发布时间：2021-6-13 分类： 电商动态
本文是我在学习智能语音过程中的思考，希望能从智能语音的人机交互层面带来一些启发。
当我还是个孩子的时候，我喜欢一个名为《恐龙战队》的剧本。有一个叫做“Alpha”的角色。这是一个每天都很忙的机器人。能够召唤玩家并与他们交流是非常好奇的。
今天，由于智能语音技术的发展和一些语音产品的出现，我们对可以说话的机器并不那么陌生。 Siri曾经成为全民的话题。这绝对不是Apple的初衷。这暴露了它的不完美之处，使公众更接近语音产品。本文是我在学习智能语音过程中的思考，希望能从智能语音的人机交互层面带来一些启发。
语言是人类文明的重要成就，也是人类最重要的工具之一。它在保护和传播人类文明方面发挥着不可或缺的作用。总之，它的主要作用是四个字：传递信息。
“我们称之为智能语音，学术界称之为”自然语言处理“，是计算机科学和人工智能领域的研究方向。它主要研究使用自然语言在人与计算机之间有效传递信息。理论与方法。 —引自百度”
“交互”是“人机交互”的全称，它是对系统与用户之间的交互和交互的研究。
智能语音交互的简洁声音应该是自然语言交互。为了便于理解，我仍然使用“智能语音交互”这个词。
计算机技术和人工智能领域发展迅速，对“自然语言处理”的研究也非常火爆。
siri，微软小冰，谷歌，Echo，Keda Xunfei，京东等智能语音产品也开始出现。虽然存在很大的不完善之处，但回顾历史，我们可以发现智能语音技术一直在进行中。
在理解智能语音的过程中，我遇到了一些问题。我想到围绕这些问题的智能语音交互，希望能给你带来一些灵感。
1、智能语音能成为人类主流的人机交互方式吗?
这个问题引起了很多争议，我更喜欢智能语音交互将成为主流的人机交互方法之一。
人类与世界万物互动的过程可能是这样的：通过眼睛观察人，事，物，环境等，辅以耳朵听觉，鼻子气味，舌头味道，口腔交流，身体接触，然后大脑产生记忆和思考并做出行动，表达，语言和生理反馈，这个过程是循环和组合的。
不同的环境和习惯会有所不同，但基本上都在这个范围内。在这个过程中，上半部分主要是接收信息，下半部分主要负责沟通和互动，语言和行动是最重要的沟通和互动形式。
从人机交互的角度来看，手动操作是世界的绝对主流
我们每天使用的手机，电脑，相机和汽车，包括现在非常热的AR和VR设备，基本上都是手动控制的。 （手控属于行动类别）这与人类进化的方式有很大关系。我们的祖先开始学习制作工具，手成为人类接触万物的最重要工具。
特别是机械的出现，只有灵巧双手的双手才能准确掌控任务。
然而，人手中存在一些缺陷：不够长，不够，以及需要匹配眼睛，这给我们的生活带来了很多不便。
例如：
当我们开车时，我们的眼睛和手被占用，操作手机，中央控制触摸屏等非常不方便，并且风险因素将大大增加。
原始语言是人们之间交流的工具，很难直接对象之类的对象作出反应。但随着第四次工业革命的到来，人工智能使我们更有可能。当机器能够理解我们的意思并且表现良好时，许多场景的人机交互将会改变。将会拍摄更合适的场景，就像智能手机进入我们的生活一样。十年前，我们无法想象用我们的手机做我们现在做的大部分事情。
所以我的意见是：
智能语音技术会成为人类主流的人机交互方式之一。
其中一个原因是除了声音之外，原始的手部操作，体感操作，面部表情识别，注意力识别，甚至情绪波动都可能成为我们在不同场景下与机器交互的方式。在未来，这很可能是一次全面的互动体验。
2、智能语音技术发展到什么阶段了?
智能语音分为近场语音和远场语音。
"近场定义为小于一个波长（或波长水平）的电磁场。远场是电磁波传播到远处后的场（分布）。 ——引自百度”
近场语音主要基于手机等设备，基本上有一些辅助使用要求，Siri和微软小兵都是近场语音产品。远场声音也越来越受到关注。亚马逊的Echo是远场声音，非常受欢迎。至少用户可以用它来发声以在5米的距离播放音乐。
自然语言理解已经研究了60多年。虽然它仍然不完美，但令人欣慰的是像Siri和Echo这样的产品正在兴起，而且不再是虚幻的概念。
简要了解自然语音处理的技术过程：
当我们与机器交互时，机器需要声学处理我们的声音和周围环境，以减少干扰和噪音。语音识别技术用于将听到的声音翻译成单词，语义理解技术分析单词的含义。最后，机器执行用户指令或合成要通过语音合成技术表达的语音。
在这个过程中，声学处理，语音识别，语义理解等属于自然语言理解，语音合成等都是自然语言生成，这些都是非常核心的技术，还配合人工智能，机器深度学习等等。 。
但在现阶段，仍然非常困难。
在真实环境中，由于噪音，机器仍然不允许听自然语言。当机器将听到的语音翻译成文本，重音，重音模糊，语法模糊等时，也会影响成功率。人类语言过于复杂，受到模糊词边界，多义词，句法模糊，语境理解等的影响。语义理解是一个主要障碍。
另一个例子：
如果上一年没有开设课程，那就是“去年有多少学生没有通过这门课程”。问题是机器回答“没有通过”和“去年没有打开这个课程”？同时，该机还需要提前存储“去年未打开此课程”的信息。
我认为，在我们年轻的时候，我们并不了解我们现在所知道的知识和信息。这是一个难以想象的数据量！因此，在这个阶段，在垂直领域开发智能语音产品是一个相对现实的选择。
3、智能语音交互与界面交互的异同点是什么?
研究智能语音与机器之间的相互作用，我们不得不说界面交互，这是一种用户和设计师非常熟悉的人机交互方法。从界面交互中，实际上有许多要思考或学习的要点。
界面交互是线性的，而语音交互是非线性的
界面交互是一种线性交互方法，本质上不同的页面通过不同的层次关系串联连接。因此，当我们使用它时，会有一层图层返回，标签导航开关，回到应用主页和主页按钮回到手机桌面概念。
语音交互不适合这样做。当我们人类用语言交流时，它就是一种非线性的分歧。当我们谈论一个话题时，我们会突然转向另一个不相关的话题。它们之间没有层次关系。不能谈论回归关系。
界面交互更多过程，语音交互直接指向结果
界面交互在设计中，向用户提供了许多“小任务”（按钮点击，模块选择，页面跳转等），并且用户通过不同的组合进行选择以最终实现他们的目标。
但是在语音交互的情况下，更多的是直接表达，你会告诉服务员：请给我一杯咖啡。不是说：请用杯子从咖啡壶里倒一杯咖啡。
界面交互可以没有目标，语音交互需要准确的目标
当我们使用计算机和移动电话访问互联网时，有时它是无目的的，但如果你在语音交互产品上没有任何目的，它会非常烦人，因为你必须继续说话。
语音交互的私密性更强，没有界面交互覆盖的使用场景多
当我们处于拥挤的状态时，我们可以毫无顾忌地使用手机和ipad，但如果我们与机器进行语音对话，那将非常尴尬。例如，从ATM取款时，您是否使用语音？
因此，在语音交互高效的某些场景中，避免这种令人尴尬的情绪非常重要。其他更亲密的场景，语音交互可能是一场灾难。
4、智能语音交互适合哪些使用场景?
无论任何产品的交互方式如何，都没有使用场景，不能满足用户的需求，也不可能成功。智能语音产品也不例外，从目前的技术角度来看，垂直使用场景更适合智能语音交互。
汽车的车载智能语音系统中有许多商用产品。是否有可能挖出其他旅行场景，例如骑自行车？
儿童的娱乐和教育也适用于语音交互式切割，并且有许多公司正在这样做。
智能语音产品也可以应用于客户服务行业，既可以大大降低人员成本，又可以解决语音客户服务体验效率低的问题。
手动客户服务和非智能语音客户服务方案的痛点
如果您使用智能语音系统？理想情况与手动客户服务没有什么不同，但它完全由机器完成。想想节省了多少人工成本。甚至可以替换离线客户服务工作。
智能语音助手等4种产品可帮助用户处理一些短路目的任务。
还有办公区，智能家居等等。……
5、如何设计使用体验好的智能语音产品?
无论是界面产品还是语音产品，最终目标都是解决人们的问题。界面产品设计的一些标准和经验仍然适用。
例如，在设计过程中，还需要了解业务诉求，用户诉求，进行用户研究，分析用户特征和观察用户行为，探索使用场景中的问题和难点，并整理任务流程，设计信息体系结构和方案设计，以及验证和迭代。
在语音交互过程中，您需要注意以下问题：
流程简单，路径明确，最大限度减少对话轮数。
语音交互应该避免不间断的对话，太多的会话用户难以记住，并且可能非常烦人。
信息传达简洁明了，避免大量内容。
用户的短期记忆是有限的，用户难以记住太多信息。
给予用户适当的引导，避免或及时纠正用户发散式思维导致的错误。
用户的语言表达是非常高的自由度，这增加了机器识别的难度，并且适当的引导允许用户返回到正确的路径。
系统状态反馈，及时有效。
语音交互中的系统状态反馈，让用户知道当前状态，上下文和用户进程的位置。
任何时刻都是“首页”。
语音交互是用户的快捷方式，需要直接说出来，而不是返回主页然后查找应用程序。
加载过程要快。
在界面交互中，页面在3秒内加载，并且状态反馈对用户是可接受的。语音交互用户会更加不耐烦，因此加载过程更快，就像人与人之间的对话一样自然，以满足用户。
固定的、舒适的声音风格，令用户愉悦。
固定音乐，铃声，给用户留下印象，让人们在听到产品时知道产品是什么。例如，微信，iphone铃声，新闻链接标题。声音，悦耳的声音，音乐和铃声很重要，它们是产品气质的表达。
与机器的语音交流如何像人类一样自然?
这是最后一个问题，我仍然没有答案。与人类不同，机器的语音通信始终是最大的问题，因为只有人与人之间的沟通才是最自然和最舒适的。如何让机器学习和模仿人类，让它慢慢地让自然人“进化”？
以上只是分析和思考。它尚未经过实践验证。我只希望能激励你。
