基于用戶體驗的語音交互產品設計研究

（浙江理工大學理學院 310018）

語音交互產品指的是一系列通過語音建立起人與機器間溝通和聯系的產品。語音交互的優點在于將人們的雙手從以往繁瑣的設備操作中解放出來，并以更符合人類自然交流的方式執行操作功能。現階段，語音交互作為一種新型的交互方式受到大眾關注，與之相對的，用戶在使用語音產品時，也產生了新的需求，如何使用這種交互方式更好地服務于用戶體驗，是當前研究的重點。

一、用戶體驗概述

用戶體驗的概念最早由Norman提出，他認為好的用戶體驗應該做到在不使用戶厭煩的情況下滿足用戶需求，提供簡單、優雅、易于理解的產品，使用戶得到愉悅的使用體驗。

在Norman提出的用戶體驗的概念中，一個非常重要的設計理念被稱為“以用戶為中心的設計”。他認為設計應該以用戶的需求和利益為基礎，以產品的易用性和可理解性為側重點。設計人員在設計的過程中應該充分考慮到用戶的心理特征，如鑒于人們短時記憶容量的局限性，系統應當提供技術上的幫助來增強用戶的短時記憶；鑒于人們對控制感的需求，設計者應該讓用戶擁有對產品關鍵部分盡可能多的控制權，避免無意義和復雜的操作。同時，設計者要考慮系統狀態與用戶的需求、意圖和期望之間的關系，盡可能地使用戶需求得到及時的反饋。

二、語音交互產品的發展歷史

早在上世紀70年代，美國就開始致力于語音識別技術的研究，語音識別技術從一開始只能識別特定對象、較少的詞匯量逐漸發展到現如今能夠識別非特定對象的語音和大量詞匯，在識別速度和準確率方面也得到了極大地提高。早期的語音交互產品主要只是簡單地記錄聲音，并將其轉化為文字輸出，還不具備語義理解的功能。在2000年左右，IVR（交互式語音應答系統）在我國的一些行業逐步得到應用，使語音產品在交互式應答上有了顯著提升。交互式語音應答系統指的是在沒有操作員的情況下，建立和管理完全自動的電話服務。語音系統能夠簡單地理解人們的自然語言，并進行簡單的語音交互。如人們通過撥打電話查詢話費，根據提示音進行按鍵反應，實際上就是在使用這類語音交互產品。現如今，各大主流公司的語音交互產品（Alexa、Google Assistant、Siri、Cortana）在語音識別率上都超過了90%，識別響應速度很快，在語義理解上也實現了極大突破，并已經可以為用戶提供豐富的語音操作功能。

三、語音交互產品的功能及應用場景

1.語音交互產品的功能

語音交互產品通常具有語音識別、語義理解、語音合成及對話管理的部分或全部功能。一個完整的交互過程首先通過語音識別將用戶輸入的聲音轉化為文字，之后對文本內容（如詞性、句意、文本相似度、文本情感等）進行理解、分析，使機器明白人們輸入的聲音有著怎樣的含義，接著針對用戶輸入的語義含義組織與之相對應的文本回答，最后以語音輸出的形式進行反饋。除了語音交互產品本身的使用功能外，語音產品還作為重要的語音載體與其它產品進行結合。如在家居設備中，人們可以僅通過一臺智能音箱收聽音樂、控制其它智能家居設備、了解當前新聞資訊、進行鬧鐘設置、查詢天氣情況等。語音交互產品在解放人們雙手的同時，還提供了多渠道的感知方式，從而使人們產生更加豐富的使用體驗。

2.語音交互產品的應用場景

現階段，語音交互產品被廣泛應用在各種領域，包括教育、醫療、交通、智能化生產、智能化可穿戴設備，居家生活等方面。常見的語音交互產品有語音客服，智能音箱，手機、電腦中內置的語音助手，智能車載設備（地圖導航、智能應答系統），智能家居設備，語音玩具、游戲，口語測評軟件、家教機、語音app（喜馬拉雅）等。這些語音設備極大地便利了人們的生活。

盡管可以應用的場景很多，目前仍然存在一些語音交互不適用的場景。如嘈雜的環境下，語音交互產品可能無法識別出當前聲音的發出對象。同時，一些公共場合也不適用，一方面，使用語音輸入可能會對他人造成影響，如圖書館，辦公室等安靜的場所，另一方面，在實現一些重要功能時（如輸入銀行卡密碼），語音操作也不利于信息傳輸的安全性。

四、基于用戶體驗提升語音交互產品使用的策略分析

1.賦予產品特定的人物形象

語音交互，一個重要的特征就是讓人們更加自然而舒適地使用機器進行功能操作。人類是社會性動物，我們渴望擁有社會支持，親密關系和來自他人的陪伴，因此，人們會更加渴望與我們交談的對象是一個有性格有特點的機器人而不是只會做冰冷反應的機器，為語音產品賦予人格特質會讓人們知覺到這些產品更像一個人，從而帶給用戶更加真實的交互體驗。那么，什么樣的人物形象是用戶所喜愛的呢？已有研究發現，相比于男性機器人，女性機器人會得到使用者更高地評價，這可能是目前大部分主流語音交互助手（Siri， Cortana）選用女性聲音作為產品形象的原因之一，此外，那些使用與自身性別相符合產品的用戶會得到異性更高的評價，從而意味著我們在語音產品的設計中也應當考慮針對不同使用者（男性和女性）的語音產品形象。

2.充分考慮用戶的使用習慣

盡管受個體差異影響，人們的喜好千差萬別，但仍然存在普遍的規律。語音交互產品的使用主體是用戶，這意味著設計者需要在產品上市前對用戶的審美與偏好以及操作產品中遇到的問題進行提前測試，同時，基于用戶在使用產品中的數據反饋不斷對產品架構進行調整和迭代。此外，設計者還應該針對不同年齡段或不同性別的人群推出具有不同顏色、大小或風格的產品，以適應不同用戶群體的使用習慣。語音產品在交互操作的設計上也應盡可能的簡單而明確，避免給用戶帶來過多的使用困難。

3.基于用戶使用場景調整交互模式

用戶并不只在單一場景下使用語音交互設備，在一些特定場景（如圖書館，噪音比較大的公開場合），語音交互可能并不適用，此時提供可替換的交互方式（如文本輸入）可以有效解決這一問題。此外，交互場景實際上還與當時的語境、語氣有關，而不僅僅表現為物理空間上的差異。這意味著，一方面在語音交互產品設計時要考慮到不同語境、語氣下用戶輸入的語音特征，從而更好地進行語音、語義的識別和理解，另一方面，要不斷強化語音交互產品的情感化功能，通過捕捉用戶的行為，語音、語義內容來了解用戶當下的情緒體驗，綜合考慮用戶的語言和情緒進行反饋，營造親和力，使用戶在使用語音產品的過程中產生愉悅體驗。