针对语音助手类产品浅谈对话式交互设计

　　今天给大家分享一篇针对语音助手类产品的对话式交互进行讨论的文章，希望带给你更多帮助。
　　说到语音设计大家脑海里会浮现出各种科幻场景，其实语音设计离我们并不远，可能我们太过于熟悉，以至于忽视它的存在。
　　刚好自己对这一领域充满好奇，就以Siri、天猫精灵和小爱同学这三款产品体验为本，结合《语音用户界面设计》这本书的内容，写了这篇文章。
　　本文主要针对语音助手类产品的对话式交互进行讨论。
　　一、前世今生
　　看看这段话：业务查询请按1，手机充值请按2。每次拨打10086时，都能听到这样的回答。
　　这种语音交互形式叫交互式语音应答（InteractiveVoiceResponse，IVR），这也是语音设计的第一个阶段，起源于20世纪90年代。
　　还有我们熟悉的电话订票，电话股票交易等，都属于这个阶段的产物。
　　这个阶段的语音设计，为复杂的功能提供了自助的语音处理方案。语音交互的内容已经提前设定好，用户带着疑问作出特定的回答，语音系统就会给出指定的答案。
　　接下来的时代，各种智能设备普及了，也诞生了Siri、GoogleNow等语音助手，以及这几年挺火的智能音箱。
　　如：小爱同学、天猫精灵和腾讯听听等，几乎所有的行业巨头都参与这场盛宴，这是语音设计的第二个阶段，也是目前所处的阶段。
　　二、设计核心点
　　语音交互是一种包含丰富信息的互动形式，在设计语音交互时，可以从对话模式、引导式回答、自然沟通作为设计的核心考虑点。
　　1。对话模式
　　谈语音设计就离不开讨论语言沟通，在日常生活中，人们之间的对话沟通从语速、用词和前后对话的内容等，就可以让对方了解到说话者表达的内容和情绪的变化。
　　（1）单轮对话
　　单轮对话是指对话内容不包含情景，没有关联上下文内容。这种对话模式导致语音交互更偏向于简短的操作任务，过于复杂的操作任务，则需要分解成简短的口令。
　　比如：播放陈奕迅的歌大多数语音系统是可以识别的；而如果说介绍下陈奕迅，然后再说播放他的代表歌曲，这种需要上下文关联、复杂的对话模式，现阶段大多数语音助手是无法识别的。
　　（2）连续对话
　　语音交互的对话模式还有另一种类型，它们搭载了自然语音处理系统，使用场景也打破单轮对话的限制，它们就是聊天机器人，也叫伴侣式机器人。
　　它们定位更偏向模拟人类对话，研究人机对话的领域。相信未来语音助手也可以结合对话式聊天模式，实现自然聊天并准确的进行功能操作。
　　比如：小米的小爱同学，有一个隐藏的技能打开闲聊，开启后可以进行连续对话模式。微软小冰也是聊天机器人方面比较成熟的产品之一。
　　2。引导式回答
　　在单轮对话模式的限制中，需要特别留意语音系统的回答，引导用户正确使用简短的语音对话。
　　（1）确认模式
　　语音交互的确认模式，可以分为显性确认与隐性确认两种类型。
　　显性确认，是一种强制用户确认的方式。主要用于涉及钱财或者会带来严重影响的操作行为中。
　　当用户说帮我充个话费时，这里涉及钱财支出，则语音系统应该重复一次即将执行的命令，用户确认答复后，平台再进行对应的操作。
　　比如：让天猫精灵帮忙充话费，天猫精灵在进行支付前，会让用户确认一次充值内容，当用户给予肯定回答后，天猫精灵才会进行充值支付操作。
　　隐性确认，是根据识别的可信度进行弱确认的方式。
　　系统对语音内容进行打分评级，当可信度等级为高时，确认是可信的命令，直接执行对应的操作。无需用户再进行确认，或重复一次反馈结果。
　　比如：对Siri说打开支付宝付款码，Siri会直接打开支付宝软件的付款码页面，并在界面弱提示正在打开支付宝。这个过程不需要用户再去确认，因为这是一个可信的操作。
　　当可信度等级为中等时，系统执行对应的操作后，还需要对操作进行隐性确认，让用户知道为什么会执行当前的操作。
　　比如：在晚上对天猫精灵说早上好时，天猫精灵会播放晚间资讯，并告知现在是晚上，明天上午说早上好可以播放资讯等。
　　如下图所示（晚间资讯通过语音播放，界面没有展示文本）。
　　当可信度等级为低时，系统应该明确告知用户，无法识别有效的语音内容。
　　总的来说，隐性确认是让用户知道为什么会这样操作，用户收到语音系统的反馈就行。显性确认则是需要用户明确确认的过程。
　　（2）错误引导
　　现阶段语音系统无法避免错误识别或无法识别的情况。
　　出错不要紧，如何改善机器的错误反馈才是重点。
　　当机器无法识别或识别的内容属于低可信度时，机器需要引导用户去用正确的语句结构来对话，千万不要自作聪明地尝试回答。
　　比如：跟Siri对话时，如果Siri没有检测到语音，则会通过界面，给予文字反馈；超时没说话时，则会展示你可以这样问我的引导页。
　　当遇到Siri无法回答的问题时，则会给予简单的文字引导。
　　跟小爱同学对话时，经常会遇到跑题的情况。这种过度自信的回答很容易给用户带来负面感受。
　　（3）语音之外的反馈
　　对于语音助手类产品来说，语音是一种交互方式，但不是唯一的。产品一般会搭配硬件和软件来使用。
　　所以除了语音之外，不要忽略其他反馈的渠道。
　　同时语音交互有自身的优势，可以不受物理位置的影响，可以简单快捷的上手学习，不需要去学习界面的操作。但是界面交互也有自身优势，如展示列表类内容等复杂信息。
　　比如：让小爱同学播放歌曲时，小爱同学会通过语音形式播放对应的歌，但也会在界面中静默展示播放列表。
　　除了界面的辅助反馈外，也不要忘记物理反馈。在唤醒小爱同学和天猫精灵时，这两个音箱都会亮起灯光，用于示意已经唤醒设备，正在接收语音内容中。
　　3。自然沟通
　　对于自然沟通的语音设计来说，可以尝试以下几个方向。
　　（1）个性化
　　每个人都有自己的说话方式，跟机器进行对话也会带着自己的习惯。每个语音系统也可以有自己的个性，这是设计者可以考虑塑造的机器人格。
　　比如：分别问天猫精灵、小爱同学、Siri你喜欢什么颜色，可以得到三种不同类型的回答。
　　如图可以看出Siri、天猫精灵和小爱同学都有自己的性格差异。
　　当调戏Siri和小爱同学，不断重复它们的回答时。
　　Siri会带有情绪地说奇怪，难道这里有回音。而小爱同学会带有情绪地说别闹，我才是小爱。
　　甚至问Siri圆周率是多少时，它还会加上一些无意义的语气词，如呼气！。
　　可惜的是，Siri并不是真正模拟呼气的过程，而是用平缓的语气念出了呼气两个字，这也许是出于对恐怖谷理论的担忧吧。
　　（2）本土文化
　　本土文化也是自然沟通的考虑因素之一，不同文化所用的语言不同，导致在选词造句上都存在很大的差异。
　　像日常沟通中，人们会用上谚语来表达自己想描述的内容。在语音助手类产品中，Siri是做得比较好的。
　　比如：当遇到英文单词时，Siri会用中文读出来。说谢谢时，Siri会引用一家人不说两家话这样的地方用语来回答。
　　（3）语意分析
　　对于实现自然沟通来说，语意分析算是重点，也是难点之一。在很多语言中，同一个词在不同场景下说出来，经常表达着不同的含义。
　　像晚上好，我们也可以用晚安来表达。早上好甚至可以省略为一个早字，在语音设计的过程中，建立用户词库以及关键词归类，可以更自然的分析用户的语意。
　　通过通配符和逻辑表达式，系统可以更好的识别含义相近的语句。
　　将电脑慢这样的关键词定义为通配符，并将名词形容词的语句表达式定义为归为同一类逻辑。系统就可以认为电脑慢、电脑很慢、电脑真的很慢等等相近含义的语句归为同一含义。这有点像微信公众号的关键词自动回复一样。
　　通过建立词库的形式，也能实现更自然的语意分析。
　　词库有两种建立的方案，一种是将整理归纳好的词库，提前内置到语音助手中。另一种则是提供自定义功能，让用户在日常使用中，不断去教育，修正语音助手的词库。这就像输入法的词库设计一样。
　　比如：对天猫精灵说关闭、睡觉、闭嘴、安静等，都可以触发设备的关闭操作。而小爱同学有小爱训练，用户可以自定义关键词并定义该关键词要执行的操作。
　　这是主动去教育语音助手，形成用户独有词库的方式。
　　通过分析语句中的通配符，未来还有很多可能性。
　　当人感觉到生气时，常用命令式的对话，同时会用上情绪用词，通过这些词汇，语音助手可以更精确的识别使用者的情绪变化，做出更自然的回复。
　　但在准确率还无法保证的情况下，谨慎把语音助手做得过分智能，因为识别错误率过高，更容易引起用户的负面情绪。
　　（4）过度关怀
　　想象下，你跟朋友说晚安，朋友回复你晚安，做个好梦哦。明天深圳的天气是晴转多云
　　可能偶尔一两次，还会觉得这位朋友好贴心，睡觉前还告诉你明天的天气。但长期接触后，就会觉得这位朋友好啰嗦，这个故事来源于小爱同学的晚安反馈，每次说晚安都过度关怀用户。
　　对于语音助手来说，虽然趋势是拟人化，但设计者要把握拟人的程度，语音助手自身提供的语音反馈应该是简明的单一操作。复杂的组合操作应该由辅助屏幕来呈现，或是由用户自定义语音任务来触发。
　　三、总结
　　语音交互相对界面交互，还存在一些缺点：在公共场景使用会有点尴尬。有些用户存在心理障碍，不适应跟机器对话。丰富的信息内容也不合适单独用语音来表示。
　　虽然存在这些缺点，但是语音交互还是会成为未来主流交互方式之一。它可以释放双手，学习门槛也更低，用户直觉的说出操作就行，不需要去学习界面交互。更具有同理心，通过语气、音量、语调、语速等就可以获知使用者心情的变化。
　　最后，在语音交互的设计中，我们可以遵循一些原则：
　　保护用户的隐私。
　　保持自然的沟通。
　　保持简短的回复。
　　提供明确的反馈。
　　对识别内容的支持修正。
　　了解语音识别的局限性。