关于汽车场景人机交互的想法（二）

随着车载大屏的发展，“去实体按钮”成了风气，但上期也讲过大屏的操作体验并不好，所以语音交互成为各家车厂的技术必选项。

智能语音上车已经发展了多年，从最初的“智障”状态，到现在连说带比划的“打开这个”“打开那个”......似乎越来越“聪明”了。

咱们从最初的智能音箱来看这个事儿，大概是10年前（2014年）吧，亚马逊推出了首款智能音箱Echo。2015年，国内各互联网大厂就同时开启了智能音箱时代的角逐，京东、阿里、小米、百度、华为……都相继进入了这个市场。

按说这么多大厂入局，这个技术的发展应该是飞速进步的，很可惜的是，直到今天，相信只要你家里有智能音箱，就能体会“智障”的含义。

通过10年的发展，销量虽然下滑，但这些年的累计数量绝对是个相当庞大的数字 ，如此大量且长时间地收集用户语音数据，按说应该越来越聪明才对，为何还是这么“笨”呢？

我不是这个专业的技术人士，所以不能科学地回答这个问题，但最近重刷《三体》，“拯救派”试图去构造三体运行模型最终失败，数学天才魏成费尽才华搞出来的模型，也只能演算出100多个场景，这可能就是这个问题的答案：任何小数量级的误差都会导致全然不同的运动轨迹。

语言恰恰具有无限可能性，任何算法都不能穷举出所有表达方式。虽然智能音箱在10年的学习中，进化了几个数量级的场景覆盖，但还是远远赶不上人们日常千变万化的生活场景。

当多数场景不被满足时，那么你就会觉得它“笨”！就像三体中的预测模型，虽然精确预测了几次恒纪元，但只要有一次出错，那么就是整个文明的毁灭，这个模型就会被全面否定！

而汽车场景却是将场景限定在有限的范围内，控车、导航、听音乐……似乎正是因为这种限制，刚好可以在有限的场景内实现深度优化体验的目标。

以现在造车新势力来说，完美实现了连续对话、多人同时说话，甚至结合手势说话，在有限场景中用户体验极佳！

而随着chatGPT的出圈儿，大语言模型更为智能语音带来了质的飞跃。对话越来越自然，仿佛语音的背后是真人在说话，智能语音在车上的价值，也在被各车厂更进一步的重视。

不可否认语音交互的便利性，但在这股技术浪潮之下，我们是否应该考虑两个本质需求问题：

一、人们是否真的有如此强烈的对话需求？

很多产品经理都在企划车的“陪伴”作用。语音不仅是控制车辆的交互方式，同时可以让车通过聊天来提供陪伴价值。

先说一个我自己的经历。记得前些年出差，住某快捷酒店，主打一个科技风格，全屋智能语音交互，我甚至没有找到空调遥控器，床头也没有控灯开关，所有操作都是对着智能音箱“说话”。限于当时技术能力，为了表达“将空调开至24度”这句话，我用了各种表达方式，在经历了数次失败后，最终打电话向前台要了遥控器；而半夜起来上厕所，宁静的黑暗中我对着空气大声音说“打开厕所灯”......这种诡异和不适感让人很难理解这样的技术到底有啥用。

驾车场景中，如果只有你一个人，你是否真的想说话，真的想去跟一辆车聊天？当车上有多人的时候，你是否会选择很突兀地对着空气说话来控制车辆？注意，我说的不是你试驾时的“浅度”体验，而是一辆要使用多年的车，你是否真的愿意对着车去说话？

二、普通人的表达力是否能满足对话需要？

chatGPT将虚拟聊天带到了一个全新的体验层次，但需要注意的是：打字聊天与说话聊天的区别！

打字的过程，同时也是思考的过程，这个过程可以让文字具有逻辑性、表达更清晰；而说话往往表达模糊，逻辑性也更差，甚至各种嗯、啊......人与人之间的对话，往往是已知对方很多信息，所以才可以快速补充说话中隐含的内容，所以人与人对话的“容错性”很强。

要是对话的对象换成AI，这种人机对话的“容错性”就弱了很多。需要说话者具有极强的表达力与逻辑性，更重要的是，还需要“嘴能跟上脑子”，这个绝对不是一个简单的事儿！

基于上面两个问题，你的答案是什么呢？对于车载智能语音交互又有什么想法呢？

我只说说个人想法吧：

对于简单交互，比如打开窗、打开空调之类的，传统的实体按钮在盲操性、反馈性、操作效率上，都是最好的选择，没有之一！但随着去实体按钮的大屏化趋势下，将这类功能固化在“首屏”固定位置上也是一个可以接受的选择；反而语音交互在效率上是最低的，也许有些场景真的腾不开手，可以作为备选交互手段。

对于复杂交互，比如导航至某地途经某地，或是要听哪位歌手的哪首歌之类，语音要比点击屏幕有更高的效率和体验，但前提是技术上做得好，否则说半天也没完成，那就谈不上体验了。

“禁止与司机聊天”这个常识不管是否会开车，应该都知道吧！虽然在日常生活中不会那么严格执行，但大多还是遵守这项要求。

“说话”本身是需要占用“脑力”的，在自动驾驶还没有普及之前，人工驾驶还是要占用驾驶员的绝大部分精力的，简单交互中的指令型语音，在习惯之后还可以成为一种直觉式操作（上面说过，效率并不高），相对安全。

而复杂交互中，大部分人还是需要处于相对稳定的路况环境才会去有“脑力”去组织语言表达。

乘客与车的语音交互，尤其是被绑在儿童座椅上的小朋友，可能更喜欢这种“说话”交互方式。但以其表达力来说，完成一个操作可能需要更多次的尝试，此时开车的你，是否会被打扰？当这种对话一直持续下去，没完没了的“闹耳朵”，应该是一种极差的用户体验吧！

在自动驾驶尚未到来的阶段，语音仅可作为备选的交互手段，比如导航应用中自带的语音能力，其实已经满足了导航场景下的需求，用高成本去实现整车级的语音能力，在营销层面的确可以多出一些噱头，但实际的用户价值与体验并没有与其成本匹配。

总有一天自动驾驶会普及，在车里的每一个人都是乘客了，那么智能语音可能会发挥出相应的价值。这时候就去想想，在家里的客厅中，无论是一个人的时候，还是多人的时候，咱们真的需要用语音去控制家电吗？真的需要对着一个机器去聊天吗？

以上观点仅代表个人，接受一切反驳，但我依然固执地保留意见！

也许终有一天，智能语音背后的“灵魂”已经通过图灵测试，让我们完全把机器当成人了，那时候我们会产生真正的与之“对话”需求，那已经不是汽车这个狭小的领域的技术变革了，而是我们碳基生物转向硅基生物的革命！期待这一天的到来。

下期说说当下最流行的多模态交互，看看到底在车上能搞出什么样的全新交互体验。

---

 文章首发于公众号：昊叔说车

原创不易，转载请告知原作者，注明出处。