市面上對(duì)人工智能技術(shù)以及語音交互的熱炒和當(dāng)下以智能手機(jī)為主的有屏設(shè)備，對(duì)語音交互應(yīng)用甚少的矛盾思考。文章只試探性的討論下在有屏設(shè)備中，如何更好的使用語音交互這一點(diǎn)。

交互，即交流互動(dòng)，是很多互聯(lián)網(wǎng)平臺(tái)追求打造的一個(gè)功能狀態(tài)。觸覺、視覺、聽覺 ，這三種感知在早期的人機(jī)交互形式中已開始一起出現(xiàn)。在過去40年間，人機(jī)交互方式也在隨著技術(shù)的發(fā)展在不斷進(jìn)化，從最初的單一交互方式到多種交互方式相結(jié)合，也是人和機(jī)器交流互動(dòng)的一個(gè)演變史，更是機(jī)器發(fā)展的一個(gè)演變史。

機(jī)器也從被人類奴役的角色向與人類平權(quán)的歷史在不斷發(fā)展，就像《西部世界》中的機(jī)器人的覺醒以及怎么與人類共存的問題探討。在《西部世界》中我們可以看到：機(jī)器人和人類的語音對(duì)話就是很嫻熟的語音交互的方式，但在《西部世界》這個(gè)機(jī)器人開掛的影視作品中，依然能看到以點(diǎn)觸等手勢(shì)交互為主的智能有屏設(shè)備的廣泛使用。

從交互設(shè)計(jì)的角度來思考，不管導(dǎo)演是如何考量，但是語音交互技術(shù)的嫻熟一定不是為了取代其他交互方式，而是和其他交互方式多元共存。

次元這個(gè)名詞我們并不陌生，次元（Dimension）是指未知數(shù)的多重指數(shù)，更多表示的是維度或者獨(dú)立空間；在交互的維度中，我們也可以將交互分為不同的次元：

• 一次元交互：物理控件操作的交互方式，如鼠標(biāo)鍵盤交互。
• 二次元交互：物理控件操作+觸屏手勢(shì)相結(jié)合的交互方式；觸屏交互方式大家應(yīng)該很好理解，就好比你在手機(jī)上點(diǎn)來點(diǎn)去……在2011年前，市面上幾乎所有的智能有屏設(shè)備都屬于二次元交互方式范疇。
• 三次元交互：物理控件操作+觸屏手勢(shì)+語音相結(jié)合的交互方式，現(xiàn)在更多的稱之為多模態(tài)交互。在智能設(shè)備中應(yīng)用語音交互方式可以說是三次元交互的誕生，這主要是得益于Apple公司在2011年發(fā)布的新機(jī)iPhone 4s，4s的發(fā)布帶來了一個(gè)全新的功能——Siri，只要你“hi～Siri”，你就可以通過語音命令讓iPhone為你服務(wù)了。
• 四次元交互：除了物理控件操作+觸屏手勢(shì)+語音相結(jié)合的交互方式外，再加上意念交互，當(dāng)然這屬于未來很久遠(yuǎn)的交互方式。那什么是意念交互？簡(jiǎn)單舉個(gè)例子，比如：《X戰(zhàn)警》中的鳳凰女——琴·格蕾，她擁有讀取他人意識(shí)的精神感應(yīng)能力，并可按照自己的意念進(jìn)行控制任何事物，也可以同時(shí)讀取很多種意識(shí)，同時(shí)在另一種人格中可以利用精神控制能力使對(duì)手失去意識(shí)。

當(dāng)下我們處于三次元交互階段，未來我們將會(huì)處于四次元交互階段，也可能將處于五次元或異次元的交互階段，但是這都不得我們現(xiàn)在妄自揣測(cè)。

那回歸正題，我們當(dāng)下所在的三次元維度下的語音交互如何更好的應(yīng)用于有屏設(shè)備中呢？

筆者對(duì)于這個(gè)問題的思考源于一個(gè)矛盾——市面上對(duì)人工智能技術(shù)以及語音交互的熱炒和當(dāng)下以智能手機(jī)為主的有屏設(shè)備，對(duì)語音交互應(yīng)用甚少的矛盾思考。

古人曰過，解鈴還須系鈴人，那我們先要剖析一下有屏設(shè)備，其使用者是誰？其有怎樣的使用場(chǎng)景？其使用時(shí)間？其主要的功能？

1. 有屏設(shè)備的使用者——活著的人類
2. 有屏設(shè)備的使用場(chǎng)景——地球?yàn)橹?，其他星球?yàn)檩o
3. 有屏設(shè)備的使用時(shí)間——不睡覺的時(shí)候
4. 有屏設(shè)備的主要功能——裝！能裝載app

本文不討論語音交互的眾多難點(diǎn)，比如：發(fā)音要標(biāo)準(zhǔn)、環(huán)境要安靜、不能持續(xù)對(duì)話、不能打斷等，我們只試探性的討論下在有屏設(shè)備中，如何更好的使用語音交互這一點(diǎn)。

既然討論語音交互在有屏設(shè)備中的應(yīng)用，就得先說下語音交互和信息交互的不同。

說到語音交互不得不說說科大訊飛這個(gè)號(hào)稱中國聲谷的人工智能公司的產(chǎn)品，有幸以前在科大訊飛實(shí)習(xí)過，實(shí)習(xí)部門是做機(jī)器人的。這個(gè)機(jī)器人最大的特點(diǎn)就是即主打語音交互，也是一個(gè)有屏顯的機(jī)器人，這也是保證用戶通過聽覺和視覺獲取信息的雙重保障。畢竟語音交互受場(chǎng)景局限很大，在嘈雜的環(huán)境下語音識(shí)別是極為困難的。

同時(shí)，在公共場(chǎng)合下使用語音交互會(huì)讓用戶有種失去“私密性”的不安全感。這個(gè)機(jī)器人專為b端的企業(yè)、法院、醫(yī)院、銀行等提供解決方案，目的就是為了替代那些重復(fù)低能的勞動(dòng)力。

在科大訊飛這個(gè)優(yōu)秀的AI公司實(shí)習(xí)，也讓我對(duì)人工智能和語音交互有了更直觀和更客觀的認(rèn)識(shí)，個(gè)人認(rèn)為當(dāng)下人類所做出得人工智能產(chǎn)品還處于“人工智障”階段，但是也要感謝這些優(yōu)秀的AI公司的努力，讓我們感受到人工智能的未來，人類要做到能和人類正常聊天的機(jī)器人真的還有很長(zhǎng)的路要走。

實(shí)習(xí)時(shí)基本每天都要對(duì)著那臺(tái)有屏顯的機(jī)器人說話，最大的感受就是，語音交互并未和app信息交互和諧共存，語音交互依然還是依附于app的信息交互方式所生存，app信息交互中是很講流程性的，比如：你要在微信中綁定銀行卡，首先你要打開微信首頁??我??錢包??銀行卡??添加銀行卡，你要用語音交互需要幾步就能達(dá)到任務(wù)目標(biāo)呢？

理論上應(yīng)該是兩步，你說：“幫我【打開微信】我要【綁定（添加）銀行卡】”，以此對(duì)應(yīng)的有屏設(shè)備界面應(yīng)該跳轉(zhuǎn)兩下即可。但是，很多智能有屏AI產(chǎn)品依然依附信息交互的流程性，依然沒有擺脫“返回”這一道程序。

語音交互所發(fā)出的命令信息必須命中屏幕界面所給出的信息，如果你在【添加銀行卡】頁面，發(fā)出到【朋友圈】，那對(duì)不起，識(shí)別不了。

由此可見，語音交互和信息交互兩大特點(diǎn)：

（1）信息交互特點(diǎn)：線型流程性

總結(jié)：從A到B必須有遵循線型的流程，在app中的體現(xiàn)就是一張張頁面的跳轉(zhuǎn)，并且不分iOS還是android系統(tǒng)，所有界面左上角都少不了返回/取消/關(guān)閉，這是確保你原路退回的保障。

（2）語音交互特點(diǎn)：點(diǎn)狀跳躍性

總結(jié)：從A到B只是兩點(diǎn)一線的距離，點(diǎn)狀跳躍性就很符合語音交互的場(chǎng)景，最極致的語音交互場(chǎng)景就是人和人聊天的場(chǎng)景，兩人可以從詩詞歌賦突然跳躍性的聊到人生理想，接著你也可以直接跳躍性的去聊明星八卦，只要一個(gè)人發(fā)起任何聊天內(nèi)容對(duì)方就會(huì)給予相應(yīng)的回應(yīng)。

那語音交互如何更好的應(yīng)用于有屏設(shè)備中？

求同存異，語音交互和信息交互的最終目的都是一樣的，但是使用方式卻有所不同，解決語音交互如何更好的應(yīng)用于有屏設(shè)備中的方法其實(shí)也很多：

• 根據(jù)不同場(chǎng)景切換兩者的主導(dǎo)權(quán)，在語音交互場(chǎng)景下就優(yōu)先遵循語音交互特點(diǎn)與規(guī)則。
• 使用“插入法”，在特定的app頁面中局部插入語音交互。
• 建立通用規(guī)則，就像iOS中的手勢(shì)交互屏幕右滑即是“返回上一級(jí)”，語音交互也可建立這樣的通用規(guī)則。
• 點(diǎn)名法，這就需要攻克技術(shù)難題，打破信息交互中的層級(jí)關(guān)系和流程性，將所有功能點(diǎn)平鋪，當(dāng)你通過語音命令，點(diǎn)到誰的“名字”誰就向前一步。

只有讓用戶感受到語音交互“兩點(diǎn)一線”的快速與便捷，才能讓更多用戶所接受，不然，語音交互就只能存活于特定的視力障礙人群中或特定的使用場(chǎng)景下…

本文只是試探性討論，歡迎大家交流討論~

本文由 @黑斑馬與白斑馬的斑 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

題圖來自 Pixabay，基于 CC0 協(xié)議