基于用戶(hù)體驗(yàn)的語(yǔ)音交互產(chǎn)品設(shè)計(jì)研究

（浙江理工大學(xué)理學(xué)院 310018）

語(yǔ)音交互產(chǎn)品指的是一系列通過(guò)語(yǔ)音建立起人與機(jī)器間溝通和聯(lián)系的產(chǎn)品。語(yǔ)音交互的優(yōu)點(diǎn)在于將人們的雙手從以往繁瑣的設(shè)備操作中解放出來(lái)，并以更符合人類(lèi)自然交流的方式執(zhí)行操作功能?，F(xiàn)階段，語(yǔ)音交互作為一種新型的交互方式受到大眾關(guān)注，與之相對(duì)的，用戶(hù)在使用語(yǔ)音產(chǎn)品時(shí)，也產(chǎn)生了新的需求，如何使用這種交互方式更好地服務(wù)于用戶(hù)體驗(yàn)，是當(dāng)前研究的重點(diǎn)。

一、用戶(hù)體驗(yàn)概述

用戶(hù)體驗(yàn)的概念最早由Norman提出，他認(rèn)為好的用戶(hù)體驗(yàn)應(yīng)該做到在不使用戶(hù)厭煩的情況下滿(mǎn)足用戶(hù)需求，提供簡(jiǎn)單、優(yōu)雅、易于理解的產(chǎn)品，使用戶(hù)得到愉悅的使用體驗(yàn)。

在Norman提出的用戶(hù)體驗(yàn)的概念中，一個(gè)非常重要的設(shè)計(jì)理念被稱(chēng)為“以用戶(hù)為中心的設(shè)計(jì)”。他認(rèn)為設(shè)計(jì)應(yīng)該以用戶(hù)的需求和利益為基礎(chǔ)，以產(chǎn)品的易用性和可理解性為側(cè)重點(diǎn)。設(shè)計(jì)人員在設(shè)計(jì)的過(guò)程中應(yīng)該充分考慮到用戶(hù)的心理特征，如鑒于人們短時(shí)記憶容量的局限性，系統(tǒng)應(yīng)當(dāng)提供技術(shù)上的幫助來(lái)增強(qiáng)用戶(hù)的短時(shí)記憶；鑒于人們對(duì)控制感的需求，設(shè)計(jì)者應(yīng)該讓用戶(hù)擁有對(duì)產(chǎn)品關(guān)鍵部分盡可能多的控制權(quán)，避免無(wú)意義和復(fù)雜的操作。同時(shí)，設(shè)計(jì)者要考慮系統(tǒng)狀態(tài)與用戶(hù)的需求、意圖和期望之間的關(guān)系，盡可能地使用戶(hù)需求得到及時(shí)的反饋。

二、語(yǔ)音交互產(chǎn)品的發(fā)展歷史

早在上世紀(jì)70年代，美國(guó)就開(kāi)始致力于語(yǔ)音識(shí)別技術(shù)的研究，語(yǔ)音識(shí)別技術(shù)從一開(kāi)始只能識(shí)別特定對(duì)象、較少的詞匯量逐漸發(fā)展到現(xiàn)如今能夠識(shí)別非特定對(duì)象的語(yǔ)音和大量詞匯，在識(shí)別速度和準(zhǔn)確率方面也得到了極大地提高。早期的語(yǔ)音交互產(chǎn)品主要只是簡(jiǎn)單地記錄聲音，并將其轉(zhuǎn)化為文字輸出，還不具備語(yǔ)義理解的功能。在2000年左右，IVR（交互式語(yǔ)音應(yīng)答系統(tǒng)）在我國(guó)的一些行業(yè)逐步得到應(yīng)用，使語(yǔ)音產(chǎn)品在交互式應(yīng)答上有了顯著提升。交互式語(yǔ)音應(yīng)答系統(tǒng)指的是在沒(méi)有操作員的情況下，建立和管理完全自動(dòng)的電話(huà)服務(wù)。語(yǔ)音系統(tǒng)能夠簡(jiǎn)單地理解人們的自然語(yǔ)言，并進(jìn)行簡(jiǎn)單的語(yǔ)音交互。如人們通過(guò)撥打電話(huà)查詢(xún)?cè)捹M(fèi)，根據(jù)提示音進(jìn)行按鍵反應(yīng)，實(shí)際上就是在使用這類(lèi)語(yǔ)音交互產(chǎn)品?，F(xiàn)如今，各大主流公司的語(yǔ)音交互產(chǎn)品（Alexa、Google Assistant、Siri、Cortana）在語(yǔ)音識(shí)別率上都超過(guò)了90%，識(shí)別響應(yīng)速度很快，在語(yǔ)義理解上也實(shí)現(xiàn)了極大突破，并已經(jīng)可以為用戶(hù)提供豐富的語(yǔ)音操作功能。

三、語(yǔ)音交互產(chǎn)品的功能及應(yīng)用場(chǎng)景

1.語(yǔ)音交互產(chǎn)品的功能

語(yǔ)音交互產(chǎn)品通常具有語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成及對(duì)話(huà)管理的部分或全部功能。一個(gè)完整的交互過(guò)程首先通過(guò)語(yǔ)音識(shí)別將用戶(hù)輸入的聲音轉(zhuǎn)化為文字，之后對(duì)文本內(nèi)容（如詞性、句意、文本相似度、文本情感等）進(jìn)行理解、分析，使機(jī)器明白人們輸入的聲音有著怎樣的含義，接著針對(duì)用戶(hù)輸入的語(yǔ)義含義組織與之相對(duì)應(yīng)的文本回答，最后以語(yǔ)音輸出的形式進(jìn)行反饋。除了語(yǔ)音交互產(chǎn)品本身的使用功能外，語(yǔ)音產(chǎn)品還作為重要的語(yǔ)音載體與其它產(chǎn)品進(jìn)行結(jié)合。如在家居設(shè)備中，人們可以?xún)H通過(guò)一臺(tái)智能音箱收聽(tīng)音樂(lè)、控制其它智能家居設(shè)備、了解當(dāng)前新聞資訊、進(jìn)行鬧鐘設(shè)置、查詢(xún)天氣情況等。語(yǔ)音交互產(chǎn)品在解放人們雙手的同時(shí)，還提供了多渠道的感知方式，從而使人們產(chǎn)生更加豐富的使用體驗(yàn)。

2.語(yǔ)音交互產(chǎn)品的應(yīng)用場(chǎng)景

現(xiàn)階段，語(yǔ)音交互產(chǎn)品被廣泛應(yīng)用在各種領(lǐng)域，包括教育、醫(yī)療、交通、智能化生產(chǎn)、智能化可穿戴設(shè)備，居家生活等方面。常見(jiàn)的語(yǔ)音交互產(chǎn)品有語(yǔ)音客服，智能音箱，手機(jī)、電腦中內(nèi)置的語(yǔ)音助手，智能車(chē)載設(shè)備（地圖導(dǎo)航、智能應(yīng)答系統(tǒng)），智能家居設(shè)備，語(yǔ)音玩具、游戲，口語(yǔ)測(cè)評(píng)軟件、家教機(jī)、語(yǔ)音app（喜馬拉雅）等。這些語(yǔ)音設(shè)備極大地便利了人們的生活。

盡管可以應(yīng)用的場(chǎng)景很多，目前仍然存在一些語(yǔ)音交互不適用的場(chǎng)景。如嘈雜的環(huán)境下，語(yǔ)音交互產(chǎn)品可能無(wú)法識(shí)別出當(dāng)前聲音的發(fā)出對(duì)象。同時(shí)，一些公共場(chǎng)合也不適用，一方面，使用語(yǔ)音輸入可能會(huì)對(duì)他人造成影響，如圖書(shū)館，辦公室等安靜的場(chǎng)所，另一方面，在實(shí)現(xiàn)一些重要功能時(shí)（如輸入銀行卡密碼），語(yǔ)音操作也不利于信息傳輸?shù)陌踩浴?/p>

四、基于用戶(hù)體驗(yàn)提升語(yǔ)音交互產(chǎn)品使用的策略分析

1.賦予產(chǎn)品特定的人物形象

語(yǔ)音交互，一個(gè)重要的特征就是讓人們更加自然而舒適地使用機(jī)器進(jìn)行功能操作。人類(lèi)是社會(huì)性動(dòng)物，我們渴望擁有社會(huì)支持，親密關(guān)系和來(lái)自他人的陪伴，因此，人們會(huì)更加渴望與我們交談的對(duì)象是一個(gè)有性格有特點(diǎn)的機(jī)器人而不是只會(huì)做冰冷反應(yīng)的機(jī)器，為語(yǔ)音產(chǎn)品賦予人格特質(zhì)會(huì)讓人們知覺(jué)到這些產(chǎn)品更像一個(gè)人，從而帶給用戶(hù)更加真實(shí)的交互體驗(yàn)。那么，什么樣的人物形象是用戶(hù)所喜愛(ài)的呢？已有研究發(fā)現(xiàn)，相比于男性機(jī)器人，女性機(jī)器人會(huì)得到使用者更高地評(píng)價(jià)，這可能是目前大部分主流語(yǔ)音交互助手（Siri， Cortana）選用女性聲音作為產(chǎn)品形象的原因之一，此外，那些使用與自身性別相符合產(chǎn)品的用戶(hù)會(huì)得到異性更高的評(píng)價(jià)，從而意味著我們?cè)谡Z(yǔ)音產(chǎn)品的設(shè)計(jì)中也應(yīng)當(dāng)考慮針對(duì)不同使用者（男性和女性）的語(yǔ)音產(chǎn)品形象。

2.充分考慮用戶(hù)的使用習(xí)慣

盡管受個(gè)體差異影響，人們的喜好千差萬(wàn)別，但仍然存在普遍的規(guī)律。語(yǔ)音交互產(chǎn)品的使用主體是用戶(hù)，這意味著設(shè)計(jì)者需要在產(chǎn)品上市前對(duì)用戶(hù)的審美與偏好以及操作產(chǎn)品中遇到的問(wèn)題進(jìn)行提前測(cè)試，同時(shí)，基于用戶(hù)在使用產(chǎn)品中的數(shù)據(jù)反饋不斷對(duì)產(chǎn)品架構(gòu)進(jìn)行調(diào)整和迭代。此外，設(shè)計(jì)者還應(yīng)該針對(duì)不同年齡段或不同性別的人群推出具有不同顏色、大小或風(fēng)格的產(chǎn)品，以適應(yīng)不同用戶(hù)群體的使用習(xí)慣。語(yǔ)音產(chǎn)品在交互操作的設(shè)計(jì)上也應(yīng)盡可能的簡(jiǎn)單而明確，避免給用戶(hù)帶來(lái)過(guò)多的使用困難。

3.基于用戶(hù)使用場(chǎng)景調(diào)整交互模式

用戶(hù)并不只在單一場(chǎng)景下使用語(yǔ)音交互設(shè)備，在一些特定場(chǎng)景（如圖書(shū)館，噪音比較大的公開(kāi)場(chǎng)合），語(yǔ)音交互可能并不適用，此時(shí)提供可替換的交互方式（如文本輸入）可以有效解決這一問(wèn)題。此外，交互場(chǎng)景實(shí)際上還與當(dāng)時(shí)的語(yǔ)境、語(yǔ)氣有關(guān)，而不僅僅表現(xiàn)為物理空間上的差異。這意味著，一方面在語(yǔ)音交互產(chǎn)品設(shè)計(jì)時(shí)要考慮到不同語(yǔ)境、語(yǔ)氣下用戶(hù)輸入的語(yǔ)音特征，從而更好地進(jìn)行語(yǔ)音、語(yǔ)義的識(shí)別和理解，另一方面，要不斷強(qiáng)化語(yǔ)音交互產(chǎn)品的情感化功能，通過(guò)捕捉用戶(hù)的行為，語(yǔ)音、語(yǔ)義內(nèi)容來(lái)了解用戶(hù)當(dāng)下的情緒體驗(yàn)，綜合考慮用戶(hù)的語(yǔ)言和情緒進(jìn)行反饋，營(yíng)造親和力，使用戶(hù)在使用語(yǔ)音產(chǎn)品的過(guò)程中產(chǎn)生愉悅體驗(yàn)。