問：你覺得智能語音未來會對交互有著怎樣的影響，會不會取代 UI 交互嗎？
答：智能語音是未來的趨勢魂毁，我們現(xiàn)在已經(jīng)開始使用語音交互玻佩。
在一次機器人交流會上，我向一位來自優(yōu)必選的演講人提了上面的問題席楚，但我并沒有得到想要的答案夺蛇。智能語音的未來會是什么樣子，怎么用智能語音做出好的產(chǎn)品呢酣胀？我一直在不斷地嘗試各種產(chǎn)品刁赦，不斷地思考。
試驗
我找到所有涉及智能語音的相關產(chǎn)品闻镶，都挨個體驗了遍甚脉。智能手表，智能音箱铆农，智能機器人牺氨。還有手機上的各種助手，像蘋果的Siri墩剖，Google的 Allo猴凹，微軟的 Cortanna，助理來也岭皂。這些產(chǎn)品有硬件的郊霎，也有軟件的。終端有 PC爷绘，手機书劝，手表。系統(tǒng)平臺又有 mac土至，android购对，iOS等等。
第一次使用上面的產(chǎn)品并不自然陶因。就像第一次使用觸摸屏手機骡苞，沒有鍵盤，很不適應楷扬，特別是打字解幽。缺少按下去的實體感覺，會讓人覺得觸摸是個很生硬的操作毅否。還好亚铁，手機提供按下震動反饋功能。慢慢適用后螟加，不需要震動也可以的徘溢。而相對觸摸操作吞琐，智能語音是一種更前沿的交互方式。
觸摸操作縮短了按鍵操作交互路徑然爆。在手機沒有觸摸功能之前站粟，想要點擊某個按鍵時，得先把焦點移動到目標位置曾雕。有了觸摸功能奴烙，一個手指頭戳過去就行了。那智能語音相較于觸摸操作會不會也有同樣的意義呢剖张？觸摸操作是基于 UI 的切诀，將屏幕作為載體。智能語音則不需要界面搔弄，沒有邊界幅虑。
換句話說，智能語音突破 UI 交互的層級顾犹，直達目標功能倒庵。好比說，以前你去政府機關辦個證件炫刷，你得按流程路徑走擎宝，先去 A 部門蓋個章，再拿這個章去 B 部門蓋個章浑玛，等你集完所有章绍申，就可能兌換最后的卡片了。每個部門都得跑锄奢，跑錯了就辦理不下來失晴，不熟悉的人跑下來暈頭轉(zhuǎn)向的。現(xiàn)在呢拘央，下個 App，按要求上傳幾張電子證件书在，等個幾天灰伟，證件就辦好了。嗯儒旬，還包郵栏账。中間，你不用跑一個部門栈源，也不需要知道先跑哪個部門挡爵，再跑哪個部門，一個操作就搞定了甚垦。語音就類似這樣茶鹃，以前要幾個界面點擊涣雕，現(xiàn)在就是一句話的事兒。
體驗
上面是我對智能語音意義的理解闭翩。但目前真正在應用階段挣郭，并不理想。這里面有諸多原因疗韵，我認為主要是兩方面的限制：
語音識別可靠性兑障。16 年 11 月份的時候，科大訊飛開了個發(fā)布會蕉汪，宣稱語音識別的準確率達到 97%流译。而同一時間，百度者疤，搜狗也開了發(fā)布會先蒋，準確率也達到 97%。這個準確率對于商用的意義有多大呢宛渐？我做的有個機器人的項目竞漾，機器人可以跟用戶聊天對話。機器人語音識別的技術就是采用科大訊飛的窥翩。我們在公司測試的時候业岁，搞個簡單的一問一答對話都沒問題。你問機器人寇蚊，今天天氣怎么樣笔时？結(jié)果很快就能出來。當我們拿到房地產(chǎn)售樓處仗岸，效果不理想允耿，并且跟預期的差距是沒有預料到的。
在公司測試的時候扒怖，會有雜音较锡，整理環(huán)境不算安靜，時而有人說話盗痒。當時蚂蕴，覺得這種測試環(huán)境不算理想，雖然偶爾有錯誤但也能接受俯邓。售樓處環(huán)境不一樣骡楼，因為營銷需要，一直有電視播放營銷視頻稽鞭。就算沒有人說話時鸟整，機器人也會識別這些聲音。這時候要是有人跟機器人對話朦蕴，機器人根本無法準備識別說話的內(nèi)容篮条。人多的時候弟头，售樓大廳里時刻都有人說話，一喚醒機器人兑燥，機器人就在那里嗚哩哇啦了亮瓷，說一些莫名奇妙的話。因為它識別出的內(nèi)容都是亂七八糟的降瞳。
當然嘱支，你也可能說這是場景的原因。在家時或者車里就沒這么糟糕了挣饥，這是應用層面的問題除师。如果語音識別不能在技術上解決可靠性的根本問題，那它的應用領域和范圍也大大受限制了扔枫。這里面需要解決的問題也很多汛聚，多個人同時跟機器人說話時，要區(qū)分好不同人說的話短荐。張三說了哪些話倚舀，李四說了哪些話？如果有背景噪音忍宋，甚至是人說話的噪音痕貌，都要能夠去掉。
語義理解糠排。如果只是單純地解決語音識別可靠性問題舵稠，也就是聽得清的問題，并不能稱得上智能語音入宦，智能語音還要解決聽得懂的問題哺徊。只有聽得清，聽得懂乾闰，才能知道要做什么事情落追。
你對機器說，我要吃蘋果汹忠。蘋果是什么淋硝，它不知道。所以你得告訴它宽菜，讓它學習，有明白蘋果的能力竿报。蘋果可以是一種水果铅乡，可以是一部電影，還可以是一個品牌烈菌。那蘋果到底是什么呢阵幸？如果你告訴機器花履，只有代表水果的那個蘋果才能被吃。那機器就能準確理解你說話的意思挚赊，知道你的意圖了诡壁。做到這一點，就能讓機器明白聽得懂你說話的內(nèi)容荠割。
在語義理解領域妹卿，相關技術成熟度是遠不如語音識別的。要等到語義理解足夠成熟還是需要很長的時間∶镳校現(xiàn)在有第三方開放的自然語言理解接口夺克，像 Google 收購的 api.ai、百度的 UNIT嚎朽。你可以利用它們開放的 API 來讓你的產(chǎn)品有一定的理解能力铺纽，改善你產(chǎn)品的交互體驗。接入的過程就像教一個小朋友不斷地學習新的知識哟忍，不停地寫各種表達式狡门，喂給機器，停不下來锅很。你能積累多大的知識庫其馏，就看你能寫多少。想寫得多粗蔚，那就堆人力唄尝偎。有多少人工就有多少智能，所以人工智能鹏控。傅盛講做小雅智能音箱時說了致扯，像「上一首」、「再來一首」的指令泛化都是靠人工的当辐。
業(yè)務落地
Siri 剛出來那會抖僵，用戶期待很大，媒體說這是喬布斯劃的一道光缘揪，是未來的趨勢耍群。以后想要做什么事情，對著手機講一聲就好了找筝。后面很多公司也出了類似的語音產(chǎn)品：出門問問蹈垢，蟲洞，搜狗語音助手袖裕，百度語音助手曹抬。 大部分產(chǎn)品做了一兩年后都停了。現(xiàn)在只剩下大公司在玩了急鳄，蘋果的 Siri谤民， Google 的 Allo堰酿，微軟的 Cortana，百度的度秘张足。
從 2012 年算起触创，Siri 出來有 5 年多，身邊沒見有一個人用为牍。前幾天哼绑，跟一個做智能語音的朋友交流，他問了兩個問題吵聪。
你覺得 Siri 做得怎么樣凌那？怎樣做得更好？
Siri 必須要做得更好吟逝，12 年出來的產(chǎn)品帽蝶，到現(xiàn)在，并沒有太大的進步块攒。而 Amazon 智能音箱作為后起之秀励稳，卻開拓了新的領域。正好有新聞說囱井，Siri 也要換新掌門人了驹尼，以前一直都是 Eddy Cue 負責，現(xiàn)在改為 Craig Federighi 負責庞呕。蘋果肯定也是想將 Siri 與 iOS 和 macOS 做一步融合新翎，突然對 Siri 也有了很大的期待。
Siri 要想做好住练，先得從入口著手地啰。蘋果給了 Siri 快捷入口，但知道的人不多讲逛，長按本身就是一個較深的操作亏吝。知道的人呢，體驗兩三次就不用了盏混。與同類產(chǎn)品相比蔚鸥，Siri 在很多方面都需要做改進。
適時的引導许赃。Siri 是新產(chǎn)品止喷，學習新的東西就有成本。不像一般類型的產(chǎn)品混聊，有明確的功能启盛，用戶很容易在短時間內(nèi)建立起產(chǎn)品的認知。用戶對 Siri 的理解是技羔，它很厲害僵闯，什么都知道。但你稍微問一個偏門的問題藤滥，Siri 就傻傻不知道了鳖粟。要讓用戶理解智能助手干什么，你需要在合適時間告訴它拙绊。
明確的功能界線向图。Siri 需要給用戶劃出明確的界線，讓用戶知道它可以做什么标沪，哪些事情做得比較好榄攀，哪些是不擅長的。但不要簡單給出提示：「你可以這樣問我：xxxx」金句。
友好的互動檩赢。做智能助手，肯定不能一直沉默在后面违寞，不然就淪為工具贞瞒，只能等到我需要的時候才想起你。而實際上趁曼，Siri 沒有一個聚焦的功能军浆，用戶很少會想得到如何使用它。像Google Now挡闰，Cortana 就比 Siri 好得多乒融，這種互動是雙向的。即時的互動提醒摄悯，根據(jù)詢問內(nèi)容給出多種樣式回復：有圖片赞季，有文字，甚至猜測你的意向來給出相關問題射众。另外還有待處理事務的卡片式提示碟摆。
如果讓你來做語音，怎樣做好智能這個點叨橱？
智能的本質(zhì)是做好兩件事情：預測和建議典蜕。
從用戶角度來講，智能就是我做完第1步罗洗，你知道我第2步想做什么愉舔。而不是說我讓你做1件事情，你就按照命令去做這件事伙菜，這叫功能轩缤。比如說，你對 Siri 說，明天早上 7 點鐘叫我起床火的。Siri 就幫你定好了鬧鐘壶愤，但這沒有什么智能可言。
就目前技術馏鹤，我們不可能做得很智能征椒，預測某支股票是漲還是跌。在一定范圍內(nèi)是可以做一些事情的湃累，已經(jīng)有些產(chǎn)品做得比較好勃救。你對 Cortana 說到沃爾瑪附近的時候，提醒我買牙膏治力。Cortana 會問你哪個沃爾瑪蒙秒？你說哪個沃爾瑪都可以。等你到沃爾瑪?shù)臅r候他就會提醒你買牙膏宵统。Google Now 也是一樣晕讲，你到了上班的時間沒有走，它會提醒你不要遲到了榜田。下班時間到了益兄，它會告訴交通狀況怎么樣，開車回去需要多長時間箭券。這中間我并不需要標記上班的地點净捅，住的地點。Google 會收集我的軌跡辩块，然后自動標記出來蛔六。
上面的的預測和建議都是建立在數(shù)據(jù)源基礎之上。通過收集用戶的行為數(shù)據(jù)來判斷你的生活習慣废亭，意圖国章，情緒等。這些數(shù)據(jù)可以來自：Email豆村，網(wǎng)頁瀏覽歷史液兽，日歷，位置掌动，短信四啰，其它第三方的App。但不是所有人都愿意把自己的隱私開放出來粗恢。
