(shè)計(jì)一個(gè)VUI項(xiàng)目，那么它的交付項(xiàng)又應(yīng)包括什么呢？一般來(lái)說(shuō)，它包括了以下四種交付物：

1.示例對(duì)話(huà)

示例對(duì)話(huà)是系統(tǒng)和用戶(hù)之間可能產(chǎn)生交互行為的預(yù)設(shè)對(duì)話(huà)，對(duì)話(huà)看起來(lái)就像電影劇本一樣，包括兩個(gè)主要角色之間來(lái)回往復(fù)對(duì)話(huà)。在設(shè)計(jì)示例對(duì)話(huà)時(shí)，要針對(duì)用戶(hù)可能出現(xiàn)的各個(gè)場(chǎng)景去設(shè)計(jì)出多種不同示例對(duì)話(huà)，多種不同的示例對(duì)話(huà)可以讓用戶(hù)聽(tīng)起來(lái)感覺(jué)不那么死板，因?yàn)榧偃糁辉O(shè)計(jì)一種，用戶(hù)每次都會(huì)遇到相同的反饋，這樣會(huì)讓人聽(tīng)起來(lái)更像是一個(gè)機(jī)器。

此外，還應(yīng)該考慮到一些異常情況，這樣讓用戶(hù)問(wèn)一些偏門(mén)的問(wèn)題也得到回復(fù)，大大提高了用戶(hù)對(duì)系統(tǒng)的預(yù)期。

所以設(shè)計(jì)示例對(duì)話(huà)和設(shè)計(jì)后臺(tái)系統(tǒng)比較類(lèi)似，以設(shè)計(jì)電商后臺(tái)系統(tǒng)為例，用戶(hù)在前端點(diǎn)擊“退貨”操作，這時(shí)已購(gòu)買(mǎi)商品所處的時(shí)間節(jié)點(diǎn)可以分為未出庫(kù)、已出庫(kù)但沒(méi)發(fā)貨，已發(fā)貨、已收貨這幾種情況，針對(duì)每一種情況都要作出相應(yīng)的處理，如果沒(méi)有仔細(xì)考慮就很難得到一個(gè)穩(wěn)健實(shí)用的系統(tǒng)了。

2.流程圖

當(dāng)編寫(xiě)完各種示例對(duì)話(huà)后，就應(yīng)該開(kāi)始寫(xiě)流程圖了，流程圖是用來(lái)展示VUI所有可能發(fā)生的路徑的圖示。比如一輪對(duì)話(huà)后，流程圖需要展示下一個(gè)狀態(tài)分支的所有方式，方式不一定要羅列所有的交互或示例對(duì)話(huà)，它也可以是功能的分組、文本的分組
等。

3.提示列表

由于語(yǔ)音技術(shù)的限制，目前還沒(méi)有無(wú)所不知無(wú)所不能的語(yǔ)音系統(tǒng)，所以設(shè)計(jì)一個(gè)提示列表是相對(duì)必要的，它可以讓用戶(hù)知道系統(tǒng)真正能做的事有哪些。如果沒(méi)有屏幕可以使用配音演員或語(yǔ)音合成來(lái)播放提示列表，如果有屏幕則可以多模態(tài)展示，將視覺(jué)和聽(tīng)覺(jué)相結(jié)合，如Siri、Cortana。

4.產(chǎn)品原型

如果這是一個(gè)多模態(tài)產(chǎn)品，有屏幕，支持觸摸交互，這個(gè)產(chǎn)品原型就和普通的產(chǎn)品原型一樣了，比如用Axure制作的低保真產(chǎn)品原型。

二、智能語(yǔ)音VUI的基本設(shè)計(jì)原則

在設(shè)計(jì)完基本的流程并完成一些示例對(duì)話(huà)后，就可以開(kāi)始專(zhuān)注一些重要的細(xì)節(jié)，這樣才能讓系統(tǒng)更加健壯和人性化。

細(xì)節(jié)一：確認(rèn)策略

有人可能會(huì)問(wèn)確認(rèn)策略到底是什么意思？其實(shí)，在人與人的溝通中，每個(gè)人都是渴望被理解的，但是人與人溝通也會(huì)經(jīng)常出現(xiàn)理解錯(cuò)誤、聽(tīng)不清楚、詞不達(dá)意等種種問(wèn)題，這些都需要傾聽(tīng)者去和對(duì)方確認(rèn)自己所理解的意思是不是就是對(duì)方所想表達(dá)的意思。

因此在設(shè)計(jì)VUI也往往需要向用戶(hù)進(jìn)行確認(rèn)，而系統(tǒng)良好的確認(rèn)策略可以確保用戶(hù)體驗(yàn)，保證對(duì)話(huà)的流暢度和準(zhǔn)確度，讓用戶(hù)知道系統(tǒng)已經(jīng)理解了自己的話(huà)。在考慮確認(rèn)策略的時(shí)候，往往需要考慮以下幾點(diǎn)：

過(guò)度的確認(rèn)雖然可以保證信息的準(zhǔn)確性，但是也會(huì)讓人厭煩，因此選用合適的確認(rèn)策略方法也是非常重要的，它能更有效率地保證信息的準(zhǔn)確性，以下就是一些常見(jiàn)的確認(rèn)策略的方法。

細(xì)節(jié)二：是采用命令-控制模式還是對(duì)話(huà)模式？

VUI一般都是采用“命令-控制模式”，每當(dāng)用戶(hù)想說(shuō)話(huà)的時(shí)候，必須給出明確的指令，但是隨著用戶(hù)對(duì)系統(tǒng)的對(duì)話(huà)性要求升高，另一種更自然的輪流對(duì)話(huà)設(shè)計(jì)模式越來(lái)越普及，如何把這兩種對(duì)話(huà)模式合理利用起來(lái)也是設(shè)計(jì)者需要考慮的問(wèn)題。

為了讓對(duì)話(huà)更加人性化，一般在對(duì)話(huà)模式中加進(jìn)一些對(duì)話(huà)式標(biāo)識(shí)，讓用戶(hù)了解到交談的進(jìn)展和情況，讓對(duì)話(huà)更加自然，用戶(hù)的參與度也會(huì)更高。

加進(jìn)對(duì)話(huà)式標(biāo)識(shí)的最佳例子莫過(guò)于是2018年谷歌I/O大會(huì)中Google Assistant和理發(fā)店之間的語(yǔ)音互動(dòng)了，下面是雙方之間的對(duì)話(huà)。

加入了對(duì)話(huà)式標(biāo)識(shí)的Google Assistant表現(xiàn)的流暢自然，一句“嗯哼”的通用確認(rèn)更是出乎所有人的意料，讓人類(lèi)絲毫沒(méi)有注意到自己其實(shí)是在和AI對(duì)話(huà)。

細(xì)節(jié)三：異常錯(cuò)誤如何處理？

谷歌的設(shè)計(jì)主管ABI JONES說(shuō)過(guò)：

“當(dāng)你與人類(lèi)交談時(shí)，永遠(yuǎn)不會(huì)出現(xiàn)不可恢復(fù)的錯(cuò)誤狀態(tài)?！?/p>

而系統(tǒng)總會(huì)發(fā)生錯(cuò)誤，若沒(méi)有對(duì)應(yīng)的異常處理，則是不可恢復(fù)的錯(cuò)誤，這會(huì)降低用戶(hù)對(duì)系統(tǒng)的期望值，因此如何優(yōu)雅地處理錯(cuò)誤是每一位設(shè)計(jì)者需要著重考慮的。

細(xì)節(jié)四：其他的一些設(shè)計(jì)原則

美國(guó)著名語(yǔ)言哲學(xué)家格賴(lài)斯，在《Logicand Conversation》(1975)一文中認(rèn)為在人們交際溝通過(guò)程中，溝通的雙方都在有意無(wú)意地遵循著合作原則，以便更加高效率地完成交際任務(wù)，他提及到在談話(huà)中往往遵守的合作原則中的四個(gè)范疇：

因此，若要打造一個(gè)更加類(lèi)人的VUI，符合合作原則可以讓用戶(hù)免受困惑和挫敗，因此，下面說(shuō)到的一些基本的設(shè)計(jì)原則也需要持續(xù)打磨和優(yōu)化，以便符合合作原則。

最后，雖然VUI在方方面面都在模仿人類(lèi)的溝通方式，但是VUI更像是一個(gè)工具型產(chǎn)品，讓它更像人的目的是為了讓系統(tǒng)更高效地解決用戶(hù)的問(wèn)題，上面提及的概念基本上都是來(lái)自互動(dòng)式語(yǔ)音應(yīng)答（IVR）的經(jīng)驗(yàn)總結(jié)發(fā)展的，充其量只是VUI設(shè)計(jì)的冰山一角。

倘若有機(jī)會(huì)，下一篇文章還會(huì)對(duì)每一個(gè)細(xì)節(jié)具體展開(kāi)陳述，還有闡述諸如應(yīng)該如何處理否定、如何應(yīng)對(duì)不同語(yǔ)境、應(yīng)怎么設(shè)計(jì)喚醒詞等進(jìn)階技巧，或者是對(duì)語(yǔ)音識(shí)別技術(shù)的技術(shù)介紹。

作者：——，多年互聯(lián)網(wǎng)產(chǎn)品設(shè)計(jì)經(jīng)驗(yàn)，曾從業(yè)過(guò)多款不同行業(yè)的產(chǎn)品策劃和運(yùn)營(yíng)。

本文由 @—— 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來(lái)自 unsplash，基于 CC0 協(xié)議