AI时代取代手机：语音交互设计漫谈

文章翻译自Lyndon Cerejo发表于SMASHING MAGAZINE的Designing Voice Experiences，全文通过构建一个语音问答类的益智游戏来分享了作者关于语音体验设计的经验，涵盖了一个语音应用程序从设计到开发测试及上线的整个流程。

---

基于语音的界面正变得司空见惯。 Siri和Cortana等语音助手也已经出现好几年了，但在过去的这个假期，亚马逊和谷歌的语音驱动型设备进入了数百万个家庭。

VoiceLabs最近的分析估计，今年将有2450万个语音驱动型设备出货，这几乎是去年的四倍。 作为体验设计师，我们现在有机会去设计语音体验和语音界面了！

设计一个全新类型的界面并不意味着我们必须抛弃以前已经成功应用到界面设计中的所有经验。我们需要根据语音驱动界面的细微差别来调整我们的设计流程，包括会话交互的加入以及可视化屏幕的缺失。我们将研究那些典型的语音类产品的工作原理、讨论设计语音体验的步骤，并通过为Amazon的Alexa平台设计一个语音应用程序（Amazon称在Alexa平台上的语音应用为 Skills）来说明这些步骤。

了解语音界面之间的关联

就像移动应用在操作系统和设备上运行一样，三个层次必须一起工作才能实现语音交互：

1. 语音应用程序（Amazon Skills 和 Google Actions）;
2. 人工智能平台（Amazon Alexa，Google Assistant，Apple Siri，Microsoft Cortana）;
3. 智能设备 (Echo, Home, smartphones, computers).

每个层级都依赖下一层级，并支撑上一层级。 语音界面位于上面两层，两者都驻留在云端，而不是在物理设备上。

插播

最近把各个互联网领悟的经典技术书和资源整理了一下，涵盖34个领悟，143家公司的面试真题，以及常见互联网技术领悟经典书和面试书和知名互联网公司校招薪资汇总表。

下载地址：

http://www.jianshu.com/p/4a9599a230af

让我们以Alexa平台上一个名为 Jeopardy!的Skill（应用）为例，来看看这些层级之间是如何协同工作的

诸如Amazon Echo和Google Home之类的语音驱动设备不断地在等待唤醒词（“Alexa …”或“OK，Google …”）从而进入操作状态。 一旦激活，设备会将随后接收到的音频发送到云端的AI平台（“… play jeopardy！”）。 该平台使用自动语音识别（ASR）和自然语言理解（NLU）的组合来识别用户的意图（开始益智游戏）并将其发送到支持应用程序（Jeopardy！J6 Skill on Alexa）。 应用程序处理请求并通过文本进行响应（如果支持则提供可视化信息）。 该平台将文本转换为语音并通过设备播放（“欢迎来到Jeopardy J6，这是今天的线索……”）。 这一切只需几秒钟。

建立语音体验

去年，马克·扎克伯格（Mark Zuckerberg）接受了一个个人的挑战，去建立一个简单的AI来管理他的家。 他做到了，它被叫做Jarvis，还拥有了Morgan Freeman的声音。

当然，大多数人没有能力或资源去做同样的事情，但是我们可以通过在已经搭建好的第三方AI平台上运行我们的语音应用程序来减少工作量。 这让我们只需要担心语音应用程序的设计和开发，大大简化了开发工作。 Amazon和Google已经公开提供了相应的模板、代码以及详细的使用步奏，帮助开发者构建不同类型的语音应用程序，即使非开发人员也可以在一个小时内开发一个应用程序！

他们在简化应用程序开发方面的投资正在得到回报，每个月都有数千个新的语音应用程序正在启动。 语音应用的增长带来了大家对于90年代网络淘金热的回忆，以及应用商店推出后移动应用爆炸式增长景象的联想。