編輯導(dǎo)語(yǔ)：隨著互聯(lián)網(wǎng)的發(fā)展，語(yǔ)言交互融入了我們的日常生活中。那么，關(guān)于語(yǔ)音交互規(guī)范，你又了解多少呢？本文從AI語(yǔ)音交互發(fā)展談起，總結(jié)了一些語(yǔ)音交互規(guī)范內(nèi)容，供大家參考，希望對(duì)你有所幫助。

一、AI語(yǔ)音交互發(fā)展

語(yǔ)音交互的發(fā)展經(jīng)歷了三個(gè)階段：

第一階段是上世紀(jì)80年代，語(yǔ)音交互能夠?qū)崿F(xiàn)一問(wèn)一答，前后回答并不具有內(nèi)容的相關(guān)性。隨著人工智能和深度學(xué)習(xí)的發(fā)展，機(jī)器的理解能力越來(lái)越強(qiáng)。

自從2009年開始，隨著iPhone手機(jī)siri的出現(xiàn)，進(jìn)入第二階段，語(yǔ)音的對(duì)話能做到有問(wèn)有答，能夠理解上下文，但是這種應(yīng)用場(chǎng)景還比較局限。

第三階段，2014年Amazon Echo的出現(xiàn)，實(shí)現(xiàn)了應(yīng)用領(lǐng)域的革新，拓展了語(yǔ)音交互的場(chǎng)景，智能語(yǔ)音交互的爆發(fā)則在2017年智能音響的發(fā)展，語(yǔ)音交互得到巨大的突破，語(yǔ)音和語(yǔ)意的理解更加準(zhǔn)確，具有代表性的產(chǎn)品有小愛音響、天貓精靈和小度音響等。

二、什么是AI語(yǔ)音交互？

AI語(yǔ)音交互通俗的理解就是：人與機(jī)器的對(duì)話。語(yǔ)音交互在技術(shù)方面講主要包括：聽（ASR）、語(yǔ)義理解（NLP）、說(shuō)（TTS）。

聽（ASR）：用ASR技術(shù)把語(yǔ)音識(shí)別成文字。

語(yǔ)義理解（NLP）：使用NLP技術(shù)，把文字輸入轉(zhuǎn)化為文字輸出。通過(guò)語(yǔ)法判斷、上下文理解、關(guān)系理解、知識(shí)圖譜等技術(shù)。就是理解文字的含義后，把想反饋的回答以文字表達(dá)出來(lái)。

說(shuō)（TTS）：使用TTS技術(shù)把文字合成為語(yǔ)音。

三、為什么要建立AI語(yǔ)音交互規(guī)范？

在公司角度：有統(tǒng)一的交互規(guī)范便于公司內(nèi)部產(chǎn)品形成統(tǒng)一的共識(shí)，減少溝通的成本，提升工作的效率。

在設(shè)計(jì)師角度：對(duì)外有了統(tǒng)一的交互規(guī)范便于與產(chǎn)品、開發(fā)等人員的溝通，對(duì)內(nèi)便于組織內(nèi)的成員學(xué)習(xí)與提高。

在設(shè)計(jì)管理者的角度：對(duì)內(nèi)能達(dá)成設(shè)計(jì)共識(shí)，對(duì)外提升設(shè)計(jì)組織的影響力。

在我看來(lái)交互規(guī)范是一個(gè)內(nèi)部產(chǎn)品，它隨著產(chǎn)品的生命周期迭代演進(jìn)；交互規(guī)范是一套內(nèi)部共識(shí)，它不僅僅解決了設(shè)計(jì)問(wèn)題，更是組織協(xié)同的解藥；交互規(guī)范是一種思維方式，不僅產(chǎn)品設(shè)計(jì)，甚至自己的生活都可以借鑒設(shè)計(jì)系統(tǒng)來(lái)提升效率。

四、AI語(yǔ)音交互規(guī)范主要內(nèi)容是什么？

1. 語(yǔ)音交互原則
2. 語(yǔ)音交互框架
3. 語(yǔ)音邏輯規(guī)范
4. 語(yǔ)音控制原則
5. 多模態(tài)交互
6. 彈框機(jī)制
7. 操作反饋
8. 界面架構(gòu)
9. 情感化設(shè)計(jì)

五、語(yǔ)音交互的原則

1. 通用原則

及時(shí)反饋原則。用戶在與系統(tǒng)進(jìn)行語(yǔ)音交互的過(guò)程中，系統(tǒng)要給予及時(shí)的反饋。

合適的速度。語(yǔ)音的播報(bào)速度、結(jié)果呈現(xiàn)速度、IP形象展示的速度、文字展示及糾錯(cuò)的速度都在一個(gè)合適的范圍內(nèi)。

易取原則。盡量減少用戶對(duì)操作目標(biāo)的記憶負(fù)荷，交互動(dòng)作和結(jié)果都是可見、可聽的。

人性化幫助原則。在用戶需要幫助的時(shí)候提供必要的幫助說(shuō)明和引導(dǎo)。

靈活高效原則。語(yǔ)音交互可以跨越層級(jí)，直接高效的觸達(dá)目標(biāo)。

防錯(cuò)原則。在用戶意圖不明確的時(shí)候，可以向用戶詢問(wèn)，還可以預(yù)測(cè)用戶的可能的意圖提示用戶。

消除歧義。交互的形式和內(nèi)容不會(huì)讓用戶感到困惑，當(dāng)用戶的命令存在歧義時(shí)，通過(guò)交互的形式消除歧義，幫助用戶達(dá)成目標(biāo)。

適應(yīng)當(dāng)?shù)匚幕?。語(yǔ)音的形象IP和話術(shù)的提問(wèn)及回答都要符合用戶所處的文化背景和地域文化。

2. 交互的可用性要素

輪流對(duì)話。在對(duì)話中基于信號(hào)的傳遞， 進(jìn)行輪流的表達(dá)。回答的機(jī)制是一問(wèn)一答。

上下文串聯(lián)。在對(duì)話的語(yǔ)言中需要結(jié)合上下文的語(yǔ)意串聯(lián)起來(lái)進(jìn)行回答，這樣有助于提升對(duì)話的準(zhǔn)確性。

多樣性。對(duì)于具體的場(chǎng)景，應(yīng)該多樣的問(wèn)與答，結(jié)合情景多樣性的回答。

理解行為。在對(duì)話的過(guò)程中盡可能的真誠(chéng)、詳實(shí)和有效的理解對(duì)話的內(nèi)容。

反饋。對(duì)于用戶的請(qǐng)求應(yīng)給予反饋，無(wú)論是聲音、文字還是圖像。

語(yǔ)音的效率。在對(duì)話的過(guò)程中往往有一些隱晦的潛臺(tái)詞，在對(duì)話的過(guò)程中要理解口語(yǔ)之下的更深層次的意圖，并給予準(zhǔn)確的回答。

3. 人性化的表達(dá)

語(yǔ)言是人類表達(dá)情感的重要方式，在語(yǔ)音交互的過(guò)程中，人性化的設(shè)計(jì)必不可少的。狀態(tài)可見原則。在整個(gè)語(yǔ)音交互的對(duì)話過(guò)程中，對(duì)于場(chǎng)景、角色都需要從人與人對(duì)話的角度出發(fā)。

對(duì)話的邏輯。語(yǔ)言對(duì)話邏輯應(yīng)該遵循人類語(yǔ)言的本能，不應(yīng)該強(qiáng)迫用戶為了適應(yīng)機(jī)器對(duì)話而采用層級(jí)遞進(jìn)的邏輯思維，用戶只需要正常的表達(dá)就可以。

情感化。語(yǔ)音交互需要人格化、情感化。需要與產(chǎn)品的品牌調(diào)性相契合。語(yǔ)音人格方向特征具有：有趣、正能量、機(jī)智和溫暖等特點(diǎn)。

口語(yǔ)?？谡Z(yǔ)化的交流，同時(shí)也需要避免說(shuō)顯而易見的內(nèi)容，對(duì)話需要多樣性，使體驗(yàn)更加自然。

環(huán)境貼切。使用簡(jiǎn)單易懂和約定俗成的表達(dá)，盡可能的貼近用戶所在的環(huán)境。

地方語(yǔ)言。語(yǔ)言的本身要有地域的特色，語(yǔ)音的表達(dá)要有廣泛的群眾基礎(chǔ)，其中方言識(shí)別也是語(yǔ)音交互中重要的技能。

六、語(yǔ)音交互框架

1. 語(yǔ)音交互流程

一次完整的語(yǔ)音交互流程，包括：?jiǎn)拘选狝SR—NLP—Skill—TTS語(yǔ)音應(yīng)答/界面結(jié)果展示（如下圖所示）。

2. 語(yǔ)音交互框架

1）根據(jù)蘋果公司的全品類設(shè)備的特點(diǎn)，在語(yǔ)音框架需保持一致，兼顧mac、paid、手機(jī)大小屏和橫豎屏。Siri交互包括：Siri的狀態(tài)、ASR內(nèi)容/話術(shù)、語(yǔ)言TTS反饋。

3. 遠(yuǎn)場(chǎng)與近場(chǎng)

遠(yuǎn)場(chǎng)應(yīng)用比如Siri。直接說(shuō)：“Siri”喚醒語(yǔ)音助手，喚醒后可以遠(yuǎn)程進(jìn)行語(yǔ)音交互。

近場(chǎng)應(yīng)用比如智能電視。使用遙控器，按住語(yǔ)音鍵，對(duì)著遙控器進(jìn)行語(yǔ)音近距離語(yǔ)音交互。

設(shè)計(jì)用例：

User：“Siri，定個(gè)鬧鐘”。

語(yǔ)音助手：“你要定什么時(shí)候呢？”

User：“明天早上8點(diǎn)”。

4. 正常/異常狀態(tài)

正常狀態(tài)：

語(yǔ)音交互的過(guò)程中，通過(guò)TTS和Siri狀態(tài)（包括：等待與加載），來(lái)滿足及時(shí)反饋。

異常狀態(tài)：

語(yǔ)音交互過(guò)程中，判斷外網(wǎng)終端->提示：待命+網(wǎng)絡(luò)異常，請(qǐng)檢查網(wǎng)絡(luò)。

注：無(wú)界面時(shí)，直接TTS反饋：【網(wǎng)絡(luò)異常，請(qǐng)檢查網(wǎng)絡(luò)】（要求TTS寫在本地）。

5. 對(duì)話澄清

指語(yǔ)音主動(dòng)與用戶的對(duì)話，達(dá)到意圖的確認(rèn)。

說(shuō)明?：

① 澄清應(yīng)用于用戶意圖不清晰，必須進(jìn)行再次對(duì)話才能進(jìn)行意圖確定，否則導(dǎo)致機(jī)器執(zhí)行的任務(wù)錯(cuò)誤。

② 假如在遠(yuǎn)程的交互中，澄清的過(guò)程中，需要語(yǔ)音一直處于待命狀態(tài)（也就是無(wú)需再次喚起即可對(duì)話）。

③ 在澄清的過(guò)程中，需要關(guān)鍵詞引導(dǎo)，以便于用戶表達(dá)明確的意圖。

④ 為了讓用戶能自然的回復(fù)和應(yīng)答，同時(shí)也防止自然口語(yǔ)化，語(yǔ)音的澄清話術(shù)需要采取封閉式關(guān)鍵詞引導(dǎo)。

⑤ 關(guān)鍵詞的引導(dǎo)，根據(jù)人的記憶及聽力的規(guī)則，每次小于等于3個(gè)，且近倆個(gè)每句話術(shù)文字在7±2之間。

設(shè)計(jì)用例：

User：“幫我定下明天鬧鐘？”（意圖不明）

語(yǔ)音助手：“你要定幾點(diǎn)鬧鐘？”（幾點(diǎn)鐘為關(guān)鍵詞）

Uesr：“明天早上8:00”（意圖明確）

6. 多倫對(duì)話

多輪對(duì)話指語(yǔ)音助手與用戶進(jìn)行一輪（一問(wèn)一答）以上的對(duì)話。

說(shuō)明：

① 應(yīng)用于意圖雖然清楚、可執(zhí)行，但任務(wù)執(zhí)行結(jié)果不清晰。如：結(jié)果的集合過(guò)大，用戶沒(méi)有找到具體的內(nèi)容。

② 多輪的引導(dǎo)，應(yīng)能幫助用戶完成任務(wù)，同時(shí)防止用戶自然語(yǔ)言的發(fā)散。

③ 多輪對(duì)話的輪次意味著用戶與智能設(shè)備的多次交流。在搜索工具語(yǔ)言中，語(yǔ)音交互較快的達(dá)到目標(biāo)是關(guān)鍵，輪次越多代表執(zhí)行的效果不理想，通常以小于3輪較為合適。但是在閑聊類型功能中，輪次越多，代表用戶聊天的意愿越強(qiáng)。

設(shè)計(jì)用例：

User：“能幫我找一下好看的電視劇嗎？”（意圖清晰，任務(wù)集合過(guò)大）

語(yǔ)音助手：“你要看中國(guó)的？還是國(guó)外的？”（關(guān)鍵詞引導(dǎo)）

User：“中國(guó)的”（意圖明確）。

7. 話術(shù)

話術(shù)指用戶與智能設(shè)備對(duì)話的形式。

說(shuō)明：

① 話術(shù)來(lái)源：a 語(yǔ)音產(chǎn)品中需要互動(dòng)交流產(chǎn)生場(chǎng)景話術(shù)；b基于人與人對(duì)話的原則撰寫而成的話術(shù)。

設(shè)計(jì)用例：

8. 話術(shù)（TTS）設(shè)計(jì)

語(yǔ)音話術(shù)指在語(yǔ)音交互過(guò)程中語(yǔ)音助手通過(guò)語(yǔ)言與用戶進(jìn)行互動(dòng)，包括文字話術(shù)和語(yǔ)音話術(shù)。

說(shuō)明：

① 顯示的文字話術(shù)與語(yǔ)音助手的形象關(guān)聯(lián)，并配合出現(xiàn)。

② 顯示話術(shù)與當(dāng)前語(yǔ)音邏輯相呼應(yīng)。

③ 語(yǔ)音話術(shù)：用戶發(fā)出請(qǐng)求后，需要給予語(yǔ)音應(yīng)答。比如：“定今天下午3點(diǎn)鬧鐘”，反饋；“好的，已經(jīng)定好下午3點(diǎn)鬧鐘”。

④ 聲音及文字：引導(dǎo)過(guò)程中，根據(jù)業(yè)務(wù)的需要進(jìn)行聲音與文字的引導(dǎo)。

聲音引導(dǎo)：引導(dǎo)澄清用戶的意圖。

文字引導(dǎo)：語(yǔ)音域中的引導(dǎo)話術(shù)。

聲音+文字引導(dǎo)：比如問(wèn)題及內(nèi)容的搜索結(jié)果。

⑤ 運(yùn)營(yíng)類話術(shù)：針對(duì)高頻詞的結(jié)果及當(dāng)前熱門的內(nèi)容，定制化的話術(shù)，目的是增加產(chǎn)品的情感，更加貼切用戶的反饋。實(shí)現(xiàn)的方式：由運(yùn)營(yíng)后臺(tái)配置。

9. 用戶對(duì)話引導(dǎo)

語(yǔ)言具有自然性，為了避免用戶語(yǔ)言的隨意泛化，導(dǎo)致用戶指令無(wú)法識(shí)別，需要在語(yǔ)音中進(jìn)行話術(shù)規(guī)范性引導(dǎo)。

說(shuō)明：

引導(dǎo)話術(shù)結(jié)構(gòu)-“喚醒方式+需引導(dǎo)的技能話術(shù)”。

① 全局性引導(dǎo)。由話術(shù)平臺(tái)統(tǒng)一部署，引導(dǎo)分為3類：

1. 語(yǔ)音更能引導(dǎo)；
2. 當(dāng)下熱門內(nèi)容引導(dǎo)；
3. 新上線或主推功能引導(dǎo)。

② 相關(guān)域引導(dǎo)。在語(yǔ)音交互過(guò)程中，提供當(dāng)前領(lǐng)域的相關(guān)話術(shù)引導(dǎo)。分為兩類：

1. 當(dāng)前領(lǐng)域中多維度的引導(dǎo)；
2. 多輪進(jìn)階式引導(dǎo)。

③ 運(yùn)營(yíng)類的引導(dǎo)。專門為運(yùn)營(yíng)類產(chǎn)品定制的語(yǔ)音話術(shù)引導(dǎo)。

10. 情感表達(dá)機(jī)制

語(yǔ)音交互人性化，是語(yǔ)音交互重要特征之一。

說(shuō)明：

基礎(chǔ)狀態(tài)：

• 喚醒狀態(tài)；
• 待命；
• 加載；
• 免喚醒；
• 聲源定位。

基礎(chǔ)情緒：

• 歡呼；
• 陪伴；
• 安撫；
• 幫助；
• 其他（更多的類型根據(jù)業(yè)務(wù)需要進(jìn)行添加）

基礎(chǔ)情緒的表達(dá)（如圖所示）：

七、小結(jié)

語(yǔ)音交互規(guī)范主要內(nèi)容分為：

1. 語(yǔ)音交互原則
2. 語(yǔ)音交互框架
3. 語(yǔ)音邏輯規(guī)范
4. 語(yǔ)音控制原則
5. 多模態(tài)交互
6. 彈框機(jī)制
7. 操作反饋
8. 界面架構(gòu)
9. 情感化設(shè)計(jì)

本篇僅寫了：（1）語(yǔ)音交互原則（2）語(yǔ)音交互框架，后續(xù)分為3篇完成，謝謝大家閱讀，后續(xù)內(nèi)容敬請(qǐng)期待！

本文由 @東哥的設(shè)計(jì)分享 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(lái)自?Unsplash，基于 CC0 協(xié)議