如何打造良好的語(yǔ)音交互體驗(yàn)？這兒總結(jié)了四個(gè)方法

回顧人機(jī)交互發(fā)展是「技術(shù)提高」與「載體創(chuàng)新」交替螺旋促進(jìn)在推動(dòng)著人獲取信息的服從賡續(xù)提拔，成本賡續(xù)降低。

AlphaGo先后打敗李世石和柯潔，百度發(fā)布主動(dòng)駕駛體系「阿波羅」這一次由AI引領(lǐng)的技術(shù)提高正在發(fā)生?；诖罅考儍魯?shù)據(jù)的深度學(xué)習(xí)給人工智能帶來(lái)的了偉大的提高，這種提高重要表現(xiàn)在三個(gè)維度。

•  認(rèn)知能力 – 基于用戶舉動(dòng)的畫像，將人機(jī)交互從「單向」關(guān)系帶入「雙向關(guān)系」。
•  感知能力 – 由觸摸輸入到以語(yǔ)音輸入、圖像識(shí)別為核心的全天然交互。
•  天然語(yǔ)音輸出能力 – 帶來(lái)新的”語(yǔ)音“設(shè)計(jì)材料。

語(yǔ)音對(duì)于體驗(yàn)設(shè)計(jì)師來(lái)說(shuō)是新的設(shè)計(jì)材料，它有哪些設(shè)計(jì)挑釁？語(yǔ)音設(shè)計(jì)有框架可尋嗎？有哪些設(shè)計(jì)方法？我們將在下面的文章與你分享。

二.設(shè)計(jì)挑釁

從「右邊界」設(shè)計(jì)到「無(wú)邊界」設(shè)計(jì)

當(dāng)我們?cè)O(shè)計(jì)App界面，交互設(shè)計(jì)師會(huì)窮舉用戶在固定像素界面內(nèi)所有可能的操作，逐一設(shè)計(jì)恰到益處的用戶反饋。但是對(duì)于語(yǔ)音交互用戶的輸入是沒(méi)有邊界的，用戶可能的輸入將遠(yuǎn)遠(yuǎn)超出你可能的窮舉的范圍。從「有形」的設(shè)計(jì)到「無(wú)形」的設(shè)計(jì)，視覺(jué)的設(shè)計(jì)規(guī)范在語(yǔ)音設(shè)計(jì)過(guò)程中將完全失效。

從「進(jìn)場(chǎng)」交互到「多距離空間」交互

語(yǔ)音交互重要分為近場(chǎng)交互（例如：度秘/Siri）和中場(chǎng)交互（車載）、遠(yuǎn)場(chǎng)交互（智能音箱）。

多距離場(chǎng)景的有以下幾個(gè)維度的不同：

（1）場(chǎng)景特性：在非近場(chǎng)交互的場(chǎng)景下用戶可能在其他事情上，而非專注在其他義務(wù)，這給如何讓用戶最小成本的獲取當(dāng)前體系的狀況帶來(lái)挑釁，「我喚醒了設(shè)備嗎」「我們可以說(shuō)了嗎」 每一個(gè)節(jié)點(diǎn)需求都必要多維度的定義。

（2） 輸入體例：常用的輸入體例有實(shí)體操作（按鈕/旋鈕等等），觸摸，語(yǔ)音，動(dòng)作，在近場(chǎng)交互時(shí)實(shí)體與觸控是第一選擇，而當(dāng)中遠(yuǎn)場(chǎng)交互時(shí)語(yǔ)音成為輸入體例的第一選擇。伴隨各種智能音箱、或者Iphone X等采用深度攝像頭應(yīng)用的普及，中遠(yuǎn)場(chǎng)景的動(dòng)作輸入將漸漸成為緊張的輸入體例之一。

三. 設(shè)計(jì)建議

用「語(yǔ)音交互框架」匹配「使用場(chǎng)景」

語(yǔ)音交互帶來(lái)人機(jī)交互向更天然的方向提拔，人機(jī)交互更趨近于「人人交互」，怎樣理解語(yǔ)音交互框架，我們可以從人人交互一探討竟。

如今回想你讓別人幫你把水杯拿過(guò)來(lái)，你與這小我的交互節(jié)點(diǎn)是什么樣子的？

首先你要叫他的名字，假如他聽(tīng)到了會(huì)回答你「干嘛呀」或給你個(gè)眼神兒，這時(shí)候你知道他在聽(tīng)你說(shuō)話，你可以繼承說(shuō)了「把水杯拿來(lái)」。他可能必要想想水杯在哪或者問(wèn)你，當(dāng)他去拿水杯你會(huì)看到他正在舉措。將與人的語(yǔ)音交互節(jié)點(diǎn)提煉出來(lái)，進(jìn)行總結(jié)就是語(yǔ)音的交互框架：

如上圖所示語(yǔ)音的交互框架由以下四個(gè)節(jié)點(diǎn)構(gòu)成，每個(gè)節(jié)點(diǎn)用戶有響應(yīng)需求：

•  喚醒：用戶有得到「是否喚醒語(yǔ)音」反饋的需求
•  輸入：用戶有得到設(shè)備正在「聽(tīng)說(shuō)話嗎」的需求（相稱于loading）
•  理解：用戶有得到「在幫我說(shuō)事情嗎」 的需求
•  回答/舉措：用戶有查看義務(wù)是否完成的需求

語(yǔ)音的交互框架詮釋了語(yǔ)音交互流程，等同于觸屏設(shè)備定義的「點(diǎn)擊屏幕」「雙指Pinch」「搖一搖」。但是僅僅了解交互框架是遠(yuǎn)遠(yuǎn)不夠的，比框架更緊張的是語(yǔ)音交互場(chǎng)景，在不同場(chǎng)景下以上「喚醒、輸入、理解、回答/舉措」四個(gè)節(jié)點(diǎn)有不同設(shè)計(jì)體例。

舉個(gè)例子：在語(yǔ)音交互的第二個(gè)節(jié)點(diǎn) – 輸入中必要用「波形高低」與「語(yǔ)音響度高度」相匹配來(lái)給用戶正在凝聽(tīng)的反饋，在不同場(chǎng)景下波形要采取不同的設(shè)計(jì)策略：

車載場(chǎng)景：駕車時(shí)用戶的視覺(jué)細(xì)致力被路況占有，這時(shí)候一方面必要引入「?！沟囊宦曊Z(yǔ)音反饋，另一方面必要設(shè)計(jì)采取更強(qiáng)的視覺(jué)波形確保一瞥既得。

語(yǔ)音音箱：語(yǔ)音音箱的場(chǎng)景雖然不像駕車場(chǎng)景細(xì)致力被強(qiáng)占有，但是它是沒(méi)有屏幕的，這時(shí)候一樣平常會(huì)采取帶強(qiáng)弱有呼吸感的燈效解決反饋的題目。

「無(wú)形」的語(yǔ)音能「附著」在各種設(shè)備上，場(chǎng)景也是千變?nèi)f化的。在設(shè)計(jì)時(shí)要時(shí)刻記住「喚醒-輸入-理解-回答/舉措」的語(yǔ)音交互框架和每個(gè)節(jié)點(diǎn)的用戶需求，關(guān)注用戶的使用環(huán)境，和視覺(jué)/聽(tīng)覺(jué)細(xì)致力的占有情況，不要局限只用聲音做反饋。

喚醒設(shè)計(jì)

喚醒是語(yǔ)音交互的第一步，聽(tīng)說(shuō)剛發(fā)布的某國(guó)產(chǎn)品牌的AI音箱選了十多個(gè)喚醒詞，最后才用了「小愛(ài)同窗」，Rokid的喚醒詞「若琪」也經(jīng)過(guò)了精心的設(shè)計(jì)。這充分說(shuō)明了喚醒設(shè)計(jì)緊張性。

喚醒體例可以是義務(wù)的觸發(fā)動(dòng)作，比如點(diǎn)擊，按壓，動(dòng)作，語(yǔ)音，表情。目前主流的喚醒體例有以下3三種 – 實(shí)體按鈕、假造按鈕、語(yǔ)音喚醒，每種喚醒體例各有特點(diǎn)，適用于不同場(chǎng)景，下面我們來(lái)一一分析一下：

（1） 實(shí)體按鈕：好處是能提供觸覺(jué)反饋，使用場(chǎng)景有兩種：

A.當(dāng)用戶的視覺(jué)通道被占有時(shí)。

B.近場(chǎng)交互且設(shè)備沒(méi)有屏幕或屏幕處于熄滅狀況時(shí)，例如在熄屏狀況下通過(guò)長(zhǎng)按Home喚醒。

（2）假造按鈕：?jiǎn)拘洋w例有兩種操作體例 – 點(diǎn)擊和長(zhǎng)按。兩種體例的本質(zhì)差別有三個(gè)：與面部距離、操作成本長(zhǎng)按大于點(diǎn)擊、微信養(yǎng)成的語(yǔ)音輸入風(fēng)俗使得長(zhǎng)按更吻合用戶風(fēng)俗。

A.點(diǎn)擊：面部與屏幕距離遠(yuǎn)，波形反饋可見(jiàn)，能更好的確認(rèn)設(shè)備是否在收音，且成本較小。大多數(shù)的近場(chǎng)交互都可以使用。同時(shí)車載場(chǎng)景分外適用，試想在駕車情況下讓用戶長(zhǎng)按輸入語(yǔ)音簡(jiǎn)直就是災(zāi)禍。

B.長(zhǎng)按：離麥克風(fēng)距離比較近，能帶來(lái)更好的收音結(jié)果?？梢宰鳛橐环N輔助的喚醒體例兼容。

（3）語(yǔ)音喚醒：在雙手被占有和遠(yuǎn)距離場(chǎng)景下語(yǔ)音喚醒都是最佳的體例，在設(shè)計(jì)語(yǔ)音喚醒時(shí)要細(xì)致以下三個(gè)方面：?jiǎn)拘言~的形象設(shè)計(jì)、細(xì)致喚醒后的聲音反饋、防止誤觸發(fā)。

A.喚醒詞的形象設(shè)計(jì)：?jiǎn)拘言~的設(shè)計(jì)是機(jī)器人格的一部分。在尋常的社會(huì)交往中，文雅、深邃的名字，每每會(huì)給人留下美好的印象。庸名俗字則給人一種不興奮的討厭生理或排斥感。比如「悄悄」給人「文琪、清秀」的感覺(jué)?！柑枪菇o人「甜美」的感覺(jué)。

初期的人工智能的能力是有限的，偶然會(huì)給出不盡如人意的回答。一個(gè)萌萌的有親和力的名字能讓用戶有更高的寬容度。

同時(shí)喚醒詞意象要與聲音特色相同等，聽(tīng)覺(jué)情感是特別很是敏感的，想象一下假如一個(gè)萌妹子說(shuō)話的聲音很粗獷，或者一個(gè)壯漢聲音很細(xì)你是不是覺(jué)得很不恬逸。去定義喚醒詞對(duì)應(yīng)的感知意向，在語(yǔ)音合成訓(xùn)練時(shí)匹配這種意向。

B.使用反饋音：語(yǔ)音喚醒一樣平常使用在遠(yuǎn)場(chǎng)交互場(chǎng)景，這時(shí)候用戶很難能通過(guò)視覺(jué)確認(rèn)是否喚醒了設(shè)備，就必要給出語(yǔ)音反饋。比如「?！够颉肝以谀亍沟鹊?。

C.防止誤觸發(fā)：在日常交流中我們天天會(huì)說(shuō)許多重復(fù)的字或詞，比如「你、哎、哦」等等，在設(shè)計(jì)喚醒詞時(shí)要避開(kāi)這些詞匯。

對(duì)話的體驗(yàn)設(shè)計(jì)

喚醒之后的對(duì)話環(huán)節(jié)是語(yǔ)音體驗(yàn)設(shè)計(jì)的核心，我們?nèi)绾未蛟炝己玫脑O(shè)計(jì)體驗(yàn)?zāi)?？首先必要了解語(yǔ)音交互類產(chǎn)品對(duì)話的基本特點(diǎn)，包括：輪流說(shuō)話的體例、合作式的對(duì)話、關(guān)注語(yǔ)言的蘊(yùn)意及語(yǔ)境、具有線索指導(dǎo)、對(duì)話具有可修復(fù)性。

在詳細(xì)對(duì)話的編寫上，給大家保舉通用的Grice表達(dá)準(zhǔn)則，可以有用提拔語(yǔ)音對(duì)話的結(jié)果。準(zhǔn)則包括以下4方面：

• 表達(dá)質(zhì)量：陳述的是有用的事物
• 信息量：不多不少，恰到益處的語(yǔ)言信息含量
• 關(guān)聯(lián)性：陳述與話題相干的信息
• 風(fēng)俗性：簡(jiǎn)明扼要，直奔主題，避免模糊晦澀的表達(dá)

根據(jù)不同的使用場(chǎng)景對(duì)話編寫也有較大差別，重要從以下兩個(gè)維度入手：

（1）區(qū)分「義務(wù)式設(shè)計(jì)」與「閑聊式設(shè)計(jì)」。對(duì)話式設(shè)計(jì)重要分為兩種場(chǎng)景：義務(wù)式對(duì)話和閑聊式對(duì)話。

義務(wù)式對(duì)話：如理財(cái)顧問(wèn)，大夫，購(gòu)房助手，用戶使用這類對(duì)話的型產(chǎn)品是為了盡快得到答案，而不是向人們「調(diào)戲」siri一樣。這類的產(chǎn)品應(yīng)遵循如下原則：

A. 指導(dǎo)用戶如何輸入

語(yǔ)音是無(wú)形沒(méi)有邊界的，不要讓用戶進(jìn)來(lái)不知道說(shuō)什么。用戶可能采用各種無(wú)法預(yù)知的句子輸入。為了避免發(fā)生錯(cuò)誤，應(yīng)在界面上指導(dǎo)用戶怎樣輸入或自動(dòng)開(kāi)啟一個(gè)對(duì)話。

B.設(shè)置邊界

不要試圖去做閑聊型「機(jī)器人」，當(dāng)入用戶的輸入你的產(chǎn)品無(wú)法理解或與你產(chǎn)品的主義務(wù)無(wú)關(guān)時(shí)，不要裝聰明，給用戶選項(xiàng)提示用戶他能用的表達(dá)體例。

閑聊式對(duì)話：如微軟小冰，度秘等。用戶使用這類對(duì)話式產(chǎn)品的目的是「娛樂(lè)」，服從不在是第一需求，怎樣讓對(duì)話風(fēng)趣避免冷場(chǎng)是新的設(shè)計(jì)目標(biāo)：

A. 雙向溝通，自動(dòng)聯(lián)想

避免對(duì)話一向是「one shot」式的一問(wèn)一答。雙向的溝通才能讓對(duì)話變得風(fēng)趣，當(dāng)用戶打開(kāi)你的產(chǎn)品時(shí)根據(jù)氣候，時(shí)間等因素做自動(dòng)的交談，比如當(dāng)用戶深夜打開(kāi)你的產(chǎn)品時(shí)，設(shè)置一段問(wèn)候的對(duì)話會(huì)讓你的產(chǎn)品變得富有人文關(guān)懷。

B. 迎合用戶情緒

當(dāng)用戶表達(dá)出悲傷或開(kāi)心等情緒時(shí)，用戶會(huì)很期待你的產(chǎn)品具有同理心，用圖像或?qū)υ捙c用戶建立情感連接，將使得對(duì)話變得富有人情味，增長(zhǎng)產(chǎn)品的粘性。

C .鼓勵(lì)輸入

閑聊式對(duì)話產(chǎn)品的體驗(yàn)依靠于對(duì)用戶數(shù)據(jù)的收集，你的產(chǎn)品積累的對(duì)話數(shù)據(jù)越多，通過(guò)深度學(xué)習(xí)就越能給出用戶寫意的反饋。在設(shè)計(jì)時(shí)通過(guò)獎(jiǎng)勵(lì)機(jī)制和可視化的鼓勵(lì)指導(dǎo)用戶來(lái)雄厚你的數(shù)據(jù)庫(kù)。

（2） 「聽(tīng)覺(jué)形象」的體驗(yàn)設(shè)計(jì)

通過(guò)「彩、材質(zhì)、外形、版式、動(dòng)效、字體」塑造視覺(jué)形象，用視覺(jué)形象反映產(chǎn)品氣質(zhì)、品牌理念是GUI設(shè)計(jì)師工作之一。人工智能賦予了機(jī)器擬人化聲音輸出的能力，帶來(lái)的語(yǔ)音設(shè)計(jì)材料。不同的聲音帶給用戶的感受是不大雷同的，消沉的聲音給人「慎重、沉穩(wěn)」的感覺(jué)，尾音語(yǔ)調(diào)向上的聲音給人「愉悅、被尊重」的感覺(jué)。

如何用「音色、節(jié)奏、音調(diào)、響度」的語(yǔ)音設(shè)計(jì)要素設(shè)計(jì)恰如其分的聽(tīng)覺(jué)形象？

下面我結(jié)合項(xiàng)目經(jīng)驗(yàn)和一些研究與你分享一些流程的方法。

A.從「先設(shè)計(jì)后開(kāi)發(fā)」到「先開(kāi)發(fā)后設(shè)計(jì)」一個(gè)全新的實(shí)現(xiàn)流程

語(yǔ)音是不可見(jiàn)的，設(shè)計(jì)師沒(méi)有「語(yǔ)音的PS」 ，在語(yǔ)音形象的設(shè)計(jì)中必須先有「語(yǔ)音基礎(chǔ)形象」設(shè)計(jì)師基于語(yǔ)音基礎(chǔ)形象進(jìn)行再設(shè)計(jì)。對(duì)百度f(wàn)eed讀消息的體驗(yàn)重新設(shè)計(jì)時(shí)，先輩行的是不同消息情感特色的定義，基于消息情感收集當(dāng)量的「語(yǔ)料」數(shù)據(jù)，通過(guò)深度學(xué)習(xí)來(lái)提取每類語(yǔ)料數(shù)據(jù)的聲音特色形成「基礎(chǔ)形象」，在對(duì)基礎(chǔ)形象進(jìn)行「語(yǔ)調(diào)、速度、節(jié)奏」的微調(diào)進(jìn)行升級(jí)形象設(shè)計(jì)。

以上流程可抽象出「聽(tīng)覺(jué)形象」的設(shè)計(jì)流程 ：「定義 – 遴選 – 訓(xùn)練 – 調(diào)整」。

定義：根據(jù)內(nèi)容/產(chǎn)品氣質(zhì)/品牌愿景定義產(chǎn)品的「聽(tīng)覺(jué)形象」，八卦的情感要用「戲謔的」，歷史的聽(tīng)覺(jué)響應(yīng)要有「滄桑感」。

遴選：去語(yǔ)音庫(kù)里遴選具有定義的聽(tīng)覺(jué)形象的語(yǔ)音片段。比如假如要產(chǎn)生的聽(tīng)覺(jué)形象是「滄桑感」時(shí)，可以遴選一些單田芳先生語(yǔ)音片段。

訓(xùn)練：將大量語(yǔ)音片段交由技術(shù)人員進(jìn)行語(yǔ)音合成訓(xùn)練。

微調(diào)：通過(guò)調(diào)整「語(yǔ)調(diào)、速度、節(jié)奏」使之給用戶的感覺(jué)更接近于先前定義的「聽(tīng)覺(jué)形象」。

B. 保持「聽(tīng)覺(jué)形象」與「品牌情感」的同等性

在進(jìn)行視覺(jué)設(shè)計(jì)時(shí)設(shè)計(jì)師要通過(guò)「色彩、外形」等設(shè)計(jì)元素支撐品牌情感，對(duì)與大型公司會(huì)要求他們的每一個(gè)產(chǎn)品遵循同等性的設(shè)計(jì)規(guī)范。進(jìn)入「聽(tīng)覺(jué)形象」設(shè)計(jì)時(shí)代，當(dāng)你的產(chǎn)品要使用語(yǔ)音交互時(shí)，確保產(chǎn)品的「聽(tīng)覺(jué)形象」與「品牌情感」保持同等，這將能夠強(qiáng)化品牌給用戶的印象。

C. 保持「聽(tīng)覺(jué)形象」與「用戶場(chǎng)景」的同等性

如今回想一下機(jī)場(chǎng)內(nèi)的語(yǔ)音「尊敬的旅客飛往北京的T343航班….」，這種語(yǔ)音形象給用戶「被服務(wù)的、受到尊敬」的感覺(jué)，與用戶在機(jī)場(chǎng)的場(chǎng)景相同等。而在醫(yī)院，起碼在中國(guó)的醫(yī)院，醫(yī)療資源與患者數(shù)量極不匹配，患者與大夫更像是「求助關(guān)系」而非「服務(wù)關(guān)系」, 使用過(guò)于「服務(wù)化」的語(yǔ)音形象反而會(huì)給用戶帶來(lái)強(qiáng)烈的落差感。

D. 保持「聽(tīng)覺(jué)形象」與「內(nèi)容」同等性

「內(nèi)容」自己是具有形象屬性的，比如二次元的消息假如用粗獷的男生讀出來(lái)肯定會(huì)很違和。因此在進(jìn)行內(nèi)容消耗型設(shè)計(jì)時(shí)要充分考量語(yǔ)音所說(shuō)的內(nèi)容與「聽(tīng)覺(jué)形象」相匹配，避免出現(xiàn)違和感。但是在設(shè)計(jì)工具型產(chǎn)品時(shí)，不要頻繁替換語(yǔ)音形象，這會(huì)分散用戶細(xì)致力使服從降落。

4.行使視覺(jué)

語(yǔ)音交互的最大上風(fēng)是更加直覺(jué)化，可以大大降低用戶學(xué)習(xí)成本。但是語(yǔ)音輸出的是線性的，因此它無(wú)法同時(shí)輸出許多內(nèi)容。這是語(yǔ)音最大的劣勢(shì)。

2015年在設(shè)計(jì)語(yǔ)音管家時(shí)有人提出要做個(gè)語(yǔ)音點(diǎn)外賣功能。這其實(shí)是違反語(yǔ)音場(chǎng)景的，當(dāng)語(yǔ)音輸出到第十道菜時(shí)用戶已經(jīng)忘了第一道菜是什么了。 所以當(dāng)時(shí)在設(shè)計(jì)時(shí)當(dāng)用戶提議必要當(dāng)量信息交互的義務(wù)時(shí)，會(huì)通過(guò)PUSH指導(dǎo)用戶查看視覺(jué)信息。

在設(shè)計(jì)時(shí)充分行使視覺(jué)與聽(tīng)覺(jué)的互補(bǔ)性，聽(tīng)覺(jué)記憶時(shí)間短暫的，不要用語(yǔ)音輸出大量信息，尤其輸出的信息是必要用戶記憶時(shí)。

四. AI時(shí)代的變與不變

AI帶來(lái)機(jī)器的認(rèn)知能力和感知能力的提拔，給人機(jī)交互帶來(lái)的改變是根本的，傳統(tǒng)的人機(jī)「輸入-反饋」循環(huán)，將漸漸過(guò)渡到「保舉-選擇」循環(huán)。人機(jī)交互也將由單向從屬關(guān)系，向雙向訓(xùn)練關(guān)系過(guò)渡。這種改變將重寫「設(shè)計(jì)思維、方法、流程、規(guī)范」。

然而每個(gè)時(shí)代都會(huì)有屬于它的符號(hào)和偶像，對(duì)于設(shè)計(jì)師來(lái)說(shuō)，賦予產(chǎn)品以靈魂的精神是始終不變的。

「深入了解！什么是對(duì)話式交互」

• 《將來(lái)的趨勢(shì)！好的 AI 對(duì)話體驗(yàn)應(yīng)該是怎樣的？》
• 《圖形界面的末路？聊聊將來(lái)可能會(huì)流行的「對(duì)話式交互」》
• 《超周全！聊天機(jī)器人的界面交互設(shè)計(jì)實(shí)戰(zhàn)經(jīng)驗(yàn)總結(jié)》

原文地址：ued.baidu