打造优秀语音交互体验的设计建议

小提示：您能找到这篇{打造优秀语音交互体验的设计建议}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的打造优秀语音交互体验的设计建议内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

每个时代都会有属于它的符号和偶像。对于设计师来说，赋予产品以灵魂的精神是始终不变的。

AI给人机交互带来根本改变

AI的核心能力

回顾人机交互发展是“技术进步”与“载体创新”交替螺旋促进在推动着人获取信息的效率不断提升，成本不断降低。

AlphaGo先后打败李世石和柯洁，百度发布自动驾驶系统“阿波罗”…..这一次由AI引领的技术进步正在发生。基于大量纯净数据的深度学习给将人工智能带来的了巨大的进步，这种进步主要体现在三个维度。

1. 认知能力– 基于用户行为的画像，将人机交互从“单向”关系带入“双向关系”
2. 感知能力– 由触摸输入到以语音输入、图像识别为核心的全自然交互
3. 自然语音输出能力– 带来新的”语音“设计材料

语音对于体验设计师来说是新的设计材料，它有哪些设计挑战？语音设计有框架可寻吗？有哪些设计方法？我们将在下面的文章与你分享。

设计挑战

1. 从“有边界”设计到“无边界”设计

当我们设计App界面，交互设计师会穷举用户在固定像素界面内所有可能的操作，一一设计恰到好处的用户反馈。但是对于语音交互用户的输入是没有边界的，用户可能的输入将远远超出你可能的穷举的范围。从”有形“的设计到”无形“的设计，视觉的设计规范在语音设计过程中将完全失效。

2. 从“近场”交互到“多距离空间”交互

语音交互可主要分为近场交互（例如：度秘/siri）和中场交互（车载）、远场交互（智能音箱）。

多距离场景的有以下几个维度的不同：

（1）场景特征代运营服务模式

在非近场交互的场景下用户可能在其他事情上，而非专注在其他任务，这给如何让用户最小成本的获取当前系统的状态带来挑战，“我唤醒了设备吗”“我可以说了吗” 每一个节点需求都需要多维度的定义。

（2）输入方式

常用的输入方式有实体操作（按钮/旋钮等等），触摸，语音，动作，在近场交互时实体与触控是第一选择，而当中远场交互时语音成为输入方式的第一选择。伴随各种智能音箱、或者Iphone X等采用深度摄像头应用的普及，中远场景的动作输入将逐渐成为重要的输入方式之一。

设计建议

1. 用“语音交互框架”匹配“使用场景”

语音交互带来人机交互向更自然的方向提升，人机交互更趋近于“人人交互”，怎样理解语音交互框架，我们可以从人人交互一探究竟。

现在回想你让别人帮你把水杯拿过来，你与这个人的交互节点是什么样子的？

首先你要叫他的名字，如果他听到了会回答你“干嘛呀”或给你个眼神儿，这时候你知道他在听你说话，你可以继续说了-“给水杯拿来”。他可能需要想想水杯在哪或者问你，当他去拿水杯你会看到他正在行动。将与人的语音交互节点提炼出来，进行总结就是语音的交互框架：

如上图所示语音的交互框架由以下四个节点构成，每个节点用户有相应需求：

1. 唤醒：用户有得到“是否唤醒语音“反馈的需求
2. 输入：用户有得到设备正在“听说话吗”的需求（相当于loading）
3. 理解：用户有得到“在帮我说事情吗？“ 的需求
4. 回答/行动：用户有查看任务是否完成的需求

语音的交互框架解释了语音交互流程，等同于触屏设备定义的”点击屏幕“”双指pinch“ ”摇一摇“。但是仅仅了解交互框架是远远不够的，比框架更重要的是语音交互场景，在不同场景下以上”唤醒、输入、理解、回答/行动“四个节点有不同设计方式。

举个例子：在语音交互的第二个节点 – 输入中需要用”波形高低“与”语音响度高度“相匹配来给用户正在聆听的反馈，在不同场景下波形要采取不同的设计策略：

• 车载场景：驾车时用户的视觉注意力被路况占据，这时候一方面需要引入”叮“的一声语音反馈，另一方面需要设计采取更强的视觉波形确保一瞥既得。
• 语音音箱：语音音箱的场景虽然不像驾车场景注意力被强占据，但是它是没有屏幕的，这时候一般会采取带强弱有呼吸感的灯效解决反馈的问题。

“无形”的语音能”附着“在各种设备上，场景也是千变万化的。在设计时要时刻记住”唤醒-输入-理解-回答/行动“的语音交互框架和每个节点的用户需求，关注用户的使用环境，和视觉/听觉注意力的占据情况，不要局限只用声音做反馈。

2. “唤醒”设计

唤醒是语音交互的第一步，听说刚发布的某国产品牌的AI音箱选了十多个唤醒词，最后才用了“小爱同学”，rokid的唤醒词”若琪“也经过了精心的设计。这充分说明了唤醒设计重要性。

唤醒方式可以是任务的触发动作，比如点击，按压，动作，语音，表情。目前主流的唤醒方式有以下3三种 –实体按钮、虚拟按钮、语音唤醒，每种唤醒方式各有特点，适用于不同场景，下面我们来逐一分析一下：

（1）实体按钮

优点是能提供触觉反馈，使用场景有两种：

• 当用户的视觉通道被占据时。
• 近场交互且设备没有屏幕或屏幕处于熄灭状态时，例如在熄屏状态下通过长按Home唤醒

（2）虚拟按钮

唤醒方式有两种操作方式 – 点击和长按。两种方式的本质差别有三个：与面部距离、操作成本长按大于点击、微信养成的语音输入习惯使得长按更符合用户习惯。

• 点击：面部与屏幕距离远，波形反馈可见，能更好的确认设备是否在收音，且成本较小。大多数的近场交互都可以使用。同时车载场景特别适用，试想在驾车情况下让用户长按输入语音简直就是灾难。
• 长按：离麦克距离比较近，能带来更好的收音效果。可以作为一种辅助的唤醒方式兼容。

（3）语音唤醒

在双手被占据和远距离场景下语音唤醒都是最佳的方式，在设计语音唤醒是要注意以下三个方面：唤醒词的形象设计、注意唤醒后的声音反馈、防止误触发。

① 醒词的形象设计

唤醒词的设计是机器人格的一部分。在平常的社会交往中，高雅、深邃的名字，往往会给人留下美好的印象。庸名俗字则给人一种不愉快的厌恶心理或排斥感。比如”静静”给人”文静，秀气”的感觉。“糖糖”给人“甜蜜”的感觉。

初期的人工智能的能力是有限的，有时会给出不尽如人意的回答。一个萌萌的有亲和力的名字能让用户有更高的宽容度。

同时唤醒词意象要与声音特色相一致，听觉情感是非常敏感的，想象一下如果一个萌妹子说话的声音很粗犷，或者一个壮汉声音很细你是不是觉得很不舒服。去定义唤醒词对应的感知意向，在语音合成训练时匹配这种意向。

② 用反馈音

语音唤醒一般使用在远场交互场景，这时候用户很难能通过视觉确认是否唤醒了设备，就需要给出语音反馈—- 比如“叮” 或“我在呢”等等。

③ 止误触发

在日常交流中我们每天会说很多重复的字或词，比如”你“”诶“哦”等等，在设计唤醒词时要避开这些词汇。

3. 对话的体验设计

唤醒之后的对话环节是语音体验设计的核心，我们如何打造优秀的设计体验呢？首先需要了解语音交互类产品对话的基本特点，包括：轮流说话的方式、合作式的对话、关注语言的蕴意及语境、具有线索引导、对话具有可修复性。

在具体对话的编写上，给大家推荐通用的Grice表达准则，可以有效提升语音对话的效果。准则包括以下4方面：

1. 表达质量：陈述的是有效的事物
2. 信息量：不多不少，恰到好处的语言信息含量
3. 关联性：陈述与话题相关的信息
4. 习惯性：简明扼要，直奔主题，避免模糊晦涩的表达

根据不同的使用场景对话编写也有较大差别，主要从以下两个维度入手：

（1）区分“任务式设计”与“闲聊式设计”

对话式设计主要分为两种场景：任务式对话和闲聊式对话。

① 任务式对话

如理财顾问，医生，购房助手，用户使用这类对话的型产品是为了尽快得到答案，而不是向人们“调戏”siri一样。这类的产品应遵循如下原则：

• 引导用户用户如何输入：语音是无形没有边界的，不要让用户进来不知道说什么。用户可能采用各种无法预知的句子输入。为了避免发生错误，应在界面上引导用户怎样输入或主动开启一个对话。
• 设置边界：不要试图去做闲聊型“机器人”，当入用户的输入你的产品无法理解或与你产品的主任务无关时，不要装聪明，给用户选项提醒用户他能用的表达方式。

② 闲聊式对话

如微软小冰，度秘等。用户使用这类对话式产品的目的是“娱乐”，效率不在是第一需求，怎样让对话有趣避免冷场是新的设计目标：

• 双向沟通，主动联想：避免对话一直是”one shot” 式的一问一答。双向的沟通才能让对话变得有趣，当用户打开你的产品时根据天气，时间等因素做主动的交谈，比如当用户深夜打开你的产品时，设置一段问候的对话会让你的产品变得富有人文关怀。
• 迎合用户情绪：当用户表达出悲伤或开心等情绪时，用户会很期待你的产品具有同理心，用图像或对话与用户建立情感连接，将使得对话变得富有人情味，增加产品的粘性。
• 鼓励输入：闲聊式对话产品的体验依赖于对用户数据的收集，你的产品积累的对话数据越多，通过深度学习就越能给出用户满意的反馈。在设计时通过奖励机制和可视化的鼓励引导用户来丰富你的数据声屏障销售库。

（2）“听觉形象”的体验设计

通过“色彩、材质、形状、版式、动效、字体”塑造视觉形象，用视觉形象反映产品气质、品牌理念是GUI设计师工作之一。人工智能赋予了机器拟人化声音输出的能力，带来的语音设计材料。不同的声音带给用户的感受是不大相同的，低沉的声音给人“稳重，成熟的”的感觉，尾音语调向上的声音给人“愉悦，被尊重”的感觉。

如何用“音色、节奏、音调、响度”的语音设计要素设计恰如其分的听觉形象？

下面我结合项目经验和一些研究与你分享一些流程的方法。

① 从“先设计后开发”到“先开发后设计”一个全新的实现流程

语音是不可见的，设计师没有“语音的PS” ，在语音形象的设计中必须先有“语音基础形象”设计师基于语音基础形象进行再设计。对百度feed读新闻的体验重新设计时，先进行的是不同新闻情感特色的定义，基于新闻情感收集当量的”语料“数据，通过深度学习来提取每类语料数据的声音特色形成”基础形象“，在对基础形象进行”语调，速度，节奏”的微调进行升级形象设计。

以上流程可抽象出“听觉形象”的设计流程 ：“定义 – 挑选 – 训练 – 调整”

• 定义：根据内容/产品气质/品牌愿景定义产品的“听觉形象”，八卦的情感要用“戏谑的”，历史的听觉相应要有“沧桑感”
• 挑选：去语音库里挑选具有定义的听觉形象的语音片段。比如如果要产生的听觉形象是“沧桑感”时，可以挑选一些单田芳老师语音片段
• 训练：将大量语音片段交由技术人员进行语音合成训练
• 微调：通过调整“语调、速度、节奏”使之给用户的感觉更接近于先前定义的“听觉形象”

② 持“听觉形象”与“品牌情感”的一致性

在进行视觉设计时设计师要通过“色彩，形状”等设计元素支撑品牌情感，对与大型公司会要求他们的每一个产品遵循一致性的设计规范。进入“听觉形象”设计时代，当你的产品要使用语音交互时，确保产品的“听觉形象”与品牌情感保持一致，这将能够强化品牌给用户的印象。

③ 持”听觉形象“与“用户场景”的一致性:

现在回想一下机场内的语音“尊敬的旅客飞往北京的T343航班….”，这种语音形象给用户“被服务的、受到尊敬“的感觉，与用户在机场的场景相一致。而在医院，起码在中国的医院，医疗资源与患者数量极不匹配，患者与医生更像是”求助关系“而非“服务关系”, 使用过于“服务化”的语音形象反而会给用户带来强烈的落差感。

④ 持“听觉形象”与“内容“一致性

“内容”本身是具有形象属性的，比如二次元的新闻如果用粗犷的男生读出来一定会很违和。因此在进行内容消费型设计时要充分考量语音所说的内容与“听觉形象”相匹配，避免出现违和感。但是在设计工具型产品时，不要频繁更换语音形象，这会分散用户注意力使效率下降。

4. 利用视觉

语音交互的最大优势是更加直觉化，可以大大降低用户学习成本。但是语音输出的是线性的，因此它无法同时输出很多内容。这是语音最大的劣势。

2015年在设计语音管家时有人提出要做个语音点外卖功能。这其实是违背语音场景的，当语音输出到第十道菜时用户已经忘了第一道菜是什么了。 所以当时在设计时当用户发起需要当量信息交互的任务时，会通过PUSH引导用户查看视觉信息。

在设计时充分利用视觉与听觉的互补性，听觉记忆时间短暂的，不要用语音输出大量信息，尤其输出的信息是需要用户记忆时。

AI时代的变与不变

AI带来机器的认知能力和感知能力的提升，给人机交互带来的改变是根本的，传统的人机“输入 – 反馈”循环，将逐步过渡到“推荐 – 选择”循环。人机交互也将由单向从属关系，向双向训练关系过渡。这种改变将重写“设计思维、方法、流程、规范”。

然而，每个时代都会有属于它的符号和偶像。对于设计师来说，赋予产品以灵魂的精神是始终不变的。

本文由 @百度MUX于。，。

题图来自 Pexels，基于 CC0 协议