設(shè)計任務(wù)導向型對話場景是一項關(guān)乎人類最自然的對話和AI最智能的技術(shù)結(jié)合的復雜而有趣的工作，希望這篇文章對從事語音交互產(chǎn)品設(shè)計的同學們有所幫助。

• 5月10日，微軟Build大會發(fā)布智能音箱Invoke，
• 6月6日，蘋果WWDC發(fā)布HomePod，
• 7月5日，上午10點，百度AI開發(fā)者大會發(fā)布DureOS開放平臺,
• 同一天，下午2點，阿里人工智能實驗室發(fā)布天貓精靈……

這個夏天，被人工智能驕陽炙烤著的智能語音交互市場，熱度可謂一路飆升。

語音交互的主要能力在于開放式domain的聊天型功能與任務(wù)導向的技能型功能。如果說快捷高效、輕松自然是語音交互的獨特優(yōu)勢，那么任務(wù)導向型功能就是這些優(yōu)勢的完美落點，一個量好的語音交互產(chǎn)品，自然是技多不壓身，能夠cover的domain多越好，能夠get的技能越強大越好。

那么，作為語音產(chǎn)品設(shè)計人員，如何以短平快的方式設(shè)計一個任務(wù)導向型對話場景呢？

當然，和傳統(tǒng)交互設(shè)計工作一樣，前期調(diào)研是很有必要的。你想設(shè)計的這個功能是否能滿足產(chǎn)品目標、是否具備相關(guān)技術(shù)和數(shù)據(jù)能力支持以及符合用戶實際需求？如果有兩個場景擺在你設(shè)計的智能音箱面前，一個是訂外賣，而另一個是星座速配，你會選擇優(yōu)先做哪個？

一旦確定了要設(shè)計某個場景，接下來就可以著手設(shè)計工作了。具體來說就是三個步驟：理清對話邏輯（Chat Flow）、設(shè)計語法（Grammer）以及設(shè)計應(yīng)答 (Confirmation)。

第一步：對話邏輯——從哪里來，到哪里去？

如同圖形用戶界面以點擊-觸發(fā)為各個節(jié)點的交互邏輯，VUI也需要一從query到answer的流轉(zhuǎn)邏輯，將一個場景的對話流程流暢的貫穿起來。

假設(shè)你設(shè)計的對話場景是查詢空氣質(zhì)量，請考慮在這番對話中可能出現(xiàn)的任何情況以及相應(yīng)的反饋動作：

下圖展現(xiàn)了該場景可能的Chat Flow

即便是詢問天氣這樣看上去很簡單的對話場景，也可以設(shè)計出十分復雜的對話邏輯，根據(jù)該場景在你產(chǎn)品中的重要程度決定細節(jié)邏輯的粒度。

第二步：設(shè)計語法 ——用戶會對你說什么？

語法就是用戶輸入的指令集，對話設(shè)計者需要設(shè)計對話的意圖（Intent），以及盡量考慮用戶可能表達方式，將其中最核心、最常用的表達方式提取為指令集模板。設(shè)計的指令集越多越全面，對話覆蓋率就會越高。

想象場景還是查詢空氣質(zhì)量，請考慮用戶會用怎樣的表達方式來提出自己的要求：

“幫我查詢空氣質(zhì)量”

“北京空氣質(zhì)量指數(shù)”

“今天PM2.5值是多少”

“我需要戴口罩嗎”

“今天的空氣怎么樣”

……

中華語言，博大精深，簡單的查詢空氣質(zhì)量，就有茫茫多的問法。不過不用著急，你只需要提取一些最典型的句式，至于“么”“嗎”“呢”這些語氣詞，或者虛詞、助詞等，語義理解模塊（NLU）會幫忙泛化。

下圖為查詢空氣質(zhì)量對話指令集，其中<place>和<time>是槽位（Slot）。Slot是NLU從用戶指令中抽取的關(guān)鍵信息點，NUL模塊通過這些關(guān)鍵信息及其取值定義（Slot-Value），理解用戶指令的具體要求。

第三步：設(shè)計應(yīng)答——你要如何回答用戶？

語音交互中最主要的應(yīng)答方式是TTS（Text To Speech），就是將設(shè)計者寫好的應(yīng)答腳本，通過TTS引擎轉(zhuǎn)化為語音播放出來。應(yīng)答帶給用戶最直觀的感受，應(yīng)答的好壞，直接關(guān)系到語音產(chǎn)品的體驗。鑒于過長的語音內(nèi)容會增加用戶的記憶負載，設(shè)計應(yīng)答時應(yīng)該盡量簡潔。同時，如果你的語音產(chǎn)品具備自己的個性特點，在應(yīng)答時也請按照該特點的語言風格撰寫腳本，保持角色的一致性。

還是查詢空氣質(zhì)量的例子，在第一步，設(shè)計對話邏輯的過程中，我們已經(jīng)定義了該對話可能出現(xiàn)的幾類應(yīng)答。分別是：

• A1.詢問用戶想查詢哪里的空氣質(zhì)量
• A2.反饋沒有查到相關(guān)地區(qū)相關(guān)時間的空氣質(zhì)量
• A3.根據(jù)空氣質(zhì)量級別的優(yōu)劣反饋相應(yīng)提示

接下來，你只需要在對話腳本（script）文檔里，發(fā)揮你強大的語言天賦，進行完型填空就可以了。

“script”有“撰寫電影腳本”的含義，而整個設(shè)計對話過程確實很像設(shè)計電影腳本，有來言有去語，通過問答的互動形式幫助用戶完成任務(wù)。

綜上所述，設(shè)計任務(wù)導向型對話場景是一項關(guān)乎人類最自然的對話和AI最智能的技術(shù)結(jié)合的復雜而有趣的工作，希望這篇文章對從事語音交互產(chǎn)品設(shè)計的同學們有所幫助。

作者：Rachel Hu，阿里云OS VUI交互設(shè)計師

本文由 @Rachel Hu 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。