語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介

1、1語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介科大訊飛 章繼東2006年3月7日2語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 VUI設(shè)計(jì)的定義及其重要性VUI設(shè)計(jì)（Voice User Interface Design） ，即用戶與語(yǔ)音應(yīng)用系統(tǒng)的交互設(shè)計(jì)；VUI是直接面向用戶的界面，是能否滿足用戶需求的關(guān)鍵，是系統(tǒng)能否成功的決定性因素之一；優(yōu)秀的VUI設(shè)計(jì)者不僅要對(duì)語(yǔ)音識(shí)別技術(shù)、市場(chǎng)需求、業(yè)務(wù)知識(shí)有深刻的理解，還需要具備一定的語(yǔ)言學(xué)及心理學(xué)的知識(shí)，了解用戶的使用習(xí)慣和心理模型（Mental Model），從而設(shè)計(jì)出更符合用戶的語(yǔ)音應(yīng)用；隨著語(yǔ)音識(shí)別技術(shù)的應(yīng)用，在國(guó)外，VUI設(shè)計(jì)已成為一門新興的科學(xué)，而在國(guó)內(nèi)，還未被廣泛關(guān)注；訊飛很早就成立

2、了專門的VUI設(shè)計(jì)團(tuán)隊(duì)，一直致力于此方面的研究及應(yīng)用3語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 VUI設(shè)計(jì)的六個(gè)階段需求定義（Requirements Definition ）：確定系統(tǒng)基本功能、理解目標(biāo)用戶群、理解業(yè)務(wù)上下文（Business Context）概要設(shè)計(jì)（High-Level Design ）：確定菜單框架、確定基本語(yǔ)法種類及范圍、確定NVA（Nonverbal Audio）的使用、確定系統(tǒng)角色（Persona）詳細(xì)設(shè)計(jì)（Detailed Design ）：完成所有對(duì)話流程及所有提示音的設(shè)計(jì)，形成規(guī)格說(shuō)明書(shū)開(kāi)發(fā)（Development ）：VoiceXML開(kāi)發(fā)、動(dòng)態(tài)語(yǔ)法開(kāi)發(fā)等測(cè)試（Testing

3、）：包含功能性測(cè)試、識(shí)別測(cè)試，更關(guān)注可用性測(cè)試（Usability Tests ）優(yōu)化調(diào)整（Tuning ）：通過(guò)分析呼叫數(shù)據(jù)及呼叫錄音、進(jìn)行用戶體驗(yàn)調(diào)查等，從而進(jìn)行對(duì)話優(yōu)化、識(shí)別優(yōu)化（識(shí)別參數(shù)及聲學(xué)模型）、語(yǔ)法優(yōu)化4語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 VUI設(shè)計(jì)核心原則5語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 低認(rèn)知負(fù)載（Low Cognitive Load）VUI不同于GUI，聲音對(duì)于人來(lái)說(shuō)是短暫記憶（ Short-term Memory ），用戶很難記住太多的新信息，盡量減少提示音長(zhǎng)度及新知識(shí)；建議每次給用戶的新知識(shí)不要多，并且要在上下文相關(guān)的環(huán)境中進(jìn)行一般情況下，用戶印象深刻的是最近聽(tīng)到的內(nèi)容（End-Focus、R

4、ecency Effect ），例如比較下面兩句話：“按一號(hào)鍵下載鈴聲，按二號(hào)鍵贈(zèng)送鈴聲”、“下載鈴聲請(qǐng)按一號(hào)鍵，贈(zèng)送鈴聲請(qǐng)按二號(hào)鍵”設(shè)置用戶的全局性操作（Constancy、Universal Command）保持用戶操作的一致性（Consistency）6語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 高效（Efficiency）抓住用戶的主要需求（試聽(tīng)下載），讓用戶快速達(dá)到自己的目標(biāo)系統(tǒng)支持語(yǔ)音識(shí)別的打斷功能（Barge-in）品牌音效（Branding）替換歡迎語(yǔ)，減少時(shí)間，并提升品牌效應(yīng)使用導(dǎo)航語(yǔ)（LandMark），讓用戶明確自己所處的位置；利用及時(shí)反饋（Direct Response），讓用戶及時(shí)了解自己

5、的選擇區(qū)分新老用戶，老用戶的提示音更為簡(jiǎn)潔盡量減少菜單個(gè)數(shù)（Menu Size），建議不要超過(guò)6個(gè)盡量縮小菜單深度（Menu Depth），建議不要超過(guò)4層7語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 準(zhǔn)確（Accuracy）可支持按鍵方式，保證接收的準(zhǔn)確性支持近似結(jié)果的選擇：N-Best Processing 利用識(shí)別置信度（Confidence Measures ）來(lái)進(jìn)行確認(rèn)正確設(shè)計(jì)識(shí)別語(yǔ)法，收錄大量流行的歌手歌曲，提高語(yǔ)法覆蓋率，從而提高準(zhǔn)確率識(shí)別命令字的構(gòu)造（不要過(guò)短）建議長(zhǎng)度在4字或5字文字與聲音的區(qū)別文字：標(biāo)點(diǎn)、粗細(xì)、大小、顏色、字體、特殊符號(hào)等；聲音的韻律（Prosody）：包括強(qiáng)調(diào)（Stress）、

6、聲調(diào)（Intonation ）、停頓（Pauses ）、語(yǔ)速（Speed）設(shè)計(jì)提示音時(shí)，大聲讀出來(lái)，并安排時(shí)間讀給別人聽(tīng)術(shù)語(yǔ)行話（Jargon）與大眾化語(yǔ)言（坐席 vs. 人工服務(wù)；歌手列表 vs. 歌手姓名；鈴音復(fù)制 vs. 鈴音克?。┳⒁獗苊飧鞣N歧義（中場(chǎng) vs. 終場(chǎng)；任意鍵；替換 vs. 設(shè)置）8語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 柔和的錯(cuò)誤恢復(fù)（Graceful Error Recovery）一般情況下，只有當(dāng)用戶出現(xiàn)困難或者錯(cuò)誤時(shí)，才會(huì)想到要尋求幫助；目前大部分語(yǔ)音應(yīng)用系統(tǒng)都總是把主菜單的最后一個(gè)按鍵設(shè)置為幫助信息；我們建議把幫助信息融入到流程的上下文中，尤其是用戶容易出錯(cuò)的地方；錯(cuò)誤種類一：提

7、示音播完后用戶3秒鐘內(nèi)都沒(méi)有說(shuō)話（或按鍵）（No-Speech Timeout）：目前大部分系統(tǒng)采用重復(fù)播放同一個(gè)提示音的方式；我們建議主要采用延遲幫助 (Delay Help)的方式來(lái)提示用戶如何操作，例如舉例說(shuō)明；錯(cuò)誤種類二：用戶按鍵或識(shí)別錯(cuò)誤（ Reject 、No-Match），兩者區(qū)別對(duì)待：對(duì)于按鍵，明確告知用戶應(yīng)該如何按鍵（例如：您按了其它鍵，請(qǐng)按15號(hào)鍵選擇）；對(duì)于識(shí)別，提示用戶重新說(shuō)一遍或按鍵，并進(jìn)行舉例；9語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 柔和的錯(cuò)誤恢復(fù)（Graceful Error Recovery）錯(cuò)誤種類三：系統(tǒng)識(shí)別用戶的輸入后，系統(tǒng)認(rèn)為正確或者讓用戶選擇識(shí)別結(jié)果，但用戶卻沒(méi)有確認(rèn)

8、（錯(cuò)誤接收），例如用戶返回，我們也需要提示用戶如何正確的操作；錯(cuò)誤恢復(fù)策略主要有兩種：快速重復(fù)提示（Rapid Reprompt）、逐步細(xì)化提示（Escalating Detail 、Progressive Prompting ）；除非提示音非常清晰明了，否則都建議使用第二種恢復(fù)策略；錯(cuò)誤發(fā)生后，還要提示用戶可以按鍵尋求詳細(xì)幫助信息；當(dāng)錯(cuò)誤次數(shù)達(dá)到一定次數(shù)（一般為3次）后，提示用戶可以按鍵回到主菜單；錯(cuò)誤和幫助總是上下文相關(guān)的；并且任何時(shí)候都不要讓用戶有挫敗感，特別注意音效的使用10語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 回顧：VUI設(shè)計(jì)核心原則11語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 其它補(bǔ)充（Others）NVA（Nonv

9、erbal Audio）的使用，即音效、背景音樂(lè)等的使用，適可而止，不宜濫用；在用戶操作成功處，可以使用短促愉悅的音效；主菜單提示音可考慮配背景音樂(lè)，但音量不要超過(guò)原有提示音的40，注意不要突兀，一般做成漸入漸出效果；關(guān)聯(lián)詞（Cohesion）的使用：對(duì)不起、好的、現(xiàn)在、隨時(shí)；錄音人員（Voice Actors ）的配合：建議是VUI設(shè)計(jì)團(tuán)隊(duì)成員，如不是，需要花更多時(shí)間讓其理解提示音的上下文；注意提示音文本格式，例如 1860的讀法；約定好一套標(biāo)識(shí)規(guī)范，說(shuō)明哪些文字是強(qiáng)調(diào)、哪些地方需要停頓 等等；錄音環(huán)境及錄音設(shè)備的穩(wěn)定；每天錄音建議不要超過(guò)兩小時(shí)12語(yǔ)音用戶界面設(shè)計(jì)簡(jiǎn)介 其它補(bǔ)充（Others）寫樣例對(duì)話（ Script Sample Dialog ）的設(shè)計(jì)方法：系統(tǒng)剛開(kāi)始設(shè)計(jì)時(shí)，根據(jù)業(yè)務(wù)流