文章對語音用戶界面進(jìn)行了相關(guān)的分析解讀，希望對你有所幫助。

語音用戶界面（VUI）

A?voice-user interface?（VUI）?makes human interaction with computers possible through a voice/speech platform in order to initiate an?automated?service or process.

VUI是任何語音應(yīng)用程序/設(shè)備的接口。從Siri 、Amazon echo Alexa、google home 、小冰、國內(nèi)的叮咚、天貓精力、小愛同學(xué)、你好問問以及各種你聽說過的，沒聽說過的。然而，隨著技術(shù)的進(jìn)步，從DuerOS的 聽清、聽懂、滿足。

以及喚醒萬物，用白話說，聽清靠麥克風(fēng)陣列來拾音；聽懂靠自然語言處理技術(shù)；滿足靠數(shù)據(jù)；?語音的交互呈現(xiàn)給用戶的主要是說和聽；語音交互，都是瞬態(tài)或不長久存在的信息，用戶聽到了，然后就消失了，用戶沒有可能去回顧設(shè)備的輸出，聽覺界面的這種瞬態(tài)特征對用戶知識有一定的要求。而VUI 設(shè)計(jì)的原則之一就是不要讓用戶有認(rèn)知負(fù)荷，不要挑戰(zhàn)人類短暫的記憶能力。

語音，用戶的直接交互的界面，人類與設(shè)備交互的邏輯會有很大的影響。而好的用戶體驗(yàn)會帶來用戶對設(shè)備的認(rèn)可及多次使用；滿足用戶意圖。“我知道設(shè)備聽清楚了，也聽懂了，還給我提供了幫助，我不會感到迷失與焦慮”。很簡單，我還會在使用它。反之，聽不清，聽不懂，用戶會責(zé)備這個設(shè)備，覺得它很SB ，從而拒絕使用。最早的Siri為什么沒有火起來也是技術(shù)條件不成熟，所以用戶并不買賬。

所以，在這個快的時代，現(xiàn)在的人們喜歡快餐，人們對新的產(chǎn)品沒有耐心，因此，幾乎沒有容錯的余地：VUI需要可靠地響應(yīng)輸入與輸出，否則將被用戶拒絕且拋棄?；锇閭兌际褂眠^10086吧，有沒有覺得一串的按1 按2 再按* 讓你有種砸掉手機(jī)的沖動？ 是的這其實(shí)某種程度上來講是單方的語音交互；它一直在挑戰(zhàn)人類的耐心。

VUI設(shè)計(jì)是一個以用戶心理模型為中心的設(shè)計(jì)過程。目的是為了給用戶最優(yōu)的經(jīng)歷。創(chuàng)建有吸引力的交互過程，用用戶習(xí)慣的、情感化的、靈活多樣而有引導(dǎo)性的方式，使用戶樂于使用，幫助用戶解決問題，提高效率，贏得用戶的忠誠。

聲音，最自然的交互形式，但不能取代圖形GUI，而是更好的協(xié)作

語音用戶界面設(shè)計(jì)是一個全新的應(yīng)用領(lǐng)域，通過語音控制來完成任務(wù)。人與人的溝通通常在不同場景與人的面部表情，動作等，能解析出不同的意圖。VUI+GUI 更好的滿足人機(jī)的交互。

GUI層級鮮明，好比俄羅斯套娃，一層一層直到結(jié)果呈現(xiàn)，想想你的朋友圈，你應(yīng)該如何發(fā)朋友圈？文字與圖片不同的入口。想想打開手機(jī)上的手電筒，選擇消息應(yīng)用程序，回到主屏幕。所有這些操作都會引用實(shí)際的空間關(guān)系，幫助我們記住并了解他們。GUI可能會考慮你的手指觸摸的位置以及你在屏幕上看到的內(nèi)容。這種相互作用在功能上是肌肉記憶。他們必須是一個聯(lián)動的層級關(guān)系，需要每個步驟才能訪問它們，那么執(zhí)行此操作的認(rèn)知負(fù)荷將高于簡單地使用該應(yīng)用程序。

VUI沒有層級，可以直接獲取結(jié)果，拍照，—-已經(jīng)幫你拍好了，。GUI被動的交互是一種引導(dǎo)，傳遞信息。而VUI主動的交互不僅僅包含被動所能表現(xiàn)的，且能夠主動感知或認(rèn)知人來獲取信息，而人還是原來的行為模式。VUI的實(shí)現(xiàn)基于NLP 的技術(shù)，傳感器技術(shù)，以及不同類型的數(shù)據(jù)交叉處理和判斷，這些處理和判斷又與產(chǎn)品的市場需求，業(yè)務(wù)需求，產(chǎn)品形態(tài)的需求. 息息相關(guān)。——場景革命，語音交互任何時候都是基于場景來做調(diào)用， 場景又叫技能。

服務(wù)器端處理：場景（技能）—— 意圖——具體操作（結(jié)果）

這個技能場景可以是：廚房技能、音樂場景、詩詞場景、APP場景、故事場景、定制業(yè)務(wù)場景、閑聊場景等。 不過閑聊這個場景我個人認(rèn)為是最難做的。它的邊界不好限定。

場景的要素：

1. 哪里的用戶？（環(huán)境）（根據(jù)不同場景建立不同業(yè)務(wù)邏輯與規(guī)則）家庭？戶外？閑聊？廚房？音樂？
2. 他們要做什么？（目的）
3. 他們互動的設(shè)備的類型（媒介）機(jī)器人？Echo ? iPhone？computer？……
4. 什么時間？（時間）時間的維度可以更好情感化設(shè)計(jì)。
5. 他們正在試圖做什么？（行為）
6. 盡量滿足他們的意圖，而不是一個特定的功能。（目的）
7. 意圖：需要多個維度去判斷，視覺，聽覺，記憶，用戶習(xí)慣等。
8. 哪里是用戶心靈的框架？（用戶模型？）用戶任務(wù)精神模型（根據(jù)不同用戶受眾，進(jìn)行不同的任務(wù)流程）
9. 場景多維度屬性（場景屬性）

VUI+GUI

語音與視覺的交互是交叉處理，（多模態(tài)），說白了，一個用戶指令，設(shè)備有多種反饋的方式，可以是聲音，燈光，動作，界面，表情，等各種交叉的反饋。 什么樣的多模態(tài)交互是用戶需要的呢？這就需要基于場景的要素去進(jìn)行交互規(guī)則設(shè)計(jì)。（下圖機(jī)器人語音交互部分流程）

本文由 @?司馬 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