语音交互的用户体验

突发奇想，抛出问题

今天突然想到这个问题。

到底怎么样的体验才是好的语音交互体验？这个问题对于语音技术开发人员可能想的很少，尤其是当前语音技术处于一个时代的风口浪尖的年代，作为从业者，每天面对者五花八门的技术需求，我们缺乏时间思考什么才是好的，合适的语音交互体验，我们疲于应对客户需求，寄希望于客户需要的就是终端用户需要的， 被动的手忙脚乱，但是，事实上，语音交互设计到的技术链条很长，语音技术提供商所面对的客户，他们对语音技术的了解可能仅局限于链条上末端的几个技术节点，而要想有一个良好的体验，任何一个节点未得到很好的设计，最后呈现在最终客户面前的，就是一个糟糕的产品，这也就是我们熟悉的木桶理论。

所以，究竟用户需要什么样的语音交互体验呢，就目前来看，我们还没有找到一个比较漂亮的答案。

现在呢

交互方式

实现语音交互的几个要素：

• 音频采集设备（Microphone）
• 音频传输媒介 （Bluetooth，WIFI，I2S…）
• 音频数据处理中心(MCU, DSP,CPU, NPU, GPU …)
• 音频播放设备（Speaker）

要想深入这个问题，这边先了解下当前智能设备普遍的语音交互方式。

• 2 Step
  最为普遍的交互方式：

1. 唤醒
2. 对话

• One-shot
  所谓one-shot，即可以将唤醒和对话同时完成，即唤醒+对话一次性说完，随即反馈结果

• 短时免唤醒模式
  google assistant 目前引入了短时免唤醒模式，即一次唤醒之后的一段时间内，可以于google assistant 进行连续对话，而不需要每次停顿后再进行唤醒。进一步提升了交互体验，减少了频繁唤醒的繁琐流程。

应用场景

业界一直在探讨语音交互是继鼠标键盘，触控后第三代的人机交互技术，但是就目前看来，还远远没有达到替代先辈技术的程度，当下的语音交互需求主要停留在部分替换的初期交互阶段，主要有以下一些应用场景：

• 智能设备的控制

  • 电视机端语音控制替换遥控器控制
  • 手机的语音低功耗待机唤醒
  • …

• 情感对话

  • 微软小冰微信聊天模式
  • siri 调戏
  • …

• 个人助手

  • siri 日程设置
  • 天猫精灵音乐播放，闹钟设置
  • …

我们真正需要什么

就目前来讲，语音交互的真正完美的用户体验，业界还没有找到一个明确的答案，换句话说，没有给出一个让用户可以长期停留，实现轻度依赖的方案。

从语音交互的要素可以看出，我们首先需要一个录音设备，