編輯導(dǎo)語：在我們的日常生活中，語音技能其實無處不在?？萍嫉牟粩喟l(fā)展使我們的生活變得越來越方便，很多時候通過說話便能讓機(jī)器代替我們?nèi)プ鲆恍┦虑?，這是語音技能給我們的生活帶來的便捷之處。那么，如此便利的語音技能是如何設(shè)計出來呢？

2016年，“互聯(lián)網(wǎng)女皇”、KPCB合伙人瑪麗·米克爾有過一個預(yù)判：“語音拐點(diǎn)已經(jīng)到來，在2015年智能手機(jī)銷量下滑之后，Echo銷量或?qū)Ⅱv飛?！倍酉聛淼氖聦嵰豺炞C女皇寓言的正確性。

在之后不久，國內(nèi)智能音箱也迎來了爆發(fā)式增長，2018年國內(nèi)智能音箱出貨量突破2000萬臺，2019年國內(nèi)出貨量達(dá)到4589萬臺之多。

作為智能音箱，其核心就是語音能力，也就是要能和用戶進(jìn)行語音交互，而語音交互的核心是音箱能聽到、聽懂、理解、執(zhí)行并反饋，而這其中到底能做哪些事就涉及到音箱上有多少個技能，此處的技能可以約等于APP上所說的功能。

接下來，我們一起探索下如何設(shè)計一個語音技能。

一、從發(fā)散到收斂

有時候要想說明白一件事情，最好的方式就是對比。為了方便理解語音技能的特點(diǎn)，我們就拿APP的功能來對比，也就是語音交互和觸控交互的對比。

首先我們先來看觸屏操作，大家可以稍微回想下自己平時在APP上的觸屏操作，幾乎都是通過點(diǎn)擊某些按鍵進(jìn)行跳轉(zhuǎn)，依次選擇進(jìn)入下一級或者原路返回，對吧？所以概括來說觸屏操作是：

• 在有形狀、有顏色、有文字、有震動等引導(dǎo)下的觸覺交互；
• 觸控交互是一個選擇題，在多個可控區(qū)域中選擇自己想要的，并點(diǎn)擊；
• 觸控交互無法選擇開發(fā)者沒有提供的選項；
• 大部分觸控是怎么通過點(diǎn)擊選擇過來的，依然可以通過點(diǎn)擊回去。

所以我們可以概括為觸控交互是一個樹狀結(jié)構(gòu)，從一個節(jié)點(diǎn)到另一個節(jié)點(diǎn)的可視化交互，如下圖所示。

而語音交互卻很不同，首先，初期的智能音箱沒有屏幕，甚至很多設(shè)備僅僅有一個很簡單的閉麥指示燈，我們就拿查天氣來舉例子吧。

• 用戶通過喚醒詞來讓設(shè)備處于聆聽狀態(tài)，準(zhǔn)備接收用戶的語音指令；
• 用戶要查詢當(dāng)前位置的天氣，可以怎么說？說天氣行不行？當(dāng)前的天氣哪？現(xiàn)在的天氣、最近的天氣、今天天氣怎么樣、會下雨嗎、有霧霾嗎、出門需要帶傘嗎等等，就普通話而言就有很多種問法；
• 用戶如果需要查詢非當(dāng)前位置天氣哪？比如差旅目的地、家人所在地，需要怎么說？是時間+地點(diǎn)+天氣，還是天氣+時間+地點(diǎn)都可以？
• 我們看屏幕一次可以看7或者14天天氣，語音要怎么實現(xiàn)？我繼續(xù)詢問說“下一天”嗎？

在此種情況下，我們喚醒智能音箱后，用戶的疑惑可概括為：

• 我什么時候可以說了？說早了，它有半句沒聽到，說晚了，它又閉麥了；
• 我們要說什么？每次只問個天氣嗎？是不是要說具體某天某地的天氣；
• 怎么說是它能懂的？我用倒裝句是否能行？我加個語氣詞哪？

這些都需要用戶去摸索和學(xué)習(xí)，夸張點(diǎn)說的話，用戶是閉著眼睛在操作設(shè)備。此時我們再看語音交互時：

• 在沒有形狀、沒有顏色、沒有文字（會有部分上下文提示）、沒有震動等引導(dǎo)下的交互；
• 語音交互可能是一個簡答題，也可能是一個選擇題，但是簡答題占大多數(shù)；
• 語音交互可以選擇開發(fā)者沒有提供的選項，當(dāng)然選擇以后也是大概率是無法執(zhí)行的。

所以我們可以概括為語音交互是一個單點(diǎn)呈收斂，多點(diǎn)成樹狀的結(jié)構(gòu)，從很多發(fā)散的說法、話術(shù)收斂到某個意圖、動作的節(jié)點(diǎn)，然后進(jìn)入后續(xù)流程，如下圖所示：

所以當(dāng)我們做一個語音技能時，要先判斷有哪些支持的能力，然后還要同時判斷哪些不支持，而支持的能力有哪些種說法，這個部分如何收斂到有限個節(jié)點(diǎn)，而至于其他不能支持的，現(xiàn)在大部分都是走default狀態(tài)回復(fù)：不好意思，沒聽懂。

二、從樹狀到圓環(huán)

在上面的分析中，我們說到過語音交互是一個單點(diǎn)要收斂、多點(diǎn)成樹狀的結(jié)構(gòu)，但是語音技能中還存在網(wǎng)狀、跳躍結(jié)構(gòu)的可能性。我們先來看APP上觸控購物的例子：

• 篩選商品
• 加入購物車
• 收銀臺確認(rèn)支付
• 支付成功

在其中任何一步，都可以點(diǎn)擊返回去向上一步，比如當(dāng)你準(zhǔn)備支付時，女朋友說要再加個東西，你關(guān)閉收銀臺、反饋購物車，然后可以繼續(xù)挑選商品，這是一個路徑往復(fù)的軌跡。

但是當(dāng)我們把購物做成一個語音技能，那么：

• 當(dāng)語音詢問用戶是否要付錢時，用戶是否可以說我還要買點(diǎn)別的？
• 如果用戶可以說，那么是否直接去尋找商品，還是需要詢問用戶當(dāng)前訂單該如何處理？
• 如果用戶說把已經(jīng)在購物車的商品刪掉，或者修改數(shù)量，或者修改收貨地址，又該如何處理？

所以我們會發(fā)現(xiàn)，上述例子是不同節(jié)點(diǎn)間的跳躍、環(huán)形交互，也就是說一個節(jié)點(diǎn)的多種說法，在另一個節(jié)點(diǎn)是否允許生效的問題，而如果允許生效，則會出現(xiàn)環(huán)形。

但是語音中的環(huán)形流程并不友好，會有增加用戶記憶負(fù)擔(dān)、整個流程因為對話頻次過多而顯得冗長等問題，所以我們設(shè)計時還是盡量規(guī)避又長、又多的環(huán)形結(jié)構(gòu)。

如下圖所示，假設(shè)A為挑選商品，B1為購物車，C1為APP的收銀臺支付頁面?；疑珵锳PP的主線正向流程，紅色弧線表示A的話術(shù)在C1生效，而當(dāng)C1允許A的話術(shù)生效時，便會涉及到走兩條紅色的虛直線方案，還是走藍(lán)色的虛直線方案。

當(dāng)然，我們可以限制某些節(jié)點(diǎn)的說法只能在某些意圖范圍內(nèi)，比如如上截圖，A的說法對C1生效，但是在C2~6全部不生效；如果用戶在C2~6說了A的話術(shù)，我們可以統(tǒng)一回復(fù)并告知用戶當(dāng)前僅支持某些說法即可。

當(dāng)然了，此時是可以退出整個流程，類似我們在APP中某個流程中，通過系統(tǒng)殺掉進(jìn)程一樣。

三、從獨(dú)立到共生

剛才我們通過將觸控與語音對比來闡述語音技能的從發(fā)散到收斂、從樹形到圓環(huán)，那么下一個問題是：語音交互和觸屏交互除了對比之外，是否可以融合？

答案是肯定的，現(xiàn)在市面上有很多帶屏音箱（市場份額如下圖），其中語音交互和觸屏交互就已經(jīng)開始融合，比如用戶說我要看周星馳的電影，那么多部周星馳的經(jīng)典電影，不能一個一個播報加詢問啊。

所以需要讓用戶看電影海報后可以用語音來選擇，這個不贅述（很多智能電視也已經(jīng)支持）。

（圖片來源：https://www.sohu.com/a/423616757_120868906）

那我們看上圖會發(fā)現(xiàn)還是有很多無屏音箱，此時怎么和觸控融合哪？那就是涉及到觸控的不一定是音箱，可以是我們的手機(jī)APP。

首先，音箱的激活還是需要手機(jī)APP的，畢竟連接你家WiFi時用語音輸入密碼不是很方便。BD部分、四十部分的大有人在。所以我們可以考慮在手機(jī)APP上做一些更加符合觸控交互的事情，比如剛說配網(wǎng)這類的設(shè)置。

這類在手機(jī)APP上的操作有共性可循：一些低頻但是關(guān)鍵信息的輸入，比如購物例子中涉及收貨地址、電話號碼、綁定支付信息，媒體娛樂的賬號資產(chǎn)、會員充值等，這些的修改的頻率都很低，同時還可讓用戶自己設(shè)定一些快捷指令。

四、腦洞示例

說了這么多，我們可以開下腦洞，最近看到盲盒賣菜的新聞，感覺特別適合做一個語音技能。

我們先看如果在APP上做的主線步驟：

• 用戶要先選擇某個盲盒（可能有不同價位、葷素配比的差異）
• 選擇后加入購物車
• 確認(rèn)數(shù)量等屬性信息（比如份數(shù)）
• 確認(rèn)是否加購
• 拉起APP收銀臺選擇支付方式
• 確定支付及支付結(jié)果展示

首先我們先看哪些步驟在語音交互中是可以被優(yōu)化、調(diào)整的，例如（為闡述簡單，示例會忽略很多實際數(shù)據(jù)和現(xiàn)實因素，比如運(yùn)費(fèi)）：

1. 我們將蔬菜盲盒減少為兩種：純素和葷素結(jié)合（當(dāng)然也可以按照大小包不同量來分），一次來減少語音介紹及用戶的記憶成本；
2. 下單后不支持添加商品和修改數(shù)量，畢竟是買菜，配的盲盒就是一天一家三口的均碼（請勿ETC自動抬杠）；
3. 收獲地址需要用戶在手機(jī)APP上提前設(shè)置；
4. 支付方式需要用戶在手機(jī)APP上提前設(shè)置，比如免密支付、聲紋支付；
5. 允許用戶在APP上設(shè)置快捷指令，比如：“喚醒詞+盲盒買菜大份”來對應(yīng)葷素搭配的蔬菜盲盒、“喚醒詞+我要吃盲盒”來對應(yīng)蔬菜盲盒的純素版。

通過以上調(diào)整，我們的用戶可以通過一句話來完成盲盒買菜的主鏈路，其中標(biāo)號和2主要是修改節(jié)點(diǎn)數(shù)量（減少）和節(jié)點(diǎn)間的關(guān)系（一層且線性），標(biāo)號3、4、5主要是用手機(jī)APP來對低頻關(guān)鍵信息設(shè)置，也是對節(jié)點(diǎn)數(shù)量的優(yōu)化，同時也讓節(jié)點(diǎn)關(guān)系更加簡單。

五、總結(jié)

通過以上分析，當(dāng)我們在做一個語音技能時：

1. 可以先考慮如果它是個觸屏技能，此時要有什么能力和節(jié)點(diǎn)鏈路；
2. 哪些節(jié)點(diǎn)和鏈路是語音交互需要支持的、哪些不需要；
3. 哪些最好是通過手機(jī)屏幕、音箱屏幕來完成的；
4. 需要語音支持的節(jié)點(diǎn)中，每個節(jié)點(diǎn)的泛化說法有哪些；
5. 哪些節(jié)點(diǎn)間是可以任意跳轉(zhuǎn)并繼續(xù)流程的，哪些節(jié)點(diǎn)是跳轉(zhuǎn)需要詢問的（因為此時跳轉(zhuǎn)就是從新開始了），哪些節(jié)點(diǎn)是不能跳轉(zhuǎn)的。

#專欄作家#

代成龍，人人都是產(chǎn)品經(jīng)理專欄作家，智能硬件創(chuàng)業(yè)公司產(chǎn)品狗，從視頻巨頭公司到玩智能硬件的公司，繼續(xù)產(chǎn)品設(shè)計工作。

本文原創(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。

題圖來自Unsplash，基于CC0協(xié)議