本文結(jié)合筆者參與的語音交互項(xiàng)目，梳理設(shè)計(jì)經(jīng)過，對(duì)語音交互的設(shè)計(jì)流程、設(shè)計(jì)方法和設(shè)計(jì)產(chǎn)出做了較為詳細(xì)的介紹。

“語音交互設(shè)計(jì)僅靠書本上的知識(shí)是不夠的，在實(shí)際項(xiàng)目中，除了要了解需求、目標(biāo)用戶以外，還要了解語音設(shè)計(jì)所應(yīng)用的場(chǎng)景、技術(shù)水平、設(shè)備配置等，從而有的放矢的展開設(shè)計(jì)。本文結(jié)合參與的項(xiàng)目，將語音交互設(shè)計(jì)的流程、設(shè)計(jì)關(guān)鍵點(diǎn)以及如何通過設(shè)計(jì)化解技術(shù)限制，和大家進(jìn)行分享?！?/p>

日常設(shè)計(jì)工作中，大家都會(huì)按照一定的設(shè)計(jì)流程開展工作，通用的流程一般有：探索調(diào)研 > 分析聚焦 > 設(shè)計(jì)策略 > 測(cè)試驗(yàn)證。同樣，這個(gè)流程可以復(fù)用到語音交互設(shè)計(jì)中，只是設(shè)計(jì)對(duì)象的媒介和我們產(chǎn)出的設(shè)計(jì)原型發(fā)生了改變，但我們發(fā)現(xiàn)問題、解決問題的思路應(yīng)該是類似且可復(fù)用的，尤其是在新的設(shè)計(jì)領(lǐng)域中，不妨借鑒成熟的方法、流程，確保工作順利開展。具體的設(shè)計(jì)流程與環(huán)節(jié)如下圖：

圖1 · 語音交互設(shè)計(jì)流程

1. 探索調(diào)研

1.1 明確需求

筆者所參與的項(xiàng)目是“公司機(jī)房服務(wù)的工業(yè)機(jī)器人” 的語音設(shè)計(jì)，這類產(chǎn)品的功能比家用設(shè)備的更為強(qiáng)大，除了語音外，它支持：行走、人臉識(shí)別、任務(wù)解析、數(shù)據(jù)采集等，同時(shí)場(chǎng)景也更為復(fù)雜。首先機(jī)房環(huán)境聲音嘈雜、環(huán)境復(fù)雜；它的性質(zhì)又決定對(duì)人員的安全要求極高，需要準(zhǔn)確的識(shí)別與判斷，這些在了解需求階段是必須明確的環(huán)節(jié)。

機(jī)器人的主要功能就是輔助參觀人員、維修人員、駐場(chǎng)工程師更好的完成機(jī)房工作，實(shí)現(xiàn)機(jī)房業(yè)務(wù)管理智能化，提高運(yùn)維管理效率和準(zhǔn)確率。那么作為體驗(yàn)設(shè)計(jì)方，則是通過各場(chǎng)景、各環(huán)節(jié)的體驗(yàn)設(shè)計(jì)，讓人與機(jī)器人、與系統(tǒng)的交互高效、自然、流暢，讓智能化的機(jī)房日常運(yùn)維管理更加完善。

1.2?了解業(yè)務(wù)場(chǎng)景及目標(biāo)用戶

在上一篇文章中對(duì)主要的五種場(chǎng)景（智能家居、車載駕駛、企業(yè)應(yīng)用、醫(yī)療、教育）分別進(jìn)行了介紹。不同的場(chǎng)景，意味著用戶不同的需求和目的，對(duì)語音交互的要求也不相同。下面就針對(duì)機(jī)房環(huán)境進(jìn)行場(chǎng)景分析與設(shè)計(jì)難點(diǎn)的介紹。

圖2 · 機(jī)器人功能及場(chǎng)景特征

1.2.1?工作場(chǎng)景

恒定噪音：作為機(jī)房服務(wù)場(chǎng)景的語音機(jī)器人，使用環(huán)境聲音的嘈雜首先會(huì)影響語音錄入的準(zhǔn)確性。語音交互包含三個(gè)重要部分：自然語音識(shí)別、自然語音理解、自然語音生成，? 因此解決設(shè)備“聽”清楚的問題，關(guān)系到后續(xù)流程能否順利展開。這里就需要依靠“設(shè)備技術(shù)”來解決，通過優(yōu)化聽筒的降噪能力，盡量過濾掉噪音。

環(huán)境復(fù)雜：機(jī)房中機(jī)柜眾多，服務(wù)器高低不一、設(shè)備管線錯(cuò)綜復(fù)雜，如圖3：這給機(jī)器人的正常作業(yè)帶來挑戰(zhàn)，尤其是這種對(duì)安全性和準(zhǔn)確性要求很高的場(chǎng)景。首先，機(jī)房包間中的環(huán)境光線影響機(jī)器人對(duì)人臉的識(shí)別和機(jī)柜數(shù)據(jù)的讀取；其次，機(jī)柜中服務(wù)器位置高低不同，機(jī)器人需要不斷調(diào)整攝像頭的角度，以確保采集到完整信息，也可能存在視野死角導(dǎo)致無法全部讀取。這一部分，則需要通過不斷的測(cè)試與調(diào)整，提高機(jī)器人自身性能，使其更好的適應(yīng)現(xiàn)場(chǎng)環(huán)境，具有設(shè)備、網(wǎng)絡(luò)線纜的識(shí)別能力，減少不必要的“人為”破壞，增加人臉、數(shù)據(jù)識(shí)別的準(zhǔn)確性。

圖3 · 一般的機(jī)房環(huán)境

空間局促：在機(jī)房中機(jī)柜之間的空間不大，過道也比較狹窄，這給機(jī)器人行走帶來一定影響。第一：行走速度不能過快，由于機(jī)器人自重150斤，走路太快會(huì)有慣性，有可能出現(xiàn)不小心撞到機(jī)柜的情況；第二：很多時(shí)候無法和人并行走路，這導(dǎo)致人機(jī)互動(dòng)體驗(yàn)不好，再加上機(jī)器人本身走的慢，很有可能出現(xiàn)“人走在前面，遮擋住機(jī)器人視線”的問題。為此，在設(shè)計(jì)語音時(shí)，只要機(jī)器人感應(yīng)到有遮擋，便會(huì)播報(bào)：“我好像被擋住了，請(qǐng)保持前方通暢”，以此來友善的提醒用戶，減少這種封閉環(huán)境下用戶的不適應(yīng)。

1.2.2 目標(biāo)用戶

通過團(tuán)隊(duì)的調(diào)研，收集到在整個(gè)數(shù)據(jù)中心有5類用戶，其中會(huì)進(jìn)入機(jī)房與機(jī)器人直接發(fā)生交互的主要有三類：訪客、廠商、數(shù)據(jù)中心駐場(chǎng)，如圖4。圖中是這三類用戶的工作內(nèi)容與場(chǎng)景接觸點(diǎn)，確認(rèn)目標(biāo)用戶，便于設(shè)計(jì)對(duì)后續(xù)用戶調(diào)研的聚焦與體驗(yàn)地圖的梳理。

圖4 · 用戶分析

1.3 技術(shù)水平

1.3.1?硬件

硬件來說，目前的語音產(chǎn)品包括：純語音（天貓精靈）和語音及界面結(jié)合（iphone的siri）兩種配置。在設(shè)計(jì)之初，我們需要了解語音產(chǎn)品的基本硬件配置，這其中也包括麥克風(fēng)、攝像頭、聽筒、設(shè)備聯(lián)網(wǎng)程度等，因?yàn)?，產(chǎn)品的配置會(huì)影響我們后期的設(shè)計(jì)策略與體驗(yàn)。例如問語音產(chǎn)品：“世界十大旅游勝地都是哪些？、中國(guó)56個(gè)名族都有什么？”，即便語音助手可以準(zhǔn)確的告訴我們答案，但無疑是一個(gè)沉重的認(rèn)知與記憶負(fù)擔(dān)，如果配合屏幕來顯示，情況會(huì)好很多。最好的人機(jī)交互形式是混合型的，即GUI+VUI（圖像交互+語音交互）如圖echo show，如果你所設(shè)計(jì)的是純語音產(chǎn)品，那么在設(shè)計(jì)時(shí)則需要考慮更多的引導(dǎo)、容錯(cuò)、提示等。

圖5 · 亞馬遜Echo Show

本次項(xiàng)目中所涉及的機(jī)器人不帶顯示屏幕，并且語音不聯(lián)網(wǎng)，這就意味著所有對(duì)話都需要提前預(yù)設(shè)好，設(shè)計(jì)師需要根據(jù)可能出現(xiàn)的情況，將對(duì)話內(nèi)容完善，并且做必要引導(dǎo)，讓用戶按照系統(tǒng)期望的流程進(jìn)行，確保工作順利、安全的開展。如下圖：

在設(shè)計(jì)時(shí)，對(duì)于較長(zhǎng)對(duì)話，在內(nèi)容中加入“如果沒聽清楚，請(qǐng)回復(fù)我‘重復(fù)一遍’〞的提示，避免用戶沒有聽清而錯(cuò)過信息；同時(shí)對(duì)于用戶的回答，也給予答案提示，“維修結(jié)束時(shí)請(qǐng)回復(fù)我‘維修結(jié)束’ 〞通過設(shè)計(jì)去盡量規(guī)避機(jī)器人硬件的缺陷，減少“答非所問”的錯(cuò)誤發(fā)生率和用戶回答的發(fā)散，提高語音交互流程的順暢。

圖6 ·?語音交互引導(dǎo)示例

1.3.2?算法

算法方面，則需要通過機(jī)器“深度學(xué)習(xí)”，不斷完善語音識(shí)別、語音理解及語音合成的水平。目前，語音識(shí)別方面還面臨很多技術(shù)挑戰(zhàn)，如：

（1）?噪音

恒定噪音（公路上、機(jī)房中）?和突發(fā)噪音（突然異常大聲）。

（2）多人講話：

多人講話，設(shè)備能否識(shí)別其中一條信息；同樣多設(shè)備時(shí)，如何辨別自己的主人在說話。

（3）兒童：

兒童說話邏輯性較弱，容易出現(xiàn)口吃、長(zhǎng)時(shí)間停頓等現(xiàn)象。

（4）短句：

“是”、“不”這種短句提供的數(shù)據(jù)信息較少，會(huì)造成識(shí)別率低。

（5）多音字：

比如人名，同樣的音會(huì)有多種書寫文字“清”“輕”，會(huì)影響語音識(shí)別的準(zhǔn)確性。

更多關(guān)于機(jī)器人“深度學(xué)習(xí)”的內(nèi)容大家可以自行了解，這里不展開討論。

2. 分析聚焦

具體在分析聚焦階段，設(shè)計(jì)的思路是：用戶調(diào)研?>?聚類分析?>?角色建模?>?體驗(yàn)設(shè)計(jì)。圍繞與機(jī)器人相關(guān)的機(jī)房工作人員，提升他們?cè)诠ぷ髦械姆?wù)體驗(yàn)，確保順暢、安全、高效的工作流程。

圖7 ·?用戶分析

2.1 用戶畫像

針對(duì)第一章節(jié)中定位的三類用戶，我們通過問卷，進(jìn)?用戶訪談，旨在了解各個(gè)不同角?的用戶他們工作的內(nèi)容、需求，以及有哪些痛點(diǎn)可以抽取出來由機(jī)器人替代，從而優(yōu)化各角色的服務(wù)體驗(yàn)。

圖8 ·?用戶問卷設(shè)計(jì)

共計(jì)訪問10位用戶，包含各個(gè)角色。訪問之后，我們對(duì)用戶訪談的結(jié)果進(jìn)行整理，整理維度有：日常工作描述、工作中的需求與期望、對(duì)機(jī)器人工作融入的暢想與擔(dān)心。在此基礎(chǔ)上，完成用戶角色建模，通過各類角色的工作內(nèi)容、痛點(diǎn)、情景設(shè)定、工作評(píng)分這四個(gè)主要方向進(jìn)行描述與呈現(xiàn)，以駐場(chǎng)工程師為例，具體的用戶角色卡如下圖所示：

圖9 ·?用戶角色信息卡–駐場(chǎng)

最終根據(jù)用戶畫像和調(diào)研中收集的問題進(jìn)行聚類分析，集中梳理與歸類，得到用戶訴求，即對(duì)機(jī)器人應(yīng)用場(chǎng)景下的機(jī)房服務(wù)的“服務(wù)主張”，圍繞“安全”“規(guī)范”“高效”三個(gè)方面。這三個(gè)機(jī)房服務(wù)的體驗(yàn)?zāi)繕?biāo)，也是作為后續(xù)機(jī)器人語音設(shè)計(jì)所要達(dá)到的基本要求。

圖10 · 機(jī)房服務(wù)主張

2.2 體驗(yàn)地圖

與機(jī)器人交互的環(huán)節(jié)涉及到線上、線下，從線上任務(wù)的提交到線下與機(jī)器人真實(shí)交互，再到過程中機(jī)器人收集信息的回傳，整個(gè)閉環(huán)鏈路構(gòu)成機(jī)房機(jī)器人服務(wù)體驗(yàn)的核心。以其中導(dǎo)覽場(chǎng)景為例，介紹整體流程，線上的主要觸點(diǎn)：任務(wù)申請(qǐng)?>?任務(wù)生成?>?任務(wù)確認(rèn)?>?任務(wù)存檔；線下的主要觸點(diǎn)：任務(wù)下發(fā)?>?機(jī)器人喚醒及用戶身份驗(yàn)證?>?任務(wù)執(zhí)行?>?任務(wù)結(jié)束，具體的觸點(diǎn)詳情及語音流程見下圖：

圖11 · 機(jī)器人服務(wù)體驗(yàn)流程

經(jīng)過體驗(yàn)地圖的梳理與流程規(guī)劃，去構(gòu)建合理、有序的流程，在任務(wù)執(zhí)行過程中保證人機(jī)交互“自然、親切、可靠”的體驗(yàn)，同時(shí)配合技術(shù)優(yōu)化，完善機(jī)器人語音交互的豐富度，在語音交互設(shè)計(jì)中也會(huì)利用適當(dāng)?shù)囊龑?dǎo)與必要的提示，以更自然的方式消除異常時(shí)的尷尬，快速做到工作銜接。

3. 設(shè)計(jì)策略

3.1 定義角色人格

VUI產(chǎn)品是一個(gè)虛擬的人與用戶直接溝通，因此，溝通對(duì)象的語氣風(fēng)格、性格等則是用戶接觸的第一感受，為了提升真實(shí)性，定義一個(gè)符合自己產(chǎn)品調(diào)性的角色至關(guān)重要，也是著手真正語音設(shè)計(jì)的第一步。

這里的角色，是通過應(yīng)用程序的語音及語言選擇，塑造一個(gè)符合品牌服務(wù)特征，并且具有人格或心理的形象【1】。角色人格包含：

• 公司所傳達(dá)的態(tài)度
• 產(chǎn)品的個(gè)性特征
• 期望別人如何看待它

在本次項(xiàng)目中，筆者在開始設(shè)計(jì)時(shí)，也先對(duì)機(jī)器人的語音調(diào)性和語氣風(fēng)格做了定義，根據(jù)語音交互場(chǎng)景和機(jī)器人的功能特性，語氣規(guī)范追求的是：篤定、尊重、正式、親切的感受，既讓用戶感受到機(jī)器人工作的嚴(yán)謹(jǐn)性與安全性，又讓整個(gè)服務(wù)體驗(yàn)兼具友善、和諧與溫度。

圖12 · 機(jī)器人語音調(diào)性與語氣規(guī)范

以“篤定”為例，表達(dá)語氣的說明和示例，通過語氣規(guī)范，統(tǒng)一整個(gè)語音交互原型的調(diào)性。

圖13 · 語氣規(guī)范示例

在設(shè)計(jì)時(shí)，我們可以用“真實(shí)的人物”來定義聲音特征與溝通基調(diào)，分析、了解真實(shí)人物模型的個(gè)性特征。例如兒童早教類語音產(chǎn)品，可以以大家熟知的“金龜子”為人格原型進(jìn)行定義，溝通中模仿她的語氣、用詞，讓兒童感到親切并符合服務(wù)對(duì)象的特征喜好。同時(shí)，我們需要設(shè)定“期望人們?nèi)绾慰创覀兊恼Z音產(chǎn)品”，傳達(dá)怎樣的服務(wù)理念。

圖14 · 人物模型

但這里值得注意的是，現(xiàn)在很多語音助手支持語音選擇，如男聲、女聲、少年等。我們要知道，“改變聲音的同時(shí)，就意味著換了不同的人格”，他們的語音交互特征、形式等應(yīng)該發(fā)生相應(yīng)變化。同樣一句很可愛、很活潑的話，小孩說合適，但如果換到“成熟男士”，多少會(huì)有些不合時(shí)宜。

圖15 · 人物語氣的多種性格

3.2?語音交互設(shè)計(jì)

語音設(shè)計(jì)的原型更像是“劇本設(shè)計(jì)”，需要考慮在哪個(gè)場(chǎng)景下，包含什么角色、他們?nèi)绾螌?duì)話、如何過度銜接、具體的語言如何等，如下圖就是在此次項(xiàng)目中輸出的語音設(shè)計(jì)原型，具體內(nèi)容涉及到信息隱私，這里就不展開了，但是整個(gè)語音交互腳本中，對(duì)場(chǎng)景、角色、對(duì)話腳本備注圖例、腳本正文等都做了明確定義與設(shè)計(jì)，后面就圍繞如何做好交互引導(dǎo)、反饋、異常處理這四個(gè)方面進(jìn)行介紹。

圖16 · 語音交互腳本原型

3.2.1 語音交互引導(dǎo)

在設(shè)計(jì)語音腳本內(nèi)容時(shí)，需要特別考慮VUI與人對(duì)話過程的語言銜接、對(duì)話內(nèi)容的順暢，并且能夠自然的完成設(shè)想的任務(wù)。例如當(dāng)詢問用戶信息時(shí)，最好給出一些示例，而不是說明。以下兩句話大家可以明顯感受到體驗(yàn)的差異，對(duì)于用戶來說，參照示例填寫信息，比理解一個(gè)通用指令更加容易。

• “請(qǐng)告訴我你的出生日期，如2017年12月12日”
• “請(qǐng)告訴我你的出生日期，包括年月日”

3.2.2?語音交互反饋

在GUI界面中，“確認(rèn)反饋”隨處可見，點(diǎn)擊一個(gè)按鈕、進(jìn)行一個(gè)編輯操作，我們會(huì)設(shè)計(jì)不同重要程度的交互反饋；在VUI中，同樣有不同程度的“確認(rèn)反饋”，本文主要將他們分為三種：顯性確認(rèn)、隱形確認(rèn)、視覺確認(rèn)。

圖17 · 語音交互反饋

3.2.3?語音交互異常處理

語音可能存在的異常情況主要有以下四種：

• 未檢測(cè)到語音 （明確告訴用戶“我沒聽清”）
• 檢測(cè)到語音，但沒有識(shí)別（“我不明白你的意思”）
• 語音被正確識(shí)別，但系統(tǒng)無法處理（“出現(xiàn)異?！保?/li>
• 部分語音識(shí)別錯(cuò)誤（答非所問）

在設(shè)計(jì)中，我們可以按照不同的異常情況，設(shè)計(jì)多種播報(bào)腳本，提高產(chǎn)品容錯(cuò)性，緩解異常時(shí)候的尷尬，在此例舉些常見的用戶語音輸入錯(cuò)誤的回答，如圖18。

圖18 · 用戶輸入錯(cuò)誤時(shí)的回答

4. 測(cè)試驗(yàn)證

4.1 語音設(shè)計(jì)原型測(cè)試

以項(xiàng)目中團(tuán)隊(duì)采用的兩種腳本測(cè)試方式為例，分別是：劇本朗讀和語音轉(zhuǎn)換工具。通過劇本朗讀，體驗(yàn)對(duì)話的流暢程度，確認(rèn)是否存在對(duì)話呆板、重復(fù)、不自然的情況；通過文字轉(zhuǎn)語音工具，如QQ語音轉(zhuǎn)化，可以較真實(shí)的感受機(jī)器將對(duì)話說出來的效果。

圖19 · 語音設(shè)計(jì)原型測(cè)試

4.2 語音及設(shè)備測(cè)試調(diào)優(yōu)

設(shè)計(jì)交付后，功能開發(fā)完成，進(jìn)入語音設(shè)備可運(yùn)行階段，這時(shí)系統(tǒng)具備測(cè)試功能。測(cè)試調(diào)優(yōu)的方法同樣給大家列舉兩個(gè)：一是可以通過開發(fā)、設(shè)計(jì)人員，進(jìn)行實(shí)際人機(jī)測(cè)試，了解語音功能是否穩(wěn)定、任務(wù)完成率如何、整個(gè)體驗(yàn)流程是否自然順暢；二是可以通過用戶觀察的方法進(jìn)行調(diào)研，找到符合特征的目標(biāo)測(cè)試用戶，利用機(jī)房的監(jiān)控?cái)z像頭，觀察“自然狀態(tài)下”的用戶如何工作，這樣不會(huì)干擾用戶，更貼近真實(shí)的使用情景。

圖20 · 人機(jī)使用測(cè)試

5. 總結(jié)

以上是筆者首次接觸語音交互設(shè)計(jì)的設(shè)計(jì)經(jīng)過，對(duì)VUI設(shè)計(jì)中的知識(shí)點(diǎn)、流程、方法進(jìn)行的總結(jié)，仍有很多不全面之處，后續(xù)隨著項(xiàng)目的迭代和設(shè)計(jì)的深入，逐步去完善體驗(yàn)，總結(jié)沉淀。

【1】參考書籍：《語音用戶界面設(shè)計(jì)》 Cathy Pearl (著)王一行(譯)

相關(guān)閱讀

語音交互設(shè)計(jì)（一）：VUI發(fā)展及特征

作者：晏菲（史慧婷），阿里巴巴交互設(shè)計(jì)師

來源：微信公眾號(hào)“TXD技術(shù)體驗(yàn)設(shè)計(jì)（ID：TXD-UED）”

本文由 @TXD技術(shù)體驗(yàn)設(shè)計(jì) 授權(quán)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。

題圖來源于網(wǎng)絡(luò)