我們終將以自然的方式與機器交流。

在2012年圣丹斯獨立電影節(jié)上，影片《機器人與弗蘭克》贏得特別獎，該片講述機器人Robot照顧患有老年癡呆癥弗蘭克的故事，選取影片中兩張圖，一張是人與人的交流，另一張是人與機器的交流，在2017年AI大熱之年，人們能否像電影里的弗蘭克那樣，以人對人的方式與機器交流，這在人機交互學科里定義為“人機自然交互”。

何為自然交互？簡而言之就是以日常交流方式與計算機進行交互，何為日常交流方式？就是人們通過語音、肢體、手勢、眼神、表情等形式進行交流互動。

人機交互正邁上新臺階

人機交互（HCI – Human Computer Interaction）的發(fā)展是從人類適應計算機到計算機不斷適應人類的過程，劃分四個階段：代碼指令交互、圖形用戶界面交互、人機自然交互和人機情感交互?！疽浴度藱C情感交互》】

每個階段的發(fā)展都是以技術作為基石，以此帶來的人機交互更為直觀，也更趨近于人與人的自然交互，同時會拓寬更多的使用場景，會覆蓋全年齡段的所有人。

如下圖所示，指令 – 專業(yè)技術人員操作早期計算機；鼠標鍵盤 – 受過教育的普通人使用PC機進行學習工作；觸屏 – 更廣泛的人群使用智能手機進行社交、資訊、娛樂等；自然交互 – 所有人將以自然的行為方式與智能產品互動。

隨著AI技術的發(fā)展，智能產品在感知層面的能力正在變強，它能感知人們的語音、肢體語言、手勢動作、表情眼神等，實現(xiàn)了人機自然交互的可能性，這是正在發(fā)生的事情。

未來智能產品的趨勢是將擁有情感計算能力（Affective Computing），通過認知人類的語音信息、人臉表情、肢體動作等，從而調整自身的反饋來適應人們那一刻提出的需求，交互會變得越來越容易，它會更懂你。

智能產品能感知人的自然動作和讀懂人的情感，都屬于信息輸入層面。在信息輸出層面，智能產品如何設計才能達到“人與人自然交流”的感覺，為此我們將從六個維度給出設計建議，分別是人物設定、外觀造型、語音、動作、界面和光效。正如同人與人交流時對方的脾氣性格、外貌印象、聲音特點、肢體語言、表情和眼神。

以語音交互為核心功能的智能產品設計建議

1. 人物設定的設計建議

①人設是要為用戶服務；

人設是高級的虛擬形象設計，不由設計師的個人喜好來擬定，要充分考慮產品所服務的目標用戶，譬如病人希望看見的是專家級醫(yī)生，旅客希望能獲得空姐甜美的服務，食客希望迎賓的店小二是熱情好客的，這些形象在我們的腦海里栩栩如生。比如Amazon Echo是成熟職業(yè)女性的形象（類似有Google Home、天貓精靈、京東叮咚等），Olly給人潮流的設計感，它們?yōu)楦髯缘哪繕耸鼙娙后w去設定形象。

②人設可以通過抽象的方法進行傳達，并非一定要具象化；

比如小米智能音箱定義的“小愛同學”是二次元形象，在今年11月底做出限量版手辦，把形象落地到成具象的實體物品。對此，仁者見仁智者見智，有人說她不是心目中的“小愛”，所以在人設形象的傳達上，我們建議可以通過藝術的手法達到目的，比方說用音樂、繪畫、文學、電影等藝術進行包裝抽象成一套視覺來傳達，達到“空山不見人，但聞人語響”的境界。

③人設與產品要融為一體的進行考慮；

以語音交互為核心功能的智能產品，其“人聲”會讓用戶自動的聯(lián)想與之對應的形象，同時需考慮與外觀造型相匹配，才能符合用戶預期。有些智能產品有動作輸出，例如人設定義為蠢萌的jibo，它的動作就要顯得有趣可愛。如果考慮不周全，就會導致認知失調產生落差，比如小魚在家，當用戶問它幾歲時，它卻用其成熟女性的聲音回答“我今年兩歲了”，而Amazon Echo的回答是“按照人類的出生年齡計算我今年兩歲”，后者更能讓人接受與理解，即使是微不足道的一句文本都可能會讓用戶“出戲”，所以人設要與整個產品的信息輸出層面融為一體的去考慮。

2. 外觀造型的設計建議

①充分考慮目標用戶的審美與喜好；

根據(jù)目標客群打造其喜歡的外觀造型，比如小朋友會喜歡jibo勝過Echo，追求新潮的人更喜歡raven R，因為能與之載歌載舞。與以屏幕為主的智能手機不同，用戶可不能更換主題皮膚找到自己的喜好，而Google Home也只能是通過“換褲子”來迎合用戶偏好與家居風格。

②基于使用場景考慮造型設計；

要考慮用戶會在哪種現(xiàn)實環(huán)境的場景下使用，目前市面上的智能語音產品多數(shù)放置在桌面上，體積大小就要認真思考，比如大了點、重了些，就不方便自由移動隨處擺放，如果定義為多個使用場景，那便攜上得做到位。比如raven H頂部的“點陣觸控屏”蓋子，用戶能輕松取下進行語音和指觸交互，于是不受固定位置的限制。

③避免掉進恐怖谷；

避免與人全特征的過度相似，建議采用抽象的方法提取擬人元素進行設計表達，這有助于產品向用戶傳達情感信息，從而有效的提升用戶好感度。例如蔚來ES8搭載的人工智能nomi，還有百度的度秘，都是通過此類設計方法打造智能情感的交互，讓一個工業(yè)產品，升級成一個有生命，有情感的新伙伴。

但如果與人的特征過度相似，現(xiàn)階段的技術能力，造型上做不到寫實逼真像人，同時語音、表情、動作也無法達到自然完美的匹配，所以這不倫不類的設計會給用戶帶來糟心的體驗，例如Blue Frog Robotics公司推出的Buddy，很容易讓用戶掉進“恐怖谷”。

“恐怖谷理論”是由日本機器人專家森昌弘提出， 他認為，人形玩具或機器人的仿真度越高人們越有好感，但當達到一個臨界點時，這種好感度會突然降低，越像人越反感恐懼，直至谷底，稱之為恐怖谷。如圖所示，谷底處能動的僵尸比靜止的尸體更恐怖，雖然尸體已經夠恐怖的了。

3. 語音的設計建議

①自然感；

避免單調乏味，做到像人說話一樣的自然，語氣上聽起來積極主動，有意愿的感覺，每一個音素合成的詞句清晰可辨，自然流暢。人類語音的信息含有語音聲學特征和文本語義，語音聲學特征主要是韻律特征（指音素組合成語句的方式），包括聲調、重音、停頓、語速等，漢語是一種有調語言，聲調攜帶非常重要的情感信息。語音屬于自然交互的一種，它需要達到“自然”的感覺，才能讓用戶感知可用。

如何讓Siri聽起來更像人那般自然？

iOS11版本關于Siri的升級目標是“讓Siri聽起來更像人那般自然”，實現(xiàn)方法是通過深度學習，每一種表達都有略微不同的聲波，每一句話都包含幾十或者幾百個音素，Siri為每一次發(fā)聲找出完美的聲音組合，其中音素是由蘋果挑選出的候選人進行發(fā)音采集，情感語料的獲取是蘋果以匿名的方式進行收聽，然后用于深度學習進行Siri的訓練。

②一旦確定“人聲”不宜隨意更改；

一旦人設的聲音已根植在用戶的耳朵里，不宜隨意更改，如果說手機界面換背景圖就像人換一身新衣裳，而以語音交互為核心功能的智能產品更換“人聲”，就像重新認識一位陌生人，古語說“如聞其聲，如見其人”，人們會很自然的把聲音與某個人進行關聯(lián)，新的聲音是誰，就會重新進行“人物建?！?。

③像人和人那樣進行對話；

首先是對話流暢，做到及時反饋，如有停頓，不宜過長。話術簡短而有效，不要主動終止對話，盡可能的推動持續(xù)交流，當然不能以命令的形式讓用戶去完成某個任務，這不是一個合適的對話，它或許有點像上下級的關系，會導致用戶帶來反感和抵制。

④在感知用戶后嘗試主動發(fā)起對話；

再過些時日，可能Amazon Echo它能夠根據(jù)說話者的語音情感進行識別計算，通過韻律學特征（語調、響度、節(jié)奏、語音質量等）更懂用戶說這句話的此刻心境，就像電影《Her》里的那句臺詞“你今天聽起來有點不開心”，它能感知你，試著主動發(fā)起一次對話。

4. 動作的設計建議

①使用國際通用的認知動作傳達，同時考慮個地方的風俗習慣；

例如手勢是全球通用的，它表示的是“我愛你”，而“豎中指”不要以為只有國內用，它是全球通用的“侮辱”。在保加利亞，上下點頭意味著“不”的否定含義，而搖頭表示肯定，這對于使用動作進行交互反饋的智能產品，就需要考慮用戶所在的國家地區(qū)，如果考慮不周，當希臘的用戶對著智能產品豎起大拇指時，不要感到高興，它表示的是憤怒。

②動作流暢，避免僵硬；

這點會給用戶帶來更自然的感受，就像jibo渾然一體的扭動，或者想raven R隨著音樂跳舞，它配合著語音的輸出更是相得益彰。查看10秒短視頻 >

③防止對人造成意外傷害；

比如Buddy，它能夠行駛移動，最高時速能達到70cm/s，自身重量5kg，以該速度撞到人時會造成傷害，所以需考慮防護措施。動作輸出時建議輕緩，防止速度太快、力量過大，這都容易對人造成傷害，設計上應當避免暴力動作的出現(xiàn)。

④觸摸的動作反饋；

比如Mayfield Robotics公司推出的Kuri，它的頭部有觸摸傳感器，當你觸摸它的頭部時，它會流暢地抬起頭仰望著你，這是與觸摸相對應的動作反饋，并讓用戶感知到像與人交流那般自然。

5. 界面的設計建議

①重輸出，輕輸入；

與觸屏手機不同，以語音交互為核心功能的智能產品其界面主要用于信息的輸出顯示，而非輸入操控，不引導用戶依賴界面進行交互，盡量減少或弱化此類場景，盡可能引導用戶通過語音進行交互。關于顯示屏是否要在智能產品構造之內，各方觀點不一，Amazon Show幾乎是沿襲觸屏界面交互，jibo的顯屏不僅是融合一體的頭部造型，也能顯示像眼睛的圖形，它還能轉變成一個觸屏界面，raven R比較不一樣，它的頭部像一個顯示界面，卻是通過光點進行排列簡化圖形傳達信息，不是一個傳統(tǒng)意義上的觸屏界面，但可以指觸交互。三者在界面輸入上的比較，Amazon Show重于jibo和raven R，體驗上Show會容易引導用戶查看屏幕，用戶潛意識下有指觸交互的沖動。

②信息輸出要精簡而有效；

首先在設計元素上使用全球通用的設計隱喻符號，且簡單明了，不宜使用復雜線條，元素之間建議邊界明晰。在有限的顯示界面，一次只傳達一個關鍵信息，且突顯核心，以便中遠距離輕易可見，掃一眼可知。在文字輸出上要夠精煉，不要有段落式的文本出現(xiàn)，可借鑒Apple Watch表盤界面的設計思路。

③界面動效要簡短可重復播放；

和以GUI為主的產品不同之處，在于用戶不會一直盯著屏幕看，所以決定要加入界面動效，建議動效快速簡短的完成整個表達，同時為了避免用戶錯過，關鍵的動效可以反復的循環(huán)播放，禁得起不斷的重播，而不能讓用戶會感到厭煩，所以流暢、有趣、可循環(huán)重播要一并考慮。

6. 光效的設計建議

①與交互反饋進行匹配關聯(lián)，各個狀態(tài)清晰傳達；

就像人與人的對話互動過程，光效也能做到自然的反饋，其中有4個反饋態(tài)值得考慮：喚醒、輸入、理解、行動。比如喚醒瞬間的光效，就像叫對方的名字，會有一個反應；當用戶在語音輸入時，它得有聆聽狀態(tài)的光效；當它在處理用戶的語音信息時，要讓人感受到它正在理解中，就像人在思考時轉動的眼睛；最后是當它進行語音輸出時，光效配合著更讓人感受到它的靈動。

②不要挑戰(zhàn)國際上公認的通用色；

比如設備運行狀態(tài)的提示燈，建議使用國際通用的顏色，紅色代表不可用，黃色代表有疑問，綠色代表正常。還需考慮品牌色的傳達，以及色彩心理學的問題。Amazon Echo關閉語音功能時，燈光圓環(huán)帶呈現(xiàn)紅色，當它在運行聆聽時使用藍色作為主色，藍色也是多數(shù)人認為代表科技的顏色。

③燈光的動態(tài)做到自然反應；

比如Amazon Dot被喚醒瞬間其圓環(huán)燈帶流動般亮起，且能識別聲音方向，對著發(fā)聲源處聚合亮光，而天貓精靈的動態(tài)就比較弱，只有光源的亮起到漸暗，沒有物理位置上的變化，少一點自然的流動反饋。

④亮度與環(huán)境光的匹配；

這一點很像智能手機的感光元件，根據(jù)環(huán)境光自動調節(jié)屏幕亮度，保護眼睛，視覺舒適，所以在熄燈后的臥室，智能產品的光就需變暗，本質上只做人機交互反饋，不與照明系統(tǒng)沖突。

結語與思考

以語音交互為核心功能的智能產品其設計建議我們從六個維度去探索，重點是在智能產品的輸出層面，如何設計才能達到更自然的交互反饋，更好的傳達情感。文中所提及的產品多數(shù)已發(fā)布在市面上，隨著AI的發(fā)展，也將涌現(xiàn)出更多的“新物種”，它們的發(fā)展趨勢無一例外會在交互上更容易，在適應人類的需求上反饋得更體貼，基于新的技術能力，又將誕生新的設計建議。

對于用戶來說，希望能與智能產品建立親切的信任感，越相處越好用，我們也將從iPhone時代的觸動人心，迎來AI時代的深知我心—-深知我者，久居我心。

本文由 @百度UXC 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。