每個時代都會有屬于它的符號和偶像。對于設計師來說，賦予產品以靈魂的精神是始終不變的。

AI給人機交互帶來根本改變

AI的核心能力

回顧人機交互發展是“技術進步”與“載體創新”交替螺旋促進在推動著人獲取信息的效率不斷提升，成本不斷降低。

AlphaGo先后打敗李世石和柯潔，百度發布自動駕駛系統“阿波羅”…..這一次由AI引領的技術進步正在發生?；诖罅考儍魯祿纳疃葘W習給將人工智能帶來的了巨大的進步，這種進步主要體現在三個維度。

1. 認知能力?– 基于用戶行為的畫像，將人機交互從“單向”關系帶入“雙向關系”
2. 感知能力?– 由觸摸輸入到以語音輸入、圖像識別為核心的全自然交互
3. 自然語音輸出能力?– 帶來新的”語音“設計材料

語音對于體驗設計師來說是新的設計材料，它有哪些設計挑戰？語音設計有框架可尋嗎？有哪些設計方法？我們將在下面的文章與你分享。

設計挑戰

1. 從“有邊界”設計到“無邊界”設計

當我們設計App界面，交互設計師會窮舉用戶在固定像素界面內所有可能的操作，一一設計恰到好處的用戶反饋。但是對于語音交互用戶的輸入是沒有邊界的，用戶可能的輸入將遠遠超出你可能的窮舉的范圍。從”有形“的設計到”無形“的設計，視覺的設計規范在語音設計過程中將完全失效。

2. 從“近場”交互到“多距離空間”交互

語音交互可主要分為近場交互（例如：度秘/siri）和中場交互（車載）、遠場交互（智能音箱）。

多距離場景的有以下幾個維度的不同：

（1）場景特征

在非近場交互的場景下用戶可能在其他事情上，而非專注在其他任務，這給如何讓用戶最小成本的獲取當前系統的狀態帶來挑戰，“我喚醒了設備嗎”“我可以說了嗎” 每一個節點需求都需要多維度的定義。

（2）輸入方式

常用的輸入方式有實體操作（按鈕/旋鈕等等），觸摸，語音，動作，在近場交互時實體與觸控是第一選擇，而當中遠場交互時語音成為輸入方式的第一選擇。伴隨各種智能音箱、或者Iphone X等采用深度攝像頭應用的普及，中遠場景的動作輸入將逐漸成為重要的輸入方式之一。

設計建議

1. 用“語音交互框架”匹配“使用場景”

語音交互帶來人機交互向更自然的方向提升，人機交互更趨近于“人人交互”，怎樣理解語音交互框架，我們可以從人人交互一探究竟。

現在回想你讓別人幫你把水杯拿過來，你與這個人的交互節點是什么樣子的？

首先你要叫他的名字，如果他聽到了會回答你“干嘛呀”或給你個眼神兒，這時候你知道他在聽你說話，你可以繼續說了-“給水杯拿來”。他可能需要想想水杯在哪或者問你，當他去拿水杯你會看到他正在行動。將與人的語音交互節點提煉出來，進行總結就是語音的交互框架：

如上圖所示語音的交互框架由以下四個節點構成，每個節點用戶有相應需求：

1. 喚醒：用戶有得到“是否喚醒語音“反饋的需求
2. 輸入：用戶有得到設備正在“聽說話嗎”的需求（相當于loading）
3. 理解：用戶有得到“在幫我說事情嗎？“ 的需求
4. 回答/行動：用戶有查看任務是否完成的需求

語音的交互框架解釋了語音交互流程，等同于觸屏設備定義的”點擊屏幕“”雙指pinch“ ”搖一搖“。但是僅僅了解交互框架是遠遠不夠的，比框架更重要的是語音交互場景，在不同場景下以上”喚醒、輸入、理解、回答/行動“四個節點有不同設計方式。

舉個例子：在語音交互的第二個節點 – 輸入中需要用”波形高低“與”語音響度高度“相匹配來給用戶正在聆聽的反饋，在不同場景下波形要采取不同的設計策略：

• 車載場景：駕車時用戶的視覺注意力被路況占據，這時候一方面需要引入”?！暗囊宦曊Z音反饋，另一方面需要設計采取更強的視覺波形確保一瞥既得。
• 語音音箱：語音音箱的場景雖然不像駕車場景注意力被強占據，但是它是沒有屏幕的，這時候一般會采取帶強弱有呼吸感的燈效解決反饋的問題。

“無形”的語音能”附著“在各種設備上，場景也是千變萬化的。在設計時要時刻記住?”喚醒-輸入-理解-回答/行動“?的語音交互框架和每個節點的用戶需求，關注用戶的使用環境，和視覺/聽覺注意力的占據情況，不要局限只用聲音做反饋。

2. “喚醒”設計

喚醒是語音交互的第一步，聽說剛發布的某國產品牌的AI音箱選了十多個喚醒詞，最后才用了“小愛同學”，rokid的喚醒詞”若琪“也經過了精心的設計。這充分說明了喚醒設計重要性。

喚醒方式可以是任務的觸發動作，比如點擊，按壓，動作，語音，表情。目前主流的喚醒方式有以下3三種 –?實體按鈕、虛擬按鈕、語音喚醒，每種喚醒方式各有特點，適用于不同場景，下面我們來逐一分析一下：

（1）實體按鈕

優點是能提供觸覺反饋，使用場景有兩種：

• 當用戶的視覺通道被占據時。
• 近場交互且設備沒有屏幕或屏幕處于熄滅狀態時，例如在熄屏狀態下通過長按Home喚醒

（2）虛擬按鈕

喚醒方式有兩種操作方式 – 點擊和長按。兩種方式的本質差別有三個：與面部距離、操作成本長按大于點擊、微信養成的語音輸入習慣使得長按更符合用戶習慣。

• 點擊：面部與屏幕距離遠，波形反饋可見，能更好的確認設備是否在收音，且成本較小。大多數的近場交互都可以使用。同時車載場景特別適用，試想在駕車情況下讓用戶長按輸入語音簡直就是災難。
• 長按：離麥克距離比較近，能帶來更好的收音效果?？梢宰鳛橐环N輔助的喚醒方式兼容。

（3）語音喚醒

在雙手被占據和遠距離場景下語音喚醒都是最佳的方式，在設計語音喚醒是要注意以下三個方面：喚醒詞的形象設計、注意喚醒后的聲音反饋、防止誤觸發。

① 醒詞的形象設計

喚醒詞的設計是機器人格的一部分。在平常的社會交往中，高雅、深邃的名字，往往會給人留下美好的印象。庸名俗字則給人一種不愉快的厭惡心理或排斥感。比如”靜靜”給人”文靜，秀氣”的感覺?！疤翘恰苯o人“甜蜜”的感覺。

初期的人工智能的能力是有限的，有時會給出不盡如人意的回答。一個萌萌的有親和力的名字能讓用戶有更高的寬容度。

同時喚醒詞意象要與聲音特色相一致，聽覺情感是非常敏感的，想象一下如果一個萌妹子說話的聲音很粗獷，或者一個壯漢聲音很細你是不是覺得很不舒服。去定義喚醒詞對應的感知意向，在語音合成訓練時匹配這種意向。

② 用反饋音

語音喚醒一般使用在遠場交互場景，這時候用戶很難能通過視覺確認是否喚醒了設備，就需要給出語音反饋—- 比如“?！?或“我在呢”等等。

③ 止誤觸發

在日常交流中我們每天會說很多重復的字或詞，比如”你“”誒“哦”等等，在設計喚醒詞時要避開這些詞匯。

3. 對話的體驗設計

喚醒之后的對話環節是語音體驗設計的核心，我們如何打造優秀的設計體驗呢？首先需要了解語音交互類產品對話的基本特點，包括：輪流說話的方式、合作式的對話、關注語言的蘊意及語境、具有線索引導、對話具有可修復性。

在具體對話的編寫上，給大家推薦通用的Grice表達準則，可以有效提升語音對話的效果。準則包括以下4方面：

1. 表達質量：陳述的是有效的事物
2. 信息量：不多不少，恰到好處的語言信息含量
3. 關聯性：陳述與話題相關的信息
4. 習慣性：簡明扼要，直奔主題，避免模糊晦澀的表達

根據不同的使用場景對話編寫也有較大差別，主要從以下兩個維度入手：

（1）區分“任務式設計”與“閑聊式設計”

對話式設計主要分為兩種場景：任務式對話和閑聊式對話。

① 任務式對話

如理財顧問，醫生，購房助手，用戶使用這類對話的型產品是為了盡快得到答案，而不是向人們“調戲”siri一樣。這類的產品應遵循如下原則：

• 引導用戶用戶如何輸入：語音是無形沒有邊界的，不要讓用戶進來不知道說什么。用戶可能采用各種無法預知的句子輸入。為了避免發生錯誤，應在界面上引導用戶怎樣輸入或主動開啟一個對話。
• 設置邊界：不要試圖去做閑聊型“機器人”，當入用戶的輸入你的產品無法理解或與你產品的主任務無關時，不要裝聰明，給用戶選項提醒用戶他能用的表達方式。

② 閑聊式對話

如微軟小冰，度秘等。用戶使用這類對話式產品的目的是“娛樂”，效率不在是第一需求，怎樣讓對話有趣避免冷場是新的設計目標：

• 雙向溝通，主動聯想：避免對話一直是”one shot” 式的一問一答。雙向的溝通才能讓對話變得有趣，當用戶打開你的產品時根據天氣，時間等因素做主動的交談，比如當用戶深夜打開你的產品時，設置一段問候的對話會讓你的產品變得富有人文關懷。
• 迎合用戶情緒：當用戶表達出悲傷或開心等情緒時，用戶會很期待你的產品具有同理心，用圖像或對話與用戶建立情感連接，將使得對話變得富有人情味，增加產品的粘性。
• 鼓勵輸入：閑聊式對話產品的體驗依賴于對用戶數據的收集，你的產品積累的對話數據越多，通過深度學習就越能給出用戶滿意的反饋。在設計時通過獎勵機制和可視化的鼓勵引導用戶來豐富你的數據庫。

（2）“聽覺形象”的體驗設計

通過“色彩、材質、形狀、版式、動效、字體”塑造視覺形象，用視覺形象反映產品氣質、品牌理念是GUI設計師工作之一。人工智能賦予了機器擬人化聲音輸出的能力，帶來的語音設計材料。不同的聲音帶給用戶的感受是不大相同的，低沉的聲音給人“穩重，成熟的”的感覺，尾音語調向上的聲音給人“愉悅，被尊重”的感覺。

如何用“音色、節奏、音調、響度”的語音設計要素設計恰如其分的聽覺形象？

下面我結合項目經驗和一些研究與你分享一些流程的方法。

① 從“先設計后開發”到“先開發后設計”一個全新的實現流程

語音是不可見的，設計師沒有“語音的PS” ，在語音形象的設計中必須先有“語音基礎形象”設計師基于語音基礎形象進行再設計。對百度feed讀新聞的體驗重新設計時，先進行的是不同新聞情感特色的定義，基于新聞情感收集當量的”語料“數據，通過深度學習來提取每類語料數據的聲音特色形成”基礎形象“，在對基礎形象進行”語調，速度，節奏”的微調進行升級形象設計。

以上流程可抽象出“聽覺形象”的設計流程 ：“定義 – 挑選 – 訓練 – 調整”

• 定義：根據內容/產品氣質/品牌愿景定義產品的“聽覺形象”，八卦的情感要用“戲謔的”，歷史的聽覺相應要有“滄桑感”
• 挑選：去語音庫里挑選具有定義的聽覺形象的語音片段。比如如果要產生的聽覺形象是“滄桑感”時，可以挑選一些單田芳老師語音片段
• 訓練：將大量語音片段交由技術人員進行語音合成訓練
• 微調：通過調整“語調、速度、節奏”使之給用戶的感覺更接近于先前定義的“聽覺形象”

② 持“聽覺形象”與“品牌情感”的一致性

在進行視覺設計時設計師要通過“色彩，形狀”等設計元素支撐品牌情感，對與大型公司會要求他們的每一個產品遵循一致性的設計規范。進入“聽覺形象”設計時代，當你的產品要使用語音交互時，確保產品的“聽覺形象”與品牌情感保持一致，這將能夠強化品牌給用戶的印象。

③ 持”聽覺形象“與“用戶場景”的一致性:

現在回想一下機場內的語音“尊敬的旅客飛往北京的T343航班….”，這種語音形象給用戶“被服務的、受到尊敬“的感覺，與用戶在機場的場景相一致。而在醫院，起碼在中國的醫院，醫療資源與患者數量極不匹配，患者與醫生更像是”求助關系“而非“服務關系”, 使用過于“服務化”的語音形象反而會給用戶帶來強烈的落差感。

④ 持“聽覺形象”與“內容“一致性

“內容”本身是具有形象屬性的，比如二次元的新聞如果用粗獷的男生讀出來一定會很違和。因此在進行內容消費型設計時要充分考量語音所說的內容與“聽覺形象”相匹配，避免出現違和感。但是在設計工具型產品時，不要頻繁更換語音形象，這會分散用戶注意力使效率下降。

4. 利用視覺

語音交互的最大優勢是更加直覺化，可以大大降低用戶學習成本。但是語音輸出的是線性的，因此它無法同時輸出很多內容。這是語音最大的劣勢。

2015年在設計語音管家時有人提出要做個語音點外賣功能。這其實是違背語音場景的，當語音輸出到第十道菜時用戶已經忘了第一道菜是什么了。 所以當時在設計時當用戶發起需要當量信息交互的任務時，會通過PUSH引導用戶查看視覺信息。

在設計時充分利用視覺與聽覺的互補性，聽覺記憶時間短暫的，不要用語音輸出大量信息，尤其輸出的信息是需要用戶記憶時。

AI時代的變與不變

AI帶來機器的認知能力和感知能力的提升，給人機交互帶來的改變是根本的，傳統的人機“輸入 – 反饋”循環，將逐步過渡到“推薦 – 選擇”循環。人機交互也將由單向從屬關系，向雙向訓練關系過渡。這種改變將重寫“設計思維、方法、流程、規范”。

然而，每個時代都會有屬于它的符號和偶像。對于設計師來說，賦予產品以靈魂的精神是始終不變的。

本文由 @百度MUX?原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 Pexels，基于 CC0 協議