[AI工具宝典]AI产品经理需要了解的智能语音知识：上下文的对话管理.pdfVIP

编辑导读：随着人工智能的发展，市面上出现了很多智能产品，它们的核心是希望解放人

，用机器来帮助完成简单的工作。其中，智能语音是最常用到的应用之一。本文梳理了一

些AI产品经理需要了解的智能语音知识，与你分享。

智能产品经过几年的打磨，从开始简单的天气查询，播放歌曲，到去年前年的家庭、车内

IOT设备互联，直到今年火爆的AI生活服务。

整个演变的过程，不仅仅说明了技术的革新，也逐渐说明用户对新功能的期待，以及对智

能产品表现出来的更大接受度和包容度。智能语音从简单的单轮指令性操作，逐渐演变成

可以进行多次的连续对话，甚至有些问题似乎可以匹配人类的聪明回复。

1.智能语音的整个交互流程

主要有以下几个步骤：

听清：用户说一句话，机器先把用户的语音转变成文字，让机器读懂用户具体说了什么。

听懂：包括意图识别和任务分发，主要是自然语言理解技术，包含nli和nlp的技术实现

。让机器明白用户到底是说了什么。

意图识别：用户说话的意图：要结合当前的用户使用情景，服务场景，硬件环境，机器会

按听懂的内容，给出一个N-bestlist，按权重进行排序。意图分发：拿到N-bestlist上

面排位最靠前的意图，去请求指定的domain数据并执行任务。

渲染界面：用户听到机器的TTS回复，以及GUI的页面呈现内容。

这其中第二步就是对话管理，主要完成对话状态的维护(dialogstatetracing,DST)，生成

系统决策(dialogpolicy)，作为接口与人物模型进行匹配、提供语义表达的期望值

(expectionsforinterpretation)、分发任务记录当前queryID和pageID。当前是用户

的一次对话需要经历的全部流程，如果需要多次的对话，就要不断的维护对话栈，并且对

话栈要匹配当前的pageID，才能帮助用户经历多次跳转都能到达预期的页面，所以多轮

交互更加复杂和难以掌控，本文具体介绍多伦交互如何在产品上的实现，和当前存在的技

术问题，以及产品如何规避技术问

2.多轮交互的三种产品形态

「问题补充」

定义说明：需要用户填补确定槽位信息以后，才能让机器明白用户的当下的真实需求，同

事，机器基于用户的多次槽位回复找到相对应的nli，并且给出用户需要的结果。槽位的

集合，定义了需要用户提供哪些信息。

应用场景：主要应用在一次对话不能让机器明白用户的意图，需要进行多次对话，机器拿

到固定的多次结果后才能给出结果，主要应用在多步骤的同类型任务中。

以上例子可以看出来，只有用户说了最后一句话，电话才能打通。这期间经历了【遍历电

话本】-【nli匹配用户名称】-【提取结果】-【上下文管理】-【指代上文的第几个】-【

拨打电话】基于上文内容，经过几个步骤才能完成打电话功能。

「搜索筛选」

定义说明：用户需要进一步缩小自己的搜索选择范围，经过多次筛选和多个上文条件的累

加，才可以让机器找到当前用户需要的结果。

应用场景：多伦筛选和搜索，是用户区别与手机APP交互的主要应用场景。界面的筛选

只能做到，单条件的筛选，想要附加其他条件，或同类型服务对比，需要GUI操作或者

打开新的APP重新选择。整个流程相对繁杂。语音解决了用户重新选择，点击界面的操

作步骤。用户可以先看一下机票，如果不满意立刻切换火车票，如果还不满意，再返回机

票，机票也可以进行多次的筛选选择出自己需要的机票信息。

用户不需要每一次对话都要说清楚北京到上海的条件，在对话的开始说一次，之后的查询

车票和返回机票都是按当前起始地和目的地进行查询。如果用户想要更换城市，可以

query“深圳出发”，这时候起始地就会更改为深圳市。

「跨场景跳转」

定义说明：不同场景内的上下文指代，主要通过“名称指代”，“他”等代替上个场景的

主要部分。

应用场景：用户的任务是连续的，可能需要跨越几个APP才能结束。跨场景的上下文对

话管理，不仅让用户感受无感APP的跳转，还能让用户感受到语音比GUI操作的真实便

利感。

从上文的交互流程可以看到，【人物百科】-【歌曲】-【电影信息】-【播放视频】如果

按当前app的呈现方式，用户想要看个视频，要打开查询并手动关闭3个app包括【百

度百科APP】-【QQ音乐APP】-【腾讯视频APP】这个流程根本不可能1分钟内完成

。这就凸显了语音交互的优势了。

3.上下文交互存在的问

如此好的用户体验，想到做到用户无感知，产品体验极致，是需要技