老羅曾經(jīng)說(shuō)：“語(yǔ)音識(shí)別技術(shù)的使用上，無(wú)論是siri還是它的模仿者，都從根上就犯了錯(cuò)，所以都是熱鬧一陣就過(guò)去了，幾乎沒(méi)人認(rèn)真用它(因?yàn)椴缓糜?用起來(lái)顯得巨傻)。”雖然說(shuō)的有些偏激，但是沒(méi)人認(rèn)真用也就是說(shuō)大家不愿意開口說(shuō)話這件事情是值得思考的，語(yǔ)音識(shí)別技術(shù)這個(gè)根正苗紅的太子發(fā)展到現(xiàn)在，試圖滲透著我們生活的同時(shí)，我們也發(fā)現(xiàn)這玩意兒看起來(lái)并沒(méi)有傳說(shuō)的那么神乎其神，從語(yǔ)音機(jī)器人到Siri再到Google Glass，每一次相關(guān)產(chǎn)品的問(wèn)世都引起極大的關(guān)注度，但又隨著時(shí)間和了解逐漸平息下來(lái)，到底是什么讓我們覺得巨傻而難開金口呢?

　　市場(chǎng)現(xiàn)狀

　　首先來(lái)看下目前常見的語(yǔ)音類產(chǎn)品：

　　一、手機(jī)領(lǐng)域：微信、語(yǔ)音助手、聽歌搜索

　　二、PC領(lǐng)域：語(yǔ)音聊天、外語(yǔ)教學(xué)軟件、盲人輔助軟件

　　三、其他設(shè)配領(lǐng)域：Google Glass、車載系統(tǒng)

　　圖1：寶馬公司旗下車載語(yǔ)音控制系統(tǒng)，駕駛員只要按方向盤的控制鍵，激活語(yǔ)音輔助系統(tǒng)，通過(guò)聲音就能夠發(fā)送信息、打電話以及使用其他語(yǔ)音指令。

　　圖2： Google Glass。

　　圖3：盲人閱讀器。

　　圖4：Duolingo外語(yǔ)學(xué)習(xí)軟件，通過(guò)語(yǔ)音練習(xí)聽說(shuō)。

　　使用習(xí)慣分析

　　他們有的涉及識(shí)別，有的不涉及，但從以上這些產(chǎn)品中，可以發(fā)現(xiàn)幾個(gè)有趣的現(xiàn)象：

　　1.在手機(jī)這個(gè)領(lǐng)域，聽歌搜索這個(gè)細(xì)分領(lǐng)域的識(shí)別還是很準(zhǔn)確的;

　　2.由于微信的教育，可以見到越來(lái)越多的人在公共場(chǎng)合對(duì)著手機(jī)說(shuō)話，語(yǔ)音的溝通方式已經(jīng)沒(méi)有顯得那么不自然了，用戶習(xí)慣逐漸形成;

　　3.外語(yǔ)教學(xué)和盲人輔助類的軟件都有他們的特有的市場(chǎng)，競(jìng)爭(zhēng)壁壘高也容易取得了成績(jī);

　　4.其他設(shè)備領(lǐng)域雖然尚屬新興，但由于其設(shè)備條件和配備場(chǎng)景的特殊性和前瞻性，是發(fā)展?jié)B透的趨勢(shì)。

　　問(wèn)題和解決方案

　　通過(guò)以上這些發(fā)現(xiàn)，不難看出人們?cè)谑褂谜Z(yǔ)音進(jìn)行人機(jī)交互時(shí)遇到的問(wèn)題，方便我們借助設(shè)計(jì)手段提升用戶開口說(shuō)話的欲望：

　　識(shí)別的準(zhǔn)確率

　　環(huán)境噪音、硬件設(shè)備的條件、技術(shù)的限制都會(huì)降低識(shí)別的準(zhǔn)確率，和人們表達(dá)能力的差異性以及人們理解能力的廣泛性相比起來(lái)，技術(shù)和人還不能相比，因此在試過(guò)幾次之后，我們說(shuō)話時(shí)會(huì)變得咬文嚼字小心翼翼。

　　那么從交互的角度，我們將“小心翼翼”的問(wèn)題拆開來(lái)細(xì)看，有一些辦法可以優(yōu)化甚至解決：

　　1.不知道對(duì)準(zhǔn)哪里說(shuō)——應(yīng)用中最大的call to action語(yǔ)音按鈕置于麥克風(fēng)附近，例如iPhone的麥克風(fēng)在手機(jī)的下部，Siri的按鈕和聲波動(dòng)效反饋也都在手機(jī)下部，用戶自然形成對(duì)準(zhǔn)手機(jī)下部說(shuō)話的條件反射;

　　2.不知道何時(shí)開始/結(jié)束說(shuō)話——長(zhǎng)按進(jìn)行語(yǔ)音錄入。第一，長(zhǎng)按作為語(yǔ)音錄入方式已經(jīng)形成用戶習(xí)慣，不僅可以應(yīng)用在社交軟件領(lǐng)域，也可以應(yīng)用到語(yǔ)音識(shí)別的場(chǎng)景;第二，長(zhǎng)按對(duì)于語(yǔ)音錄入的開始或者結(jié)尾是由人自己進(jìn)行控制，相比機(jī)器判斷更加準(zhǔn)確，利于屏蔽不必要的噪音;(例如：百度語(yǔ)音助手Android版)

　　3.識(shí)別語(yǔ)言不清晰——進(jìn)行有效的提示和引導(dǎo)。一種情況下識(shí)別的結(jié)果不唯一，可以通過(guò)置信區(qū)間的判斷給出用戶更多的結(jié)果建議，或者提供可供修改的部分和候選項(xiàng)來(lái)降低用戶心理挫敗感和降低修改成本。(例如：百度地圖語(yǔ)音輸入查找地點(diǎn)“鵬寰大廈”后提供的搜索建議列表)。

　　情感因素

　　人機(jī)對(duì)話過(guò)程可以拆分為三個(gè)階段：人的語(yǔ)音輸入→語(yǔ)言識(shí)別、分析→機(jī)器的回答反饋。

　　從體驗(yàn)設(shè)計(jì)的角度來(lái)思考解決方案，第一階段尤其是在公共場(chǎng)合下，對(duì)著一個(gè)機(jī)器用咬文嚼字的腔調(diào)說(shuō)話略顯奇特，從交互的角度來(lái)看，我們可以：

　　1. 提供備選輸入方式——鍵盤輸入;

　　2. 分層收斂——進(jìn)入足夠垂直的場(chǎng)景，減少不必要的干擾因素(例如：百度語(yǔ)音助手“召喚小黃雞”進(jìn)入小黃雞對(duì)話場(chǎng)景，在這里就是打趣，和打趣無(wú)關(guān)的一切事情皆被拋開，發(fā)揮想象力，我們可以把“打趣”換成任意一個(gè)場(chǎng)景);

　　3. 模擬已有的使用習(xí)慣。例如把電話拿到耳邊這個(gè)行為，它具有足夠的針對(duì)性指向打電話的場(chǎng)景，如錘子系統(tǒng)語(yǔ)音打電話功能，直接把電話拿到耳邊說(shuō)出姓名即可開始撥打電話，省去操作步驟，也免去讓別人覺得自己奇怪的心理顧慮。

　　在人機(jī)對(duì)話過(guò)程的第三階段機(jī)器的回答中，因機(jī)器固定的語(yǔ)調(diào)、缺乏情感色彩的答案等略顯冰冷，可以采取擬人化的場(chǎng)景設(shè)計(jì)或者豐富的語(yǔ)音播報(bào)類型舒緩緊繃的神經(jīng)。(例如：天氣通提供各種方言或者明星播報(bào)天氣狀況，增加趣味性)

　　其它

　　而以上這些都影響著用戶再次使用的行為，還有其他的一些點(diǎn)值得入手：

　　1.在產(chǎn)品定位的選取上，不論你是從教育的角度入手，還是幫助殘障人士，亦或是完全趣味性的探索，都能找到爭(zhēng)當(dāng)居家旅行殺人滅口必備產(chǎn)品的手段;

　　2.在某些特殊場(chǎng)合下，肢體或視線被占用時(shí)，用語(yǔ)音交流也是較好的方案，如開車時(shí)提供語(yǔ)音對(duì)車內(nèi)功能進(jìn)行操作、做飯時(shí)參考菜譜等;

　　3.細(xì)分場(chǎng)景進(jìn)行特殊優(yōu)化，如建提醒、聽播報(bào)。