語音的交互，將會給我們的產(chǎn)品設(shè)計帶來極大的改變，一種視覺、聽覺更為立體的方式，應(yīng)該是提升產(chǎn)品效率，提升用戶體驗的一種進步和挑戰(zhàn)。未來的產(chǎn)品方向，或者說是人機交互的方式，極可能是語音與屏幕的立體交互，我們會有機會來設(shè)計一種完全不一樣的用戶體驗，和完全不同的產(chǎn)品認知。

語音交互的優(yōu)勢

這幾年全球AI市場迅猛發(fā)展，Amazon Echo更是異常迅猛。根外媒統(tǒng)計，Echo在2016年的出貨量就達到650萬臺。

Echo是一個能真正完成簡單指令的音箱，回歸了人類最為簡便的交互方式，當你喊一聲“alexa，play xxxxx”就能播放你想要歌曲，完全靠吼，徹底解放了雙手。作為人與人之間最直接最自然的交流方式，語音對話中每一句話都包含多個場景下的多個動作，同時語音相對不容易受時間、地點的約束限制，可在短時間內(nèi)進行大量信息的獲取與處理。

而GUI是一種預(yù)設(shè)路徑的交互方式，系統(tǒng)只能通過識別用戶的下滑、點擊、雙擊等交互行為以及用戶所處的頁面位置，判斷用戶的指令并作出準確的反饋。形成一種將用戶限制在一個固定的腳本中的，強迫用戶沿著單一路徑去完成操作的人機交互方式。

VUI聚焦于如何發(fā)揮語言和表意的強大力量，采用人們?nèi)粘５恼Z言來交流，真實，自然的表達和獲取反饋，獲取用戶的信任、傳遞信息。用戶不再像過去GUI的體驗一樣，語音交互的流程更加直接，用戶只需要通過有限的語音提示以及短期記憶來完成操作，甚至可以發(fā)出不同的語音指令來期望獲得同一個反饋。

最自然，人性化，少用戶摩擦的交互方式
不受實體UI形式的性質(zhì)，用戶可在任何時間，任何地點，以任何方式進行信息的獲取與處理

從場景切入

語音交互同互聯(lián)網(wǎng)誕生以來用戶就習(xí)慣的GUI界面交互相比，主要是輸入方式不同導(dǎo)致的，最顯著特性就是“解放了雙手”——你在使用語音請求時，眼睛和手可以同時忙于其他的事情，從這點出發(fā)，語音交互在家居和出行領(lǐng)域有天然的優(yōu)勢。

1、智能家居

在家庭“相對封閉與安全”（特指針對語音信號采集的干擾程度），通過語音交互指令控制家居開關(guān)是很好的切入點。相信在不久的將來，搭載了語音交互系統(tǒng)的智能家居，都可以聽你的話，你說所說的每個指令，都會直接影響/控制到當前家居的運行狀態(tài)?！澳憧赡茉絹碓綈芤?，你越來越懶……”

2、輔助駕駛

車載語音交互系統(tǒng)釋放了駕駛員的手和眼，讓司機專注于前方的路況，如接聽電話，開關(guān)車窗，播放廣播音樂，路線導(dǎo)航等語音交互指令。

3、企業(yè)應(yīng)用

未來會有各種各樣專業(yè)的知識工作者會在或大或小的程度被簡化或者被替代，比如文本、數(shù)據(jù)的錄入工作，比如客服機器人。

4、醫(yī)療&教育

如語音記錄病歷，不管對醫(yī)生來說還是患者來說，都是提高看病效率的很好的輔助手段之一。

VUI是否取代GUI

語音交互不是一個獨立的或者取代觸摸交互的一種升級，而是基于人類最本能和最自然的一種形式方式。它是否能夠廣泛應(yīng)用，有賴于對場景的深度理解，以及人能智能技術(shù)的進步。人工智能的發(fā)展，須從硬件、軟件、操作系統(tǒng)各個環(huán)節(jié)的深度定制，才能帶給用戶最好的體驗。

在GUI中，用戶的行為實際上是已被預(yù)先設(shè)計或者設(shè)定（這也是為什么要在設(shè)計中強調(diào)對用戶引導(dǎo)的一個因素），通過引導(dǎo)用戶點擊、滑動等指令交互來完成相關(guān)的判斷和反饋。而在語音交互中，用戶的行為將變得完全的不可預(yù)知，你無法預(yù)設(shè)用戶的行為（語音內(nèi)容），甚至同樣的用戶在不同的情境下（區(qū)別于場景）都可能有完全不同的行為和預(yù)期，導(dǎo)致系統(tǒng)必須通過更多的場景理解和上下文關(guān)系，去解析用戶的意圖來做出可能合理的信息反饋。

語音交互本身是非可視化的，非常消耗用戶的注意力

語音交互的優(yōu)勢，在某些場景下，會變成劣勢。比如你站在電視機旁邊，開關(guān)機這個動作最適合的交互應(yīng)該是手——直接一按就可以解決。人在獲取信息的適合，視覺要強過聽覺，別人講話你極可能要等他說完你才理解，而你看文字的時候，甚至可以直接跳過部分文字你也能理解。這種場景下，語音交互的劣勢會進一步放大。而當你開車的時候，語音交互簡直驚世絕倫，在這種伴隨式的場景下，語音的交互方式徹底解決了人的雙手，極大的提升了效率。

（圖片來自網(wǎng)絡(luò)）

語音識別技術(shù)一旦取得進一步的突破，人機的交互也將更以人類最為熟悉的方式進行。當前，以智能音箱類產(chǎn)品作為切入點，打造了IoT的新入口，從需求到服務(wù)的路徑被極大地縮短。從產(chǎn)品本身的交互設(shè)計出發(fā)，語音交互的特性和邏輯一定會促使它逐漸將凌駕于瀏覽器、App等入口之上，形成一個以語音交互為核心的全新生態(tài)鏈。

AI的來臨，一定帶來場景的巨變，交互方式也將從目前主流的純軟件（界面、觸屏）/純硬件，升級到更復(fù)雜的人機交互形式。

人類耳聽、眼觀、嘴說，手動的自然構(gòu)造，其最符合于人類的交互體驗，應(yīng)該是在不同的場景由不同的器官（方式）來完成，自然的與外界信息進行交互。隨著技術(shù)的進步，交互的方式定將發(fā)生顛覆式革新，未來的人機交互將更趨向于立體和本能。GUI+VUI，是一對有機的結(jié)合體，因為它符合人類的本能，不會被取代，只會彼此共同促進，通過恰當?shù)膮f(xié)作機制提供更好的用戶體驗。但與純GUI具有顯著區(qū)別的是，未來的交互形式一定會更具感性的色彩，——“像人一樣”。

語音交互好不好，不僅僅依賴硬件設(shè)備的識別準確率，更需要垂直場景下的語義理解，以及后端內(nèi)容服務(wù)。

本文由 @杜松 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PEXELS，基于CC0協(xié)議