編輯導(dǎo)語：相信大家都使用過手機(jī)上的語音產(chǎn)品，隨口來一句：“嘿，Siri……”，便能夠滿足自己一定的需求。但是當(dāng)代語音產(chǎn)品還存在著一些不足之處，該如何完善才不會讓它變成讀屏工具呢？

• “嘿，Siri，我今天需要雨傘嗎？”
• “Alexa，提醒我明天早上9點(diǎn)給媽媽打電話。”
• “嘿Google，從這里到機(jī)場最快的方式是什么？”

語音用戶界面（VUI）極大地改善了我們的交互方式，雖然語音交互已經(jīng)存在了一段時(shí)間，但我們直到近期才開始看到語音交互的更多可能性。

通常，我們講“用戶界面”多是停留在視覺層面，當(dāng)下我們對界面中的滑動和點(diǎn)擊操作也已經(jīng)非常熟悉，但語音UI根本就不可見，它是需要我們用聲音和設(shè)備直接進(jìn)行交互。

現(xiàn)在蘋果、亞馬遜和谷歌等知名公司都打造了一些簡單的語音交互產(chǎn)品，來讓我們的日常工作變得更加輕松。同時(shí)，越來越多的公司也開始將虛擬助手加入到自己的產(chǎn)品中，甚至打造更專業(yè)的語言UI。

以下我們將分享，設(shè)計(jì)語音交互時(shí)需要考慮哪些因素、如何克服各種障礙，讓語音UI能夠成為除視覺以外的第二界面語音。

一、以人為本

設(shè)計(jì)語音UI時(shí)，首先需要考慮：

• 使用你產(chǎn)品的用戶群體是什么？
• 他們會怎么想？
• 他們在日復(fù)一日的交流中是怎么做的？

您可能在設(shè)計(jì)前需要考慮多個(gè)受眾群體。例如我們要建立一個(gè)支持語音預(yù)定航班的系統(tǒng)，首先我們需要考慮完成這整個(gè)任務(wù)所需的所有步驟，并將其應(yīng)用于語音界面當(dāng)中。

比如我們現(xiàn)在要預(yù)訂從喬治亞州亞特蘭大市到紐約市的航班，這將涉及以下步驟：

• 選擇要飛的日期
• 搜索指定日期范圍內(nèi)的航班
• 選擇單程或往返
• 根據(jù)價(jià)格和/或飛行時(shí)間選擇出發(fā)的航班
• 根據(jù)價(jià)格和/或飛行時(shí)間選擇回程航班
• 選擇航班或票價(jià)升級
• 選擇保險(xiǎn)套餐
• 確認(rèn)并付款

語音界面絕不是視覺界面的替代品。通過互補(bǔ)，兩者可以創(chuàng)造出更好的產(chǎn)品體驗(yàn)。

二、使用自然語言

自然語言指我們每天在對話中使用的口語，它并不是事先計(jì)劃好的內(nèi)容，而是自然而然地出現(xiàn)在語音界面中，可以為用戶帶來更直觀的體驗(yàn)。

由于掌握自然語言需要高級的計(jì)算語言學(xué)和語義，因此仍然有許多不太理想的例子。

比如在許多語音郵件助手中，你會收到一條新語音消息：

• 要再次聽到消息，請說“重復(fù)”；
• 要答復(fù)消息，請說“答復(fù)”；
• 要刪除消息，請說“刪除”。

這種語音內(nèi)容并沒有使用自然語言，導(dǎo)致傳達(dá)的意思不明確甚至容易讓人混淆。因?yàn)檫@種語音只是在直接讀出系統(tǒng)需要我們做出的操作，這導(dǎo)致我們需要先了解目前在執(zhí)行的操作是什么，才能得知它到底在表達(dá)什么意思。

Google語音助手打電話預(yù)定酒店

回到我們剛才的機(jī)票預(yù)訂示例中，很明顯并非所有操作都可以快速執(zhí)行，但是我們可以使用戶更輕松地與之互動并完成該過程，比如：

• 用戶：為我預(yù)訂8月4日從亞特蘭大飛往紐約市的航班。
• 系統(tǒng)：您是單程還是往返？
• 用戶：往返。
• 系統(tǒng)：好的，我為您找到了三趟絕佳的航班，最便宜的是兩小時(shí)的飛行時(shí)間，價(jià)格為121美元。您要預(yù)定嗎？
• 用戶：是的。

請注意，在這個(gè)過程中并沒有用任何語音“關(guān)鍵詞”來執(zhí)行交互。雖然教用戶一些詞匯可能很簡單，但實(shí)際上他們在交流過程中可能會忘記這些關(guān)鍵詞。

你可以回想一下，在致電客服熱線時(shí)總是迫不及待地想繞開那些糟糕的自動語音系統(tǒng)。所以，在與用戶進(jìn)行語音交互時(shí)，請使用自然語言才能為用戶帶來真正的原生體驗(yàn)。

三、適當(dāng)簡短地回應(yīng)

還是以預(yù)定航班為例，其實(shí)預(yù)定系統(tǒng)的響應(yīng)時(shí)間不長，但搜索結(jié)果可能會產(chǎn)生多達(dá)50個(gè)航班選擇。

所以最好讓結(jié)果回應(yīng)保持簡單明了，這樣用戶才不會突然被太多信息所淹沒。如果將這些搜索結(jié)果全部呈現(xiàn)，這意味著永無止境的語音交互。

其實(shí)我們需要提供的只是一些最重要的選項(xiàng)，能夠?yàn)橛脩舻倪x擇提供足夠的信息就可以了。如果可能的話，嘗試將每次互動信息最多限制在兩點(diǎn)或三點(diǎn)以內(nèi)。

四、 保持有用，即使是無法提供幫助的時(shí)候

有時(shí)，在交互過程中用戶并沒有得到想要的結(jié)果，例如在所選日期可能沒有可用的航班。

與其說“抱歉，沒有可用的航班”，便突然結(jié)束互動，不如嘗試調(diào)整回應(yīng)的內(nèi)容，為用戶搜索附近日期的航班，并向用戶提供有用的建議：

“8月4日沒有航班，但我找到了8月3日和8月5日的航班。您要預(yù)訂其中的任何一個(gè)嗎？”

五、考慮技術(shù)限制

盡管我們有很好的想法和愿景，并且進(jìn)行了多輪的研究和用戶測試，但語音交互設(shè)計(jì)仍然受到技術(shù)限制的限制。計(jì)算機(jī)系統(tǒng)是否能夠識別不同的口音、單詞、短語甚至俚語？

幸運(yùn)的是，諸如自然語言處理（機(jī)器學(xué)習(xí)）之類的人工智能技術(shù)的進(jìn)步也正在讓這些挑戰(zhàn)成為過去。

語音消息App設(shè)計(jì)@Marta Fryga

最近，微軟、亞馬遜和英特爾公司專門針對語音交互應(yīng)用開發(fā)了更高效的處理器，這項(xiàng)技術(shù)意味我們語音交互系統(tǒng)在性能上的突破。

六、 牢記安全和隱私

盡管大多數(shù)用戶的語音交互都是在自己的家里或車?yán)锏人矫苄詧鏊锇l(fā)生的，但越來越多的語音交互可能會發(fā)生在公共場所（如雜貨店，機(jī)場等）中。

在上面的預(yù)訂機(jī)票的示例中，如果用戶身邊還有其他人，但這時(shí)候他需要完成付款，那應(yīng)該怎么處理這種情況？或者如果此時(shí)系統(tǒng)需要處理到用戶一些受保護(hù)的健康信息（PHI）該怎么辦？

以下是確保用戶安全和隱私的一些最佳做法：

1. 隱藏付款信息

在我們視覺用戶界面中，我們交易時(shí)的付款信息可能會被隱藏，例如：**** **** **** 4576。

不過在語音用戶界面中，我們可以通過對付款卡進(jìn)行昵稱的設(shè)置來保護(hù)用戶的隱私。當(dāng)需要完成付款時(shí)，交互可能會這樣進(jìn)行：

• 系統(tǒng)：確認(rèn)一下，您要預(yù)訂一個(gè)從喬治亞州亞特蘭大到紐約市的兩個(gè)小時(shí)的航班，價(jià)格為121美元。您要繼續(xù)付款嗎？
• 用戶：是的。
• 系統(tǒng)：好的，我應(yīng)該使用您的默認(rèn)付款“ Mike’s Chase卡嗎？”
• 用戶：是的。
• 系統(tǒng)：確定，一切就緒！您的行程和登機(jī)信息將發(fā)送到您的電子郵件。

請注意，在這個(gè)過程中用戶的付款信息永遠(yuǎn)不會泄露，這意味著即使用戶在公眾環(huán)境中也可以進(jìn)行這種交互。

2. 合適的時(shí)機(jī)

這取決于具體的場景，對于用戶來說有些場景并不適合在公共場合使用語音交互。

想象一個(gè)想要安排見醫(yī)生的人，即使只是提及醫(yī)生或醫(yī)療機(jī)構(gòu)的類型，也可能暴露私人健康問題。

因此請務(wù)必考慮您的語音UI如何處理這些情況，語音交互還能保持用戶隱私嗎？語音系統(tǒng)可以接聽到用戶的低聲或耳語嗎？

所以，盡管語音UI肯定會占據(jù)一席之地，但對于某些場景最好還是使用視覺元素來處理，因?yàn)檫@些情況需要更高的敏感性和謹(jǐn)慎性。

七、強(qiáng)化語音表現(xiàn)

語音交互絕不是視覺交互的替代。即使隨著技術(shù)的進(jìn)步，我們會發(fā)現(xiàn)兩者互補(bǔ)可以為用戶帶來更好的產(chǎn)品體驗(yàn)。

當(dāng)然，這需要一個(gè)良好的平衡：

• 我們?nèi)绾我曈X上表示可聽見的語音或內(nèi)容？
• 如何在不過于依賴視覺表現(xiàn)的情況下制作流暢的語音界面？
• 什么時(shí)候應(yīng)該強(qiáng)化聲音？

概念設(shè)計(jì)：語音控制文件管理

問題的許多答案很大程度上取決于你要構(gòu)建的產(chǎn)品。

1. 當(dāng)進(jìn)行語音交互時(shí)（視覺反饋）

Amazon Alexa和Apple的Siri界面都為用戶提供了很好的視覺反饋，并帶有持續(xù)的微妙細(xì)節(jié)讓用戶知道當(dāng)前的產(chǎn)品正在進(jìn)行語音交互。

大多數(shù)情況下，我們需要的視覺元素很少。如上圖，運(yùn)用簡單的指示燈閃爍或脈動圖標(biāo)可以讓用戶知道：

• 設(shè)備正在運(yùn)行。
• 語音界面正在響應(yīng)，或?qū)⒁憫?yīng)用戶所說的內(nèi)容。

2. 當(dāng)語音進(jìn)行協(xié)助時(shí)

語音交互已集成到許多系統(tǒng)中。有時(shí)語音UI只是一個(gè)輔助，作為系統(tǒng)的另一種操作途徑。

一個(gè)很好的例子是macOS上的Siri或Windows上的Cortana，這兩種操作系統(tǒng)主要都是視覺化的用戶界面，但這并不意味著不能與語音一起使用。

相反，他們的虛擬助手還為用戶的操作增添了獨(dú)特的方式。

當(dāng)我們問Siri或Cortana：“今天我的日程是什么”時(shí)，通常在界面上會向我們顯示日歷內(nèi)容。

但其實(shí)通過語音可以讓用戶更快地完成任務(wù)，他們無需通過打開日歷來看日程安排，而是可以簡單地要求語音助手為他們這樣做。

我們可以在許多應(yīng)用中看到類似語音交互的加入，對于一些重復(fù)、普通的任務(wù)我們可以通過語音輕松處理，讓用戶能夠快速、輕松地完成他們真正需要的事情。

3. 當(dāng)區(qū)分系統(tǒng)與真人時(shí)

當(dāng)下的技術(shù)已經(jīng)發(fā)展到我們幾乎可以與計(jì)算機(jī)日常對話的地步，一些App中的虛擬助手在與你對話時(shí)會顯示對話的內(nèi)容。

因此，我們可以從視覺上區(qū)分系統(tǒng)可識別的內(nèi)容與人類說的內(nèi)容（如下圖）。

概念設(shè)計(jì)：語音預(yù)定會

我們可以通過使用不同顏色、粗體文本或其他視覺設(shè)計(jì)進(jìn)行區(qū)分，確保用戶不會在對話過程中感到迷茫。

八、為殘障人士考慮

可能從語音UI中受益最多的人是殘障人士，尤其是對視障人士而言，語音UI可以極大地增強(qiáng)我們系統(tǒng)的可訪問性。

盡管我們確實(shí)取得了長足的進(jìn)步，但在此之前，我們還有一些路要走。

最近，我正在幫助我的一個(gè)朋友設(shè)置手機(jī)，原本希望手機(jī)能為他帶來便捷，但當(dāng)他使用的時(shí)候卻發(fā)現(xiàn)非常艱難。

例如手機(jī)里的語音對話功能雖然有所幫助，但仍然需要用戶利用視覺元素、知道屏幕上的點(diǎn)擊位置才能使用它。

但對于我的朋友來說這是不可能完成的一件事，因?yàn)樗莻€(gè)盲人。

在這種情況下，如果不能依靠視覺提示，我們應(yīng)如何才能使語音交互能夠無縫銜接功能，讓視障人士也能輕松操作呢？

由于大多數(shù)手機(jī)都帶有陀螺儀和加速度計(jì)，因此可以用來檢測手機(jī)何時(shí)被拿起，并提示用戶：“你希望做什么？”或“我可以如何幫助你？”

這樣用戶才可以進(jìn)行接下來的交互，最終順利完成他們的預(yù)期目標(biāo)，無論是撥打電話、收聽電子郵件等。

因此對于視障人士來說，聲音的提示變得尤為重要。利用現(xiàn)有的語音交互技術(shù)，我們可以設(shè)計(jì)出完整的語音UI，讓用戶即使在沒有任何視覺元素的情況下也可以順利完成操作。

九、寫在最后

語音設(shè)計(jì)從一開始的機(jī)器閱讀到如今的自動電話助手，這期間已經(jīng)取得了長足的進(jìn)步。很快，我們也可以看到語音交互會達(dá)到跟視覺交互一樣的水準(zhǔn)。

盡管這兩者無法相互替代，但它們可以形成相互補(bǔ)充的作用，幫助所有用戶甚至殘障人士更順利地完成任務(wù)。

準(zhǔn)備好面對新的挑戰(zhàn)吧！用我們的設(shè)計(jì)釋放出語音交互的全部潛力。

設(shè)計(jì)語音用戶界面(VUI)需考慮的因素：

• 以人為本
• 使用自然語言
• 適當(dāng)簡短地回應(yīng)
• 保持有用，即使是無法提供幫助的時(shí)候
• 考慮技術(shù)限制
• 牢記安全與隱私
• 強(qiáng)化語音表現(xiàn)
• 為殘障人士考慮

作者：SDL藝術(shù)實(shí)驗(yàn)室，微信公眾號：SDL藝術(shù)實(shí)驗(yàn)室

本文由 @SDL藝術(shù)實(shí)驗(yàn)室 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 Pixabay，基于CC0協(xié)議