編輯導(dǎo)語(yǔ)：隨著亞馬遜、小米、阿里巴巴等大公司都推出了智能語(yǔ)音產(chǎn)品，智能語(yǔ)音交互設(shè)計(jì)成為了一個(gè)值得探索的領(lǐng)域。語(yǔ)音交互如何設(shè)計(jì)才能達(dá)到更自然的交互反饋、更好的傳達(dá)情感，這是目前需要解決的問(wèn)題。對(duì)于用戶(hù)來(lái)說(shuō)，希望能與智能產(chǎn)品建立親切的信任感，越相處越好用。AI時(shí)代，深知我者，才能久居我心。

一、語(yǔ)音交互需求價(jià)值

說(shuō)到語(yǔ)音交互需求價(jià)值，總有一種不言而喻的感覺(jué)，語(yǔ)言作為人類(lèi)信息傳遞的主要媒介，用其進(jìn)行溝通交流，是一種遵循本能的行為。從我們記憶機(jī)器命令的鍵盤(pán)輸入，到按機(jī)器提示的點(diǎn)擊觸碰行為，這類(lèi)需要我們?nèi)ダ斫鈾C(jī)器的方式，隨著科技的不斷突破，也迎來(lái)了轉(zhuǎn)變。

語(yǔ)音交互除了幾乎不需要任何學(xué)習(xí)成本外，更有意義的是，解放了作為輸入的雙手（是不有種人類(lèi)實(shí)現(xiàn)直立行走的偉大意義），人們可以同步開(kāi)展其它任務(wù)，并且也調(diào)動(dòng)了人類(lèi)聽(tīng)覺(jué)的感官體驗(yàn)，而不用完全局限在視覺(jué)上。

下面就來(lái)說(shuō)說(shuō)如何設(shè)計(jì)一款語(yǔ)音交互產(chǎn)品，先說(shuō)說(shuō)語(yǔ)音交互產(chǎn)品設(shè)計(jì)的整體流程框架，再對(duì)其中各環(huán)節(jié)涉及的問(wèn)題展開(kāi)說(shuō)明。

二、流程框架

查閱了亞馬遜Alexa語(yǔ)音界面設(shè)計(jì)規(guī)范和Google的語(yǔ)音界面設(shè)計(jì)規(guī)范后，結(jié)合自己的解分為五個(gè)關(guān)鍵步驟：調(diào)研→定位→設(shè)計(jì)→測(cè)試→完善。

調(diào)研—— 挖掘語(yǔ)音交互使用場(chǎng)景

定位—— 聚焦產(chǎn)品定位，創(chuàng)建用戶(hù)畫(huà)像

設(shè)計(jì)—— 設(shè)計(jì)狀態(tài)流程圖，編寫(xiě)腳本，建立原則

測(cè)試—— 真人感受，在線模擬測(cè)試

完善—— 數(shù)據(jù)+案例分析，優(yōu)化調(diào)整。

1. 調(diào)研：用戶(hù)場(chǎng)景的選擇

雖說(shuō)語(yǔ)音交互（VUI）帶來(lái)了便利，但并不是說(shuō)現(xiàn)有的交互方式都可以完全替換，想想畢竟文字的形式不也還存在嘛。其簡(jiǎn)單快捷的方式對(duì)需要復(fù)雜信息的呈現(xiàn)，需要時(shí)間思考反饋的產(chǎn)品反而會(huì)增加復(fù)雜度。

Google給出了3條指導(dǎo)原則：

1. 人們可以快速做出回答的場(chǎng)景。比如用戶(hù)輸入不需要思考的基本信息；
2. 快捷，可以省去中間交互的時(shí)間，強(qiáng)執(zhí)行操作比如給XX打電話（搜索框輸入XX，點(diǎn)擊查詢(xún)，撥打的步驟合并一步提交后臺(tái)處理）；
3. 雙手已被占用，需要并行處理其它任務(wù)場(chǎng)合。比如開(kāi)車(chē)的時(shí)候，做飯的時(shí)候，記筆記的時(shí)候，這些場(chǎng)合雙手多數(shù)是被占用的。

2. 定位：創(chuàng)建人物畫(huà)像

語(yǔ)音交互是在模擬人的行為，建立的虛擬人的形象，也會(huì)讓人們將現(xiàn)實(shí)中人的行為與其關(guān)聯(lián)。字正腔圓的新聞聯(lián)播是嚴(yán)謹(jǐn)真實(shí)的，少兒節(jié)目是活潑可愛(ài)的，相聲綜藝是輕松詼諧的。

在設(shè)計(jì)對(duì)話前，定位出產(chǎn)品態(tài)度，才好選擇詞語(yǔ)風(fēng)格，句子結(jié)構(gòu)。

3. 設(shè)計(jì)交互對(duì)話

設(shè)計(jì)分為三個(gè)步驟：邏輯狀態(tài)圖——對(duì)話腳本編寫(xiě)——解決方案分級(jí)

1）圍繞用戶(hù)產(chǎn)生的結(jié)果狀態(tài)，梳理出邏輯圖

機(jī)器與人的對(duì)話存在多種可能性，除了完成核心場(chǎng)景外，還要考慮意外的情況。用戶(hù)輸入 不在范圍內(nèi)，用戶(hù)不按提示操作，用戶(hù)重復(fù)輸入多次，用戶(hù)沒(méi)有回應(yīng)等等。

但是這些都不算用戶(hù)輸入錯(cuò)誤，這個(gè)概念是不存在的，都是一種狀態(tài)，需要引導(dǎo)到正常會(huì)話下圖是未展開(kāi)細(xì)節(jié)的狀態(tài)流程圖示例。

喚醒——響應(yīng)——輸入——理解——輸出

（橘色是人的輸入，綠色是機(jī)器輸出，無(wú)色是處理邏輯）：

2）對(duì)每個(gè)狀態(tài)編寫(xiě)對(duì)話體驗(yàn)?zāi)_本

3）結(jié)合情感化設(shè)計(jì)的解決方案分級(jí)

從用戶(hù)體驗(yàn)劃分為三個(gè)層級(jí)，滿足人們功能、心理、自我探索共鳴需求。

• 功能級(jí)：期望對(duì)話的產(chǎn)品更像一個(gè)自然人亞馬遜Alexa設(shè)計(jì)規(guī)范指出人類(lèi)對(duì)話的核心特點(diǎn)：串聯(lián)，有上下文的相關(guān)性輪流，你說(shuō)一句我說(shuō)一句的互動(dòng)潛在效率；省略詞，簡(jiǎn)潔高效的本能多樣性：一句話可以有多種表達(dá)形式。
• 心理級(jí)：激發(fā)未知好奇心人類(lèi)天生有好奇心，喜歡新事物，計(jì)算能力強(qiáng)是機(jī)器的優(yōu)勢(shì)，如果每次對(duì)話，同樣的問(wèn)題會(huì)有不同的回答，用戶(hù)會(huì)主動(dòng)想去體驗(yàn)互動(dòng)。
• 自我探索級(jí)：觸發(fā)情感共情人是有感情的生物，一本記滿日記的本子，陪你走南闖北的行李箱，何況是一只會(huì)說(shuō)話的產(chǎn)品。并且經(jīng)過(guò)時(shí)間的磨合，她越來(lái)越懂你，記得上次你查詢(xún)的內(nèi)容，記得你上次問(wèn)的問(wèn)題。會(huì)喚起你小伙伴在身旁的感覺(jué)。

4. 測(cè)試

1）大聲的朗讀出來(lái)，聽(tīng)起來(lái)是口語(yǔ)，而不是書(shū)面語(yǔ)言；

2）谷歌在線模擬器 ?https://developers.google.com/assistant/console/simulator。

5. 迭代完善

1） 結(jié)合用戶(hù)反饋，數(shù)據(jù)統(tǒng)計(jì)進(jìn)行分析

比如：對(duì)于用戶(hù)同一個(gè)問(wèn)題提出多次原因可能是：

1. 答案不是用戶(hù)想要的；
2. 用戶(hù)忘記了第一次答案；
3. 用戶(hù)頑皮這時(shí)候可以結(jié)合人工理解，大多數(shù)用戶(hù)選擇進(jìn)行優(yōu)化。

2）示例中等待時(shí)間5秒按Cathy Pearl書(shū)中試驗(yàn)得出，這個(gè)值可以根據(jù)不同產(chǎn)品用戶(hù)的反應(yīng)速度調(diào)整。

三、設(shè)計(jì)中考慮的因素

從用戶(hù)，產(chǎn)品，信息內(nèi)容，傳達(dá)方式中的問(wèn)題與語(yǔ)言特征依次說(shuō)起。

1）用戶(hù)意圖的識(shí)別

人們問(wèn)的問(wèn)題，因?yàn)閭€(gè)體差異，關(guān)注的點(diǎn)不同，需要的結(jié)果也會(huì)不一樣。

比如：今天出門(mén)需要帶傘么？

——男性：關(guān)注下雨；

——女性：關(guān)注日曬。

區(qū)別個(gè)體差異，讓用戶(hù)覺(jué)得你懂他，體驗(yàn)到產(chǎn)品的溫度。

2）產(chǎn)品人格塑造

我們?cè)谂c他人交流的時(shí)候，會(huì)注意場(chǎng)合，自我形象，用連接詞進(jìn)行話語(yǔ)的過(guò)渡。語(yǔ)音交互，作為一個(gè)擬人化產(chǎn)品，這些也是要考慮的。

• 自我形象：面向小朋友的教育軟件，要樹(shù)立一個(gè)勇敢權(quán)威的形象，而他們本身就是可愛(ài)的，就不應(yīng)該再加入賣(mài)萌的話術(shù)。而客服類(lèi)語(yǔ)音，由于客戶(hù)面對(duì)問(wèn)題會(huì)存在不耐心煩躁的情緒，就可以用幽默的話術(shù)緩解一下氣氛。
• 注意場(chǎng)景：在公共場(chǎng)合，話語(yǔ)要簡(jiǎn)潔，高效解決問(wèn)題。在私人空間，比如家，可以網(wǎng)絡(luò)語(yǔ)化、逗逗樂(lè)。
• 過(guò)渡詞：人們談話的時(shí)候，不會(huì)拘泥于一個(gè)話題，會(huì)不斷展開(kāi)話題，比如：對(duì)了、其實(shí)、但是…

3）控制內(nèi)容范圍

語(yǔ)音交互實(shí)質(zhì)是連接產(chǎn)品服務(wù)與用戶(hù)需求，所以答案要么和產(chǎn)品有關(guān)，要么和產(chǎn)品無(wú)關(guān)。有關(guān)的是基于產(chǎn)品本身的有限搜索信息庫(kù)。無(wú)關(guān)的用兜底的話術(shù)結(jié)束（這個(gè)功能我還在努力學(xué)習(xí)）還有一種是引導(dǎo)用戶(hù)，結(jié)合著視覺(jué)，羅列出和主題相關(guān)的選項(xiàng)，引導(dǎo)用戶(hù)找到答案。

4）信息口語(yǔ)式傳達(dá)

口語(yǔ)在表達(dá)的時(shí)候，為了簡(jiǎn)潔方便，并沒(méi)有按著嚴(yán)格語(yǔ)法（主謂賓，定語(yǔ)*+名詞的結(jié)構(gòu)），省略的、不連續(xù)會(huì)被大腦自然補(bǔ)齊，比如：

CASE1：

點(diǎn)餐，來(lái)一杯拿鐵，大杯加冰，而書(shū)面表達(dá)可能說(shuō)，他點(diǎn)了一大杯加冰的拿鐵；

CASE2：

詢(xún)問(wèn)天氣：今天天氣怎么樣？（隱含用戶(hù)現(xiàn)在所在的城市）。

繼續(xù)詢(xún)問(wèn)，那杭州呢？（隱含還是問(wèn)的天氣）

書(shū)面表達(dá)是事后信息重整理，口語(yǔ)表達(dá)是大腦同步傳遞，先表達(dá)中心，然后補(bǔ)充細(xì)節(jié)。用戶(hù)信息輸入后，留出一段停頓的時(shí)間，再執(zhí)行命令，會(huì)更符合說(shuō)話的節(jié)奏。

四 技術(shù)及其現(xiàn)狀

語(yǔ)音交互的信息流處理步驟如下：

1）語(yǔ)音識(shí)別 ASR ：聽(tīng)清用戶(hù)說(shuō)話

處于單模式狀態(tài)：?jiǎn)拘褜?duì)話，再喚醒再對(duì)話的方式，反映到現(xiàn)實(shí)是這樣場(chǎng)景：

小明，播放周杰論的告別氣球。

小明，聲音大些。

小明，再大些。

小明，循環(huán)播放。

小明，播放Remix版。

你每次說(shuō)話都要帶上別人的名字。目前大部分產(chǎn)品是單輪對(duì)話，采用一問(wèn)一答交替形式，對(duì)用戶(hù)糾正信息，打斷對(duì)話是不做響應(yīng)處理的，期待技術(shù)發(fā)展后續(xù)可以是邊聽(tīng)邊思考的信息流狀態(tài)。

2）語(yǔ)義理解NLU ：聽(tīng)懂用戶(hù)的話

語(yǔ)義理解要做到智能除了字面含義外，用戶(hù)意圖識(shí)別，情緒識(shí)別，對(duì)話的上下文信息關(guān)聯(lián)都是要考慮的因素。

3）信息搜索Info Search ：最強(qiáng)大腦

依賴(lài)于檢索的準(zhǔn)確率，召回率。

4）語(yǔ)言生成NLG：生成結(jié)果

分為三個(gè)級(jí)別：

1. 簡(jiǎn)單數(shù)據(jù)合成并；
2. 模版化輸出，比如：導(dǎo)航的語(yǔ)音播報(bào)；
3. 高級(jí)版模擬人類(lèi)表達(dá)，它理解用戶(hù)意圖，結(jié)合知識(shí)圖譜，比用戶(hù)多想一步等，解決其本質(zhì)需求。說(shuō)兩個(gè)例子，暢想一下：

CASE1：

用戶(hù)：小明，杭州氣溫多少度？

語(yǔ)音：杭州今天氣溫10～14度，未來(lái)3天有小雨，主人出門(mén)建議多帶件換洗衣物（用戶(hù)之前通過(guò)語(yǔ)音查詢(xún)了機(jī)票酒店信息，或者上次主人問(wèn)了這個(gè)問(wèn)題后，有5天都沒(méi)有再用設(shè)備，因?yàn)椴辉诩遥?/p>

CASE2：

用戶(hù)：小明，來(lái)首歌吧！

語(yǔ)音：（識(shí)別出語(yǔ)調(diào)興奮）好，播放了一首歡快的high歌。

用戶(hù)：小明，放首歌！

語(yǔ)音：（識(shí)別出語(yǔ)音的低落）好，播放了一首正能量的歌。

這一部分的可關(guān)聯(lián)的空間還很大。說(shuō)個(gè)題外話，語(yǔ)音是人類(lèi)所擅長(zhǎng)的，對(duì)其的預(yù)期會(huì)高，有時(shí)說(shuō)話像個(gè)孩子的樣子，有時(shí)反而還會(huì)討喜。所以還要結(jié)合心理預(yù)期維度的研究。

5）TTS ：播放給用戶(hù)聽(tīng)

目前可以選擇喜歡的明星的聲音，以及AI主持人。

總結(jié)

無(wú)論從市場(chǎng)應(yīng)用的硬件載體覆蓋面（智能音箱、智能手表、智能導(dǎo)航儀等），行業(yè)應(yīng)用廣泛推廣（醫(yī)療，教育，公檢法，車(chē)聯(lián)網(wǎng)，泛娛樂(lè)等），還是聚焦在產(chǎn)品設(shè)計(jì)，技術(shù)優(yōu)化上，以及符合人體本能行為需求價(jià)值上，還是作為AI時(shí)代的入口，這個(gè)方向都是很有趣的，歡迎開(kāi)撩～～

本文由 @大魚(yú)海棠 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Unsplash，基于 CC0 協(xié)議