本文结合笔者参与的语音交互项目，梳理设计经过，对语音交互的设计流程、设计方法和设计产出做了较为详细的介绍。
“语音交互设计仅靠书本上的知识是不够的，在实际项目中，除了要了解需求、目标用户以外，还要了解语音设计所应用的场景、技术水平、设备配置等，从而有的放矢的展开设计。本文结合参与的项目，将语音交互设计的流程、设计关键点以及如何通过设计化解技术限制，和大家进行分享。”
日常设计工作中，大家都会按照一定的设计流程开展工作，通用的流程一般有：探索调研 > 分析聚焦 > 设计策略 > 测试验证。同样，这个流程可以复用到语音交互设计中，只是设计对象的媒介和我们产出的设计原型发生了改变，但我们发现问题、解决问题的思路应该是类似且可复用的，尤其是在新的设计领域中，不妨借鉴成熟的方法、流程，确保工作顺利开展。具体的设计流程与环节如下图：
1. 探索调研
1.1 明确需求
笔者所参与的项目是“公司机房服务的工业机器人” 的语音设计，这类产品的功能比家用设备的更为强大，除了语音外，它支持：行走、人脸识别、任务解析、数据采集等，同时场景也更为复杂。首先机房环境声音嘈杂、环境复杂；它的性质又决定对人员的安全要求极高，需要准确的识别与判断，这些在了解需求阶段是必须明确的环节。
机器人的主要功能就是辅助参观人员、维修人员、驻场工程师更好的完成机房工作，实现机房业务管理智能化，提高运维管理效率和准确率。那么作为体验设计方，则是通过各场景、各环节的体验设计，让人与机器人、与系统的交互高效、自然、流畅，让智能化的机房日常运维管理更加完善。
1.2 了解业务场景及目标用户
在上一篇文章中对主要的五种场景（智能家居、车载驾驶、企业应用、医疗、教育）分别进行了介绍。不同的场景，意味着用户不同的需求和目的，对语音交互的要求也不相同。下面就针对机房环境进行场景分析与设计难点的介绍。
图2 · 机器人功能及场景特征
1.2.1 工作场景
恒定噪音：作为机房服务场景的语音机器人，使用环境声音的嘈杂首先会影响语音录入的准确性。语音交互包含三个重要部分：自然语音识别、自然语音理解、自然语音生成， 因此解决设备“听”清楚的问题，关系到后续流程能否顺利展开。这里就需要依靠“设备技术”来解决，通过优化听筒的降噪能力，尽量过滤掉噪音。
环境复杂：机房中机柜众多，服务器高低不一、设备管线错综复杂，如图3：这给机器人的正常作业带来挑战，尤其是这种对安全性和准确性要求很高的场景。首先，机房包间中的环境光线影响机器人对人脸的识别和机柜数据的读取；其次，机柜中服务器位置高低不同，机器人需要不断调整摄像头的角度，以确保采集到完整信息，也可能存在视野死角导致无法全部读取。这一部分，则需要通过不断的测试与调整，提高机器人自身性能，使其更好的适应现场环境，具有设备、网络线缆的识别能力，减少不必要的“人为”破坏，增加人脸、数据识别的准确性。
图3 · 一般的机房环境
空间局促：在机房中机柜之间的空间不大，过道也比较狭窄，这给机器人行走带来一定影响。第一：行走速度不能过快，由于机器人自重150斤，走路太快会有惯性，有可能出现不小心撞到机柜的情况；第二：很多时候无法和人并行走路，这导致人机互动体验不好，再加上机器人本身走的慢，很有可能出现“人走在前面，遮挡住机器人视线”的问题。为此，在设计语音时，只要机器人感应到有遮挡，便会播报：“我好像被挡住了，请保持前方通畅”，以此来友善的提醒用户，减少这种封闭环境下用户的不适应。
1.2.2 目标用户
通过团队的调研，收集到在整个数据中心有5类用户，其中会进入机房与机器人直接发生交互的主要有三类：访客、厂商、数据中心驻场，如图4。图中是这三类用户的工作内容与场景接触点，确认目标用户，便于设计对后续用户调研的聚焦与体验地图的梳理。
图4 · 用户分析
1.3 技术水平
1.3.1 硬件
硬件来说，目前的语音产品包括：纯语音（天猫精灵）和语音及界面结合（iphone的siri）两种配置。在设计之初，我们需要了解语音产品的基本硬件配置，这其中也包括麦克风、摄像头、听筒、设备联网程度等，因为，产品的配置会影响我们后期的设计策略与体验。例如问语音产品：“世界十大旅游胜地都是哪些？、中国56个名族都有什么？”，即便语音助手可以准确的告诉我们答案，但无疑是一个沉重的认知与记忆负担，如果配合屏幕来显示，情况会好很多。最好的人机交互形式是混合型的，即GUI+VUI（图像交互+语音交互）如图echo show，如果你所设计的是纯语音产品，那么在设计时则需要考虑更多的引导、容错、提示等。
图5 · 亚马逊Echo Show
本次项目中所涉及的机器人不带显示屏幕，并且语音不联网，这就意味着所有对话都需要提前预设好，设计师需要根据可能出现的情况，将对话内容完善，并且做必要引导，让用户按照系统期望的流程进行，确保工作顺利、安全的开展。如下图：
在设计时，对于较长对话，在内容中加入“如果没听清楚，请回复我‘重复一遍’〞的提示，避免用户没有听清而错过信息；同时对于用户的回答，也给予答案提示，“维修结束时请回复我‘维修结束’ 〞通过设计去尽量规避机器人硬件的缺陷，减少“答非所问”的错误发生率和用户回答的发散，提高语音交互流程的顺畅。
图6 · 语音交互引导示例
1.3.2 算法
算法方面，则需要通过机器“深度学习”，不断完善语音识别、语音理解及语音合成的水平。目前，语音识别方面还面临很多技术挑战，如：
（1） 噪音
恒定噪音（公路上、机房中） 和突发噪音（突然异常大声）。
（2）多人讲话：
多人讲话，设备能否识别其中一条信息；同样多设备时，如何辨别自己的主人在说话。
（3）儿童：
儿童说话逻辑性较弱，容易出现口吃、长时间停顿等现象。
（4）短句：
“是”、“不”这种短句提供的数据信息较少，会造成识别率低。
（5）多音字：
比如人名，同样的音会有多种书写文字“清”“轻”，会影响语音识别的准确性。
更多关于机器人“深度学习”的内容大家可以自行了解，这里不展开讨论。
2. 分析聚焦
具体在分析聚焦阶段，设计的思路是：用户调研 > 聚类分析 > 角色建模 > 体验设计。围绕与机器人相关的机房工作人员，提升他们在工作中的服务体验，确保顺畅、安全、高效的工作流程。
图7 · 用户分析
2.1 用户画像
针对第一章节中定位的三类用户，我们通过问卷，进⾏用户访谈，旨在了解各个不同角⾊的用户他们工作的内容、需求，以及有哪些痛点可以抽取出来由机器人替代，从而优化各角色的服务体验。
图8 · 用户问卷设计
共计访问10位用户，包含各个角色。访问之后，我们对用户访谈的结果进行整理，整理维度有：日常工作描述、工作中的需求与期望、对机器人工作融入的畅想与担心。在此基础上，完成用户角色建模，通过各类角色的工作内容、痛点、情景设定、工作评分这四个主要方向进行描述与呈现，以驻场工程师为例，具体的用户角色卡如下图所示：
图9 · 用户角色信息卡–驻场
最终根据用户画像和调研中收集的问题进行聚类分析，集中梳理与归类，得到用户诉求，即对机器人应用场景下的机房服务的“服务主张”，围绕“安全”“规范”“高效”三个方面。这三个机房服务的体验目标，也是作为后续机器人语音设计所要达到的基本要求。
图10 · 机房服务主张
2.2 体验地图
与机器人交互的环节涉及到线上、线下，从线上任务的提交到线下与机器人真实交互，再到过程中机器人收集信息的回传，整个闭环链路构成机房机器人服务体验的核心。以其中导览场景为例，介绍整体流程，线上的主要触点：任务申请 > 任务生成 > 任务确认 > 任务存档；线下的主要触点：任务下发 > 机器人唤醒及用户身份验证 > 任务执行 > 任务结束，具体的触点详情及语音流程见下图：
图11 · 机器人服务体验流程
经过体验地图的梳理与流程规划，去构建合理、有序的流程，在任务执行过程中保证人机交互“自然、亲切、可靠”的体验，同时配合技术优化，完善机器人语音交互的丰富度，在语音交互设计中也会利用适当的引导与必要的提示，以更自然的方式消除异常时的尴尬，快速做到工作衔接。
3. 设计策略
3.1 定义角色人格
VUI产品是一个虚拟的人与用户直接沟通，因此，沟通对象的语气风格、性格等则是用户接触的第一感受，为了提升真实性，定义一个符合自己产品调性的角色至关重要，也是着手真正语音设计的第一步。
这里的角色，是通过应用程序的语音及语言选择，塑造一个符合品牌服务特征，并且具有人格或心理的形象【1】。角色人格包含：
公司所传达的态度
产品的个性特征
期望别人如何看待它
在本次项目中，笔者在开始设计时，也先对机器人的语音调性和语气风格做了定义，根据语音交互场景和机器人的功能特性，语气规范追求的是：笃定、尊重、正式、亲切的感受，既让用户感受到机器人工作的严谨性与安全性，又让整个服务体验兼具友善、和谐与温度。
图12 · 机器人语音调性与语气规范
以“笃定”为例，表达语气的说明和示例，通过语气规范，统一整个语音交互原型的调性。
图13 · 语气规范示例
在设计时，我们可以用“真实的人物”来定义声音特征与沟通基调，分析、了解真实人物模型的个性特征。例如儿童早教类语音产品，可以以大家熟知的“金龟子”为人格原型进行定义，沟通中模仿她的语气、用词，让儿童感到亲切并符合服务对象的特征喜好。同时，我们需要设定“期望人们如何看待我们的语音产品”，传达怎样的服务理念。
图14 · 人物模型
但这里值得注意的是，现在很多语音助手支持语音选择，如男声、女声、少年等。我们要知道，“改变声音的同时，就意味着换了不同的人格”，他们的语音交互特征、形式等应该发生相应变化。同样一句很可爱、很活泼的话，小孩说合适，但如果换到“成熟男士”，多少会有些不合时宜。
图15 · 人物语气的多种性格
语音设计的原型更像是“剧本设计”，需要考虑在哪个场景下，包含什么角色、他们如何对话、如何过度衔接、具体的语言如何等，如下图就是在此次项目中输出的语音设计原型，具体内容涉及到信息隐私，这里就不展开了，但是整个语音交互脚本中，对场景、角色、对话脚本备注图例、脚本正文等都做了明确定义与设计，后面就围绕如何做好交互引导、反馈、异常处理这四个方面进行介绍。
图16 · 语音交互脚本原型
3.2.1 语音交互引导
在设计语音脚本内容时，需要特别考虑VUI与人对话过程的语言衔接、对话内容的顺畅，并且能够自然的完成设想的任务。例如当询问用户信息时，最好给出一些示例，而不是说明。以下两句话大家可以明显感受到体验的差异，对于用户来说，参照示例填写信息，比理解一个通用指令更加容易。
“请告诉我你的出生日期，如2017年12月12日”
“请告诉我你的出生日期，包括年月日”
3.2.2 语音交互反馈
在GUI界面中，“确认反馈”随处可见，点击一个按钮、进行一个编辑操作，我们会设计不同重要程度的交互反馈；在VUI中，同样有不同程度的“确认反馈”，本文主要将他们分为三种：显性确认、隐形确认、视觉确认。
图17 · 语音交互反馈
3.2.3 语音交互异常处理
语音可能存在的异常情况主要有以下四种：
未检测到语音 （明确告诉用户“我没听清”）
检测到语音，但没有识别（“我不明白你的意思”）
语音被正确识别，但系统无法处理（“出现异常”）
部分语音识别错误（答非所问）
在设计中，我们可以按照不同的异常情况，设计多种播报脚本，提高产品容错性，缓解异常时候的尴尬，在此例举些常见的用户语音输入错误的回答，如图18。
图18 · 用户输入错误时的回答
4. 测试验证
以项目中团队采用的两种脚本测试方式为例，分别是：剧本朗读和语音转换工具。通过剧本朗读，体验对话的流畅程度，确认是否存在对话呆板、重复、不自然的情况；通过文字转语音工具，如QQ语音转化，可以较真实的感受机器将对话说出来的效果。
4.2 语音及设备测试调优
设计交付后，功能开发完成，进入语音设备可运行阶段，这时系统具备测试功能。测试调优的方法同样给大家列举两个：一是可以通过开发、设计人员，进行实际人机测试，了解语音功能是否稳定、任务完成率如何、整个体验流程是否自然顺畅；二是可以通过用户观察的方法进行调研，找到符合特征的目标测试用户，利用机房的监控摄像头，观察“自然状态下”的用户如何工作，这样不会干扰用户，更贴近真实的使用情景。
图20 · 人机使用测试
5. 总结
以上是笔者首次接触语音交互设计的设计经过，对VUI设计中的知识点、流程、方法进行的总结，仍有很多不全面之处，后续随着项目的迭代和设计的深入，逐步去完善体验，总结沉淀。
【1】参考书籍：《语音用户界面设计》 Cathy Pearl (著)王一行(译)
相关阅读
