以語音交互為核心功能的智能產(chǎn)品設(shè)計建議

我們終將以自然的方式與機器交流

在2012年圣丹斯獨立電影節(jié)上，影片《機器人與弗蘭克》贏得特別獎，該片講述機器人Robot照顧患有老年癡呆癥弗蘭克的故事，選取影片中兩張圖，一張是人與人的交流，另一張是人與機器的交流，在2017年AI大熱之年，人們能否像電影里的弗蘭克那樣，以人對人的方式與機器交流，這在人機交互學(xué)科里定義為“人機自然交互”。

何為自然交互？簡而言之就是以日常交流方式與計算機進行交互，何為日常交流方式？就是人們通過語音、肢體、手勢、眼神、表情等形式進行交流互動。

人機交互正邁上新臺階

人機交互（HCI - Human Computer Interaction）的發(fā)展是從人類適應(yīng)計算機到計算機不斷適應(yīng)人類的過程，劃分四個階段：代碼指令交互、圖形用戶界面交互、人機自然交互和人機情感交互。【引自《人機情感交互》】

每個階段的發(fā)展都是以技術(shù)作為基石，以此帶來的人機交互更為直觀，也更趨近于人與人的自然交互，同時會拓寬更多的使用場景，會覆蓋全年齡段的所有人。如下圖所示，指令 – 專業(yè)技術(shù)人員操作早期計算機；鼠標(biāo)鍵盤 – 受過教育的普通人使用PC機進行學(xué)習(xí)工作；觸屏 – 更廣泛的人群使用智能手機進行社交、資訊、娛樂等；自然交互 – 所有人將以自然的行為方式與智能產(chǎn)品互動。

隨著AI技術(shù)的發(fā)展，智能產(chǎn)品在感知層面的能力正在變強，它能感知人們的語音、肢體語言、手勢動作、表情眼神等，實現(xiàn)了人機自然交互的可能性，這是正在發(fā)生的事情。

未來智能產(chǎn)品的趨勢是將擁有情感計算能力（Affective Computing），通過認(rèn)知人類的語音信息、人臉表情、肢體動作等，從而調(diào)整自身的反饋來適應(yīng)人們那一刻提出的需求，交互會變得越來越容易，它會更懂你。

智能產(chǎn)品能感知人的自然動作和讀懂人的情感，都屬于信息輸入層面。在信息輸出層面，智能產(chǎn)品如何設(shè)計才能達到“人與人自然交流”的感覺，為此我們將從六個維度給出設(shè)計建議，分別是人物設(shè)定、外觀造型、語音、動作、界面和光效。正如同人與人交流時對方的脾氣性格、外貌印象、聲音特點、肢體語言、表情和眼神。

以語音交互為核心功能的智能產(chǎn)品設(shè)計建議

1. 人物設(shè)定的設(shè)計建議

①人設(shè)是要為用戶服務(wù)；

人設(shè)是高級的虛擬形象設(shè)計，不由設(shè)計師的個人喜好來擬定，要充分考慮產(chǎn)品所服務(wù)的目標(biāo)用戶，譬如病人希望看見的是專家級醫(yī)生，旅客希望能獲得空姐甜美的服務(wù)，食客希望迎賓的店小二是熱情好客的，這些形象在我們的腦海里栩栩如生。比如Amazon Echo是成熟職業(yè)女性的形象（類似有Google Home、天貓精靈、京東叮咚等），Olly給人潮流的設(shè)計感，它們?yōu)楦髯缘哪繕?biāo)受眾群體去設(shè)定形象。

②人設(shè)可以通過抽象的方法進行傳達，并非一定要具象化；

比如小米智能音箱定義的“小愛同學(xué)”是二次元形象，在今年11月底做出限量版手辦，把形象落地到成具象的實體物品。對此，仁者見仁智者見智，有人說她不是心目中的“小愛”，所以在人設(shè)形象的傳達上，我們建議可以通過藝術(shù)的手法達到目的，比方說用音樂、繪畫、文學(xué)、電影等藝術(shù)進行包裝抽象成一套視覺來傳達，達到“空山不見人，但聞人語響”的境界。

③人設(shè)與產(chǎn)品要融為一體的進行考慮；

以語音交互為核心功能的智能產(chǎn)品，其“人聲”會讓用戶自動的聯(lián)想與之對應(yīng)的形象，同時需考慮與外觀造型相匹配，才能符合用戶預(yù)期。有些智能產(chǎn)品有動作輸出，例如人設(shè)定義為蠢萌的jibo，它的動作就要顯得有趣可愛。如果考慮不周全，就會導(dǎo)致認(rèn)知失調(diào)產(chǎn)生落差，比如小魚在家，當(dāng)用戶問它幾歲時，它卻用其成熟女性的聲音回答“我今年兩歲了”，而Amazon Echo的回答是“按照人類的出生年齡計算我今年兩歲”，后者更能讓人接受與理解，即使是微不足道的一句文本都可能會讓用戶“出戲”，所以人設(shè)要與整個產(chǎn)品的信息輸出層面融為一體的去考慮。

2. 外觀造型的設(shè)計建議

①充分考慮目標(biāo)用戶的審美與喜好；

根據(jù)目標(biāo)客群打造其喜歡的外觀造型，比如小朋友會喜歡jibo勝過Echo，追求新潮的人更喜歡raven R，因為能與之載歌載舞。與以屏幕為主的智能手機不同，用戶可不能更換主題皮膚找到自己的喜好，而Google Home也只能是通過“換褲子”來迎合用戶偏好與家居風(fēng)格。

②基于使用場景考慮造型設(shè)計；

要考慮用戶會在哪種現(xiàn)實環(huán)境的場景下使用，目前市面上的智能語音產(chǎn)品多數(shù)放置在桌面上，體積大小就要認(rèn)真思考，比如大了點、重了些，就不方便自由移動隨處擺放，如果定義為多個使用場景，那便攜上得做到位。比如raven H頂部的“點陣觸控屏”蓋子，用戶能輕松取下進行語音和指觸交互，于是不受固定位置的限制。

③避免掉進恐怖谷；

避免與人全特征的過度相似，建議采用抽象的方法提取擬人元素進行設(shè)計表達，這有助于產(chǎn)品向用戶傳達情感信息，從而有效的提升用戶好感度。例如蔚來ES8搭載的人工智能nomi，還有百度的度秘，都是通過此類設(shè)計方法打造智能情感的交互，讓一個工業(yè)產(chǎn)品，升級成一個有生命，有情感的新伙伴。

但如果與人的特征過度相似，現(xiàn)階段的技術(shù)能力，造型上做不到寫實逼真像人，同時語音、表情、動作也無法達到自然完美的匹配，所以這不倫不類的設(shè)計會給用戶帶來糟心的體驗，例如Blue Frog Robotics公司推出的Buddy，很容易讓用戶掉進“恐怖谷”。

“恐怖谷理論”是由日本機器人專家森昌弘提出， 他認(rèn)為，人形玩具或機器人的仿真度越高人們越有好感，但當(dāng)達到一個臨界點時，這種好感度會突然降低，越像人越反感恐懼，直至谷底，稱之為恐怖谷。如圖所示，谷底處能動的僵尸比靜止的尸體更恐怖，雖然尸體已經(jīng)夠恐怖的了。

3. 語音的設(shè)計建議

①自然感；

避免單調(diào)乏味，做到像人說話一樣的自然，語氣上聽起來積極主動，有意愿的感覺，每一個音素合成的詞句清晰可辨，自然流暢。人類語音的信息含有語音聲學(xué)特征和文本語義，語音聲學(xué)特征主要是韻律特征（指音素組合成語句的方式），包括聲調(diào)、重音、停頓、語速等，漢語是一種有調(diào)語言，聲調(diào)攜帶非常重要的情感信息。語音屬于自然交互的一種，它需要達到“自然”的感覺，才能讓用戶感知可用。

如何讓Siri聽起來更像人那般自然？

iOS11版本關(guān)于Siri的升級目標(biāo)是“讓Siri聽起來更像人那般自然”，實現(xiàn)方法是通過深度學(xué)習(xí)，每一種表達都有略微不同的聲波，每一句話都包含幾十或者幾百個音素，Siri為每一次發(fā)聲找出完美的聲音組合，其中音素是由蘋果挑選出的候選人進行發(fā)音采集，情感語料的獲取是蘋果以匿名的方式進行收聽，然后用于深度學(xué)習(xí)進行Siri的訓(xùn)練。

②一旦確定“人聲”不宜隨意更改；

一旦人設(shè)的聲音已根植在用戶的耳朵里，不宜隨意更改，如果說手機界面換背景圖就像人換一身新衣裳，而以語音交互為核心功能的智能產(chǎn)品更換“人聲”，就像重新認(rèn)識一位陌生人，古語說“如聞其聲，如見其人”，人們會很自然的把聲音與某個人進行關(guān)聯(lián)，新的聲音是誰，就會重新進行“人物建模”。

③像人和人那樣進行對話；

首先是對話流暢，做到及時反饋，如有停頓，不宜過長。話術(shù)簡短而有效，不要主動終止對話，盡可能的推動持續(xù)交流，當(dāng)然不能以命令的形式讓用戶去完成某個任務(wù)，這不是一個合適的對話，它或許有點像上下級的關(guān)系，會導(dǎo)致用戶帶來反感和抵制。

④在感知用戶后嘗試主動發(fā)起對話；

再過些時日，可能Amazon Echo它能夠根據(jù)說話者的語音情感進行識別計算，通過韻律學(xué)特征（語調(diào)、響度、節(jié)奏、語音質(zhì)量等）更懂用戶說這句話的此刻心境，就像電影《Her》里的那句臺詞“你今天聽起來有點不開心”，它能感知你，試著主動發(fā)起一次對話。

4. 動作的設(shè)計建議

①使用國際通用的認(rèn)知動作傳達，同時考慮個地方的風(fēng)俗習(xí)慣；

例如手勢是全球通用的，它表示的是“我愛你”，而“豎中指”不要以為只有國內(nèi)用，它是全球通用的“侮辱”。在保加利亞，上下點頭意味著“不”的否定含義，而搖頭表示肯定，這對于使用動作進行交互反饋的智能產(chǎn)品，就需要考慮用戶所在的國家地區(qū)，如果考慮不周，當(dāng)希臘的用戶對著智能產(chǎn)品豎起大拇指時，不要感到高興，它表示的是憤怒。

②動作流暢，避免僵硬；

這點會給用戶帶來更自然的感受，就像jibo渾然一體的扭動，或者想raven R隨著音樂跳舞，它配合著語音的輸出更是相得益彰。

③防止對人造成意外傷害；

比如Buddy，它能夠行駛移動，最高時速能達到70cm/s，自身重量5kg，以該速度撞到人時會造成傷害，所以需考慮防護措施。動作輸出時建議輕緩，防止速度太快、力量過大，這都容易對人造成傷害，設(shè)計上應(yīng)當(dāng)避免暴力動作的出現(xiàn)。

④觸摸的動作反饋；

比如Mayfield Robotics公司推出的Kuri，它的頭部有觸摸傳感器，當(dāng)你觸摸它的頭部時，它會流暢地抬起頭仰望著你，這是與觸摸相對應(yīng)的動作反饋，并讓用戶感知到像與人交流那般自然。

5. 界面的設(shè)計建議

①重輸出，輕輸入；

與觸屏手機不同，以語音交互為核心功能的智能產(chǎn)品其界面主要用于信息的輸出顯示，而非輸入操控，不引導(dǎo)用戶依賴界面進行交互，盡量減少或弱化此類場景，盡可能引導(dǎo)用戶通過語音進行交互。關(guān)于顯示屏是否要在智能產(chǎn)品構(gòu)造之內(nèi)，各方觀點不一，Amazon Show幾乎是沿襲觸屏界面交互，jibo的顯屏不僅是融合一體的頭部造型，也能顯示像眼睛的圖形，它還能轉(zhuǎn)變成一個觸屏界面，raven R比較不一樣，它的頭部像一個顯示界面，卻是通過光點進行排列簡化圖形傳達信息，不是一個傳統(tǒng)意義上的觸屏界面，但可以指觸交互。三者在界面輸入上的比較，Amazon Show重于jibo和raven R，體驗上Show會容易引導(dǎo)用戶查看屏幕，用戶潛意識下有指觸交互的沖動。

②信息輸出要精簡而有效；

首先在設(shè)計元素上使用全球通用的設(shè)計隱喻符號，且簡單明了，不宜使用復(fù)雜線條，元素之間建議邊界明晰。在有限的顯示界面，一次只傳達一個關(guān)鍵信息，且突顯核心，以便中遠距離輕易可見，掃一眼可知。在文字輸出上要夠精煉，不要有段落式的文本出現(xiàn)，可借鑒Apple Watch表盤界面的設(shè)計思路。

③界面動效要簡短可重復(fù)播放；

和以GUI為主的產(chǎn)品不同之處，在于用戶不會一直盯著屏幕看，所以決定要加入界面動效，建議動效快速簡短的完成整個表達，同時為了避免用戶錯過，關(guān)鍵的動效可以反復(fù)的循環(huán)播放，禁得起不斷的重播，而不能讓用戶會感到厭煩，所以流暢、有趣、可循環(huán)重播要一并考慮。

6. 光效的設(shè)計建議

①與交互反饋進行匹配關(guān)聯(lián)，各個狀態(tài)清晰傳達；

就像人與人的對話互動過程，光效也能做到自然的反饋，其中有4個反饋態(tài)值得考慮：喚醒、輸入、理解、行動。比如喚醒瞬間的光效，就像叫對方的名字，會有一個反應(yīng)；當(dāng)用戶在語音輸入時，它得有聆聽狀態(tài)的光效；當(dāng)它在處理用戶的語音信息時，要讓人感受到它正在理解中，就像人在思考時轉(zhuǎn)動的眼睛；最后是當(dāng)它進行語音輸出時，光效配合著更讓人感受到它的靈動。

②不要挑戰(zhàn)國際上公認(rèn)的通用色；

比如設(shè)備運行狀態(tài)的提示燈，建議使用國際通用的顏色，紅色代表不可用，黃色代表有疑問，綠色代表正常。還需考慮品牌色的傳達，以及色彩心理學(xué)的問題。Amazon Echo關(guān)閉語音功能時，燈光圓環(huán)帶呈現(xiàn)紅色，當(dāng)它在運行聆聽時使用藍色作為主色，藍色也是多數(shù)人認(rèn)為代表科技的顏色。

③燈光的動態(tài)做到自然反應(yīng)；

比如Amazon Dot被喚醒瞬間其圓環(huán)燈帶流動般亮起，且能識別聲音方向，對著發(fā)聲源處聚合亮光，而天貓精靈的動態(tài)就比較弱，只有光源的亮起到漸暗，沒有物理位置上的變化，少一點自然的流動反饋。

④亮度與環(huán)境光的匹配；

這一點很像智能手機的感光元件，根據(jù)環(huán)境光自動調(diào)節(jié)屏幕亮度，保護眼睛，視覺舒適，所以在熄燈后的臥室，智能產(chǎn)品的光就需變暗，本質(zhì)上只做人機交互反饋，不與照明系統(tǒng)沖突。

結(jié)語與思考

以語音交互為核心功能的智能產(chǎn)品其設(shè)計建議我們從六個維度去探索，重點是在智能產(chǎn)品的輸出層面，如何設(shè)計才能達到更自然的交互反饋，更好的傳達情感。文中所提及的產(chǎn)品多數(shù)已發(fā)布在市面上，隨著AI的發(fā)展，也將涌現(xiàn)出更多的“新物種”，它們的發(fā)展趨勢無一例外會在交互上更容易，在適應(yīng)人類的需求上反饋得更體貼，基于新的技術(shù)能力，又將誕生新的設(shè)計建議。

對于用戶來說，希望能與智能產(chǎn)品建立親切的信任感，越相處越好用，我們也將從iPhone時代的觸動人心，迎來AI時代的深知我心——深知我者，久居我心。