百度MU用户开口说话怎么就那么难.pdfVIP

百度 MUX: 用户开口说话怎么就那么难 老罗曾经说： 语音识别技术的使用上，无论是“ siri还是它的模仿者，都从根上就犯了错，所以都是 热闹一阵就过去了，几乎没人认真用它 ( 因为不好用 + 用起来显得巨傻 )。”虽然说的有些偏激，但是 没人认真用也就是说大家不愿意开口说话这件事情是值得思考的，语音识别技术这个根正苗红的太 子发展到现在，试图渗透着我们生活的同时，我们也发现这玩意儿看起来并没有传说的那么神乎 其神，从语音机器人到 Siri再到 Google Glass ，每一次相关产品的问世都引起极大的关注度，但又 随着时间和了解逐渐平息下来，到底是什么让我们觉得巨傻而难开金口呢 ? 市场现状 首先来看下目前常见的语音类产品： 一、手机领域：微信、语音助手、听歌搜索 二、 PC 领域：语音聊天、外语教学软件、盲人辅助软件 三、其他设配领域： Google Glass 、车载系统 图2 ： Google Glass 。 图3 ：盲人阅读器。 图4 ：Duolingo 外语学习软件，通过语音练习听说。 使用习惯分析 他们有的涉及识别，有的不涉及，但从以上这些产品中，可以发现几个有趣的现象： 1.在手机这个领域，听歌搜索这个细分领域的识别还是很准确的 ; 2. 由于微信的教育，可以见到越来越多的人在公共场合对着手机说话，语音的沟通方式已经没有显 得那么不自然了，用户习惯逐渐形成 ; 3.外语教学和盲人辅助类的软件都有他们的特有的市场，竞争壁垒高也容易取得了成绩 ; 4.其他设备领域虽然尚属新兴，但由于其设备条件和配备场景的特殊性和前瞻性，是发展渗透的 趋势。 问题和解决方案 通过以上这些发现，不难看出人们在使用语音进行人机交互时遇到的问题，方便我们借助设计手段 提升用户开口说话的欲望： 识别的准确率 环境噪音、硬件设备的条件、技术的限制都会降低识别的准确率，和人们表达能力的差异性以及人 们理解能力的广泛性相比起来，技术和人还不能相比，因此在试过几次之后，我们说话时会变得咬 文嚼字小心翼翼。 那么从交互的角度，我们将 小心翼翼“ ”的问题拆开来细看，有一些办法可以优化甚至解决： 1.不知道对准哪里说 —— 应用中最大的 call to action 语音按钮置于麦克风附近，例如 iPhone 的麦克 风在手机的下部， Siri 的按钮和声波动效反馈也都在手机下部，用户自然形成对准手机下部说话的条 件反射 ; 2.不知道何时开始 /结束说话 —— 长按进行语音录入。第一，长按作为语音录入方式已经形成用户 习惯，不仅可以应用在社交软件领域，也可以应用到语音识别的场景 ;第二，长按对于语音录入的开 始或者结尾是由人自己进行控制，相比机器判断更加准确，利于屏蔽不必要的噪音 ;(例如：百度语 音助手 Android 版 ) 3.识别语言不清晰 —— 进行有效的提示和引导。一种情况下识别的结果不唯一，可以通过置信区间 的判断给出用户更多的结果建议，或者提供可供修改的部分和候选项来降低用户心理挫败感和降低 修改成本。 (例如：百度地图语音输入查找地点 鹏寰大厦“ ”后提供的搜索建议列表 ) 。 情感因素 人机对话过程可以拆分为三个阶段：人的语音输入 →语言识别、分析 →机器的回答反馈。 从体验设计的角度来思考解决方案，第一阶段尤其是在公共场合下，对着一个机器用咬文嚼字的腔 调说话略显奇特，从交互的角度来看，我们可以： 1. 提供备选输入方式 —— 键盘输入 ; 2. 分层收敛 —— 进入足够垂直的场景，减少不必要的干扰因素 (例如：百度语音助手 召唤小黄鸡“ ”进 入小黄鸡对话场景，在这里就是打趣，和打趣无关的一切事情皆被抛开，发挥想象力，我们可以把 “ 打趣 ”换成任意一个场景 ); 3. 模拟已有的使用习惯。 例如把电话拿到耳边这个行为，它具有足够的针对性指向