作者：maoChuan

全文共 1924 字 1 图，阅读需要 5 分钟

———— / BEGIN / ————

在智能音箱的技能制作中，最重要的就是语音交互（voice interactive ）模型了，语音交互就是将人的语言转换成应用的action（面向系统的动作）的模式，也就是VUI（Voice UI），我们之前谈论手机APP的UI更多意义上是GUI（Graphic UI），而要做好VUI的交互和GUI一样，都对于细节提出了更多更高的要求。

亚马逊的VUI设计师Amdrew ku就说过：

在制作技能中，首先要明确的就是你的技能能做什么，然后根据这个点来预测用户可能的表述，再把相关的表述对应到意图（intent）。

基本上，用户的表述可以分为三类：完整的意图、不完整的意图和无意图。

当用户明确表达了完整了意图的时候就应该去完成意图相应的任务，比如：

在这个对话（session）中，意图是完全明确的，所以只要执行意图回复信息即可。而遇到的用户的意图是完整的，就需要去引导用户补充，比如：

另外，当用户的表述超出模型的时候，还要提供必要的帮助，比如：

只有区分了不同的意图，音箱才能有区分的进行反馈，把用户“引到”使用路径上来。

在区分意图之后，设计者还应该注意在设计语音交互模型时的一些基本原则；这些原则基本来源于alexa平台上对于skill制作的经验，也包括一些国内AI平台在这方面的总结，如下：

原则一：

让用户明白他是不是需要回答，如需要回答，最好使用疑问句。

【正确示例】

音箱：有三个车，红车、黄车、绿车，你要选哪个？

【反面示例】

音箱：你可以从下面的三个选项中选一个，分别是红车、黄车、绿车。

原则二：

不要假定用户知道该怎么做，要引导用户。

【正确示例】

音箱：欢迎进入滴滴打车，你可以尝试对我说“打个出租车”。

【反面示例】

音箱：欢迎进入滴滴打车。

原则三：

向用户提问时，不要摸棱两可。

【正面示例】

音箱：你要沙拉还是汉堡？

用户：汉堡

【反面示例】

音箱：还要再来点沙拉或者汉堡吗？

用户：…….

原则四：

简洁。

用户：我的星座运势如何？

【正面示例】

音箱：你的星座是什么

【反面示例】

音箱：有12个星座可以选择，分别是双子座、金牛座….你要选哪个？

原则五：

不要给用户太多选择（最好不要超过三个）。

用户：我想点奶昔。

【正面示例】

音箱：巧克力口味，草莓口味，香草口味，你要选哪个？

【反面示例】

音箱：巧克力口味，草莓口味，香草口味，可可口味，抹茶口味，你要选哪个？

原则六：

复杂的技能（skill）多提供帮助指引。

一个技能（skill）能超过满足三个需求就算很复杂了，如果是相对独立的功能最好拆分成三个技能。如果用户在技能使用流程中卡住，就需要帮助了，通常的做法是把功能列表读给他，让他知道技能可以做什么。

原则七：

不问没必要的问题。

用户：打开可可笑话

【正面示例】

音箱：一条警犬看到马路上过来一条普通狗,就气势凶凶地跑去质问它:我是警犬,你是什么东西?普通狗不屑一顾地看看它说:蠢货,看清楚点,老子是便衣。

【反面示例】

音箱：你想听笑话吗？

原则八：

必要时和用户再次确认。

当用户的命令涉及到某些方面操作，应该通过语音进行二次确认。

比如：用户公开的动作（分享到社交网络）、影响他人的命令（给别人发信息）和钱相关的操作（下单）。

原则九：

让用户明白他的状态、目前在技能流程中的位置。

【正面示例】

音箱：你成功订了咖啡，下次再见。

【反面示例】

音箱：你成功的订了咖啡。

原则十：

选项太多的时候需要分几部分播报。

用户：附近有什么电影院吗？

【正面示例】

音箱：最近的是XXX电影院，在山东路，还要听其他较近的影院信息吗？

【反面示例】

音箱：最近的是XXX电影院，在山东路，第二近的XXXX电影院在YYYY路，第三近的是…..

原则十一：

TTS要口语化。

【正面示例】

音箱：北京国安战胜了上海申花，比分是2比1。

【反面示例】

音箱：北京国安2:1上海申花

原则十二：

用户卡住的时候可以退出。

用户：滴滴打车有什么功能？

【正面示例】

音箱：用滴滴打车1 XXX 2 XXX 3 XXXX 如果想退出的话可以说“结束”

【正面示例】

音箱：用滴滴打车1 XXX 2 XXX 3 XXXX

利用这些原则规范化设计后的技能更容易被用户了解和使用和喜爱。

当然这些原则还应该根据技能和AI平台的场景、风格进行调整，只有技能可以进行良好的交互，技能才能更快更好的服务用户。

———— / END / ————