回顾人机交互发展是「技术进步」与「载体创新」交替螺旋促进在推动着人获取信息的效率不断提升，成本不断降低。
AlphaGo先后打败李世石和柯洁，百度发布自动驾驶系统「阿波罗」这一次由AI引领的技术进步正在发生。基于大量纯净数据的深度学习给人工智能带来的了巨大的进步，这种进步主要体现在三个维度。
- ?认知能力 – 基于用户行为的画像，将人机交互从「单向」关系带入「双向关系」。
- ?感知能力 – 由触摸输入到以语音输入、图像识别为核心的全自然交互。
- ?自然语音输出能力 – 带来新的”语音“设计材料。
语音对于体验设计师来说是新的设计材料，它有哪些设计挑战？语音设计有框架可寻吗？有哪些设计方法？我们将在下面的文章与你分享。
二.设计挑战
从「右边界」设计到「无边界」设计
当我们设计App界面，交互设计师会穷举用户在固定像素界面内所有可能的操作，一一设计恰到好处的用户反馈。但是对于语音交互用户的输入是没有边界的，用户可能的输入将远远超出你可能的穷举的范围。从「有形」的设计到「无形」的设计，视觉的设计规范在语音设计过程中将完全失效。
从「进场」交互到「多距离空间」交互
语音交互主要分为近场交互（例如：度秘/Siri）和中场交互（车载）、远场交互（智能音箱）。
多距离场景的有以下几个维度的不同：
（1）场景特征：在非近场交互的场景下用户可能在其他事情上，而非专注在其他任务，这给如何让用户最小成本的获取当前系统的状态带来挑战，「我唤醒了设备吗」「我们可以说了吗」 每一个节点需求都需要多维度的定义。
（2）?输入方式：常用的输入方式有实体操作（按钮/旋钮等等），触摸，语音，动作，在近场交互时实体与触控是第一选择，而当中远场交互时语音成为输入方式的第一选择。伴随各种智能音箱、或者Iphone X等采用深度摄像头应用的普及，中远场景的动作输入将逐渐成为重要的输入方式之一。
三. 设计建议
用「语音交互框架」匹配「使用场景」
语音交互带来人机交互向更自然的方向提升，人机交互更趋近于「人人交互」，怎样理解语音交互框架，我们可以从人人交互一探究竟。
现在回想你让别人帮你把水杯拿过来，你与这个人的交互节点是什么样子的？
首先你要叫他的名字，如果他听到了会回答你「干嘛呀」或给你个眼神儿，这时候你知道他在听你说话，你可以继续说了「把水杯拿来」。他可能需要想想水杯在哪或者问你，当他去拿水杯你会看到他正在行动。将与人的语音交互节点提炼出来，进行总结就是语音的交互框架：
如上图所示语音的交互框架由以下四个节点构成，每个节点用户有相应需求：
- ?唤醒：用户有得到「是否唤醒语音」反馈的需求
- ?输入：用户有得到设备正在「听说话吗」的需求（相当于loading）
- ?理解：用户有得到「在帮我说事情吗」 的需求
- ?回答/行动：用户有查看任务是否完成的需求
语音的交互框架解释了语音交互流程，等同于触屏设备定义的「点击屏幕」「双指Pinch」「摇一摇」。但是仅仅了解交互框架是远远不够的，比框架更重要的是语音交互场景，在不同场景下以上「唤醒、输入、理解、回答/行动」四个节点有不同设计方式。
举个例子：在语音交互的第二个节点 – 输入中需要用「波形高低」与「语音响度高度」相匹配来给用户正在聆听的反馈，在不同场景下波形要采取不同的设计策略：
车载场景：驾车时用户的视觉注意力被路况占据，这时候一方面需要引入「叮」的一声语音反馈，另一方面需要设计采取更强的视觉波形确保一瞥既得。
语音音箱：语音音箱的场景虽然不像驾车场景注意力被强占据，但是它是没有屏幕的，这时候一般会采取带强弱有呼吸感的灯效解决反馈的问题。
「无形」的语音能「附着」在各种设备上，场景也是千变万化的。在设计时要时刻记住「唤醒-输入-理解-回答/行动」的语音交互框架和每个节点的用户需求，关注用户的使用环境，和视觉/听觉注意力的占据情况，不要局限只用声音做反馈。
唤醒设计
唤醒是语音交互的第一步，听说刚发布的某国产品牌的AI音箱选了十多个唤醒词，最后才用了「小爱同学」，Rokid的唤醒词「若琪」也经过了精心的设计。这充分说明了唤醒设计重要性。
唤醒方式可以是任务的触发动作，比如点击，按压，动作，语音，表情。目前主流的唤醒方式有以下3三种 – 实体按钮、虚拟按钮、语音唤醒，每种唤醒方式各有特点，适用于不同场景，下面我们来逐一分析一下：
（1） 实体按钮：优点是能提供触觉反馈，使用场景有两种：
A.当用户的视觉通道被占据时。
B.近场交互且设备没有屏幕或屏幕处于熄灭状态时，例如在熄屏状态下通过长按Home唤醒。
（2）虚拟按钮：唤醒方式有两种操作方式 – 点击和长按。两种方式的本质差别有三个：与面部距离、操作成本长按大于点击、微信养成的语音输入习惯使得长按更符合用户习惯。
A.点击：面部与屏幕距离远，波形反馈可见，能更好的确认设备是否在收音，且成本较小。大多数的近场交互都可以使用。同时车载场景特别适用，试想在驾车情况下让用户长按输入语音简直就是灾难。
B.长按：离麦克风距离比较近，能带来更好的收音效果。可以作为一种辅助的唤醒方式兼容。
（3）语音唤醒：在双手被占据和远距离场景下语音唤醒都是最佳的方式，在设计语音唤醒时要注意以下三个方面：唤醒词的形象设计、注意唤醒后的声音反馈、防止误触发。
A.唤醒词的形象设计：唤醒词的设计是机器人格的一部分。在平常的社会交往中，高雅、深邃的名字，往往会给人留下美好的印象。庸名俗字则给人一种不愉快的厌恶心理或排斥感。比如「静静」给人「文琪、秀气」的感觉。「糖果」给人「甜蜜」的感觉。
初期的人工智能的能力是有限的，有时会给出不尽如人意的回答。一个萌萌的有亲和力的名字能让用户有更高的宽容度。
同时唤醒词意象要与声音特色相一致，听觉情感是非常敏感的，想象一下如果一个萌妹子说话的声音很粗犷，或者一个壮汉声音很细你是不是觉得很不舒服。去定义唤醒词对应的感知意向，在语音合成训练时匹配这种意向。
B.使用反馈音：语音唤醒一般使用在远场交互场景，这时候用户很难能通过视觉确认是否唤醒了设备，就需要给出语音反馈。比如「叮」或「我在呢」等等。
C.防止误触发：在日常交流中我们每天会说很多重复的字或词，比如「你、哎、哦」等等，在设计唤醒词时要避开这些词汇。
对话的体验设计
唤醒之后的对话环节是语音体验设计的核心，我们如何打造优秀的设计体验呢？首先需要了解语音交互类产品对话的基本特点，包括：轮流说话的方式、合作式的对话、关注语言的蕴意及语境、具有线索引导、对话具有可修复性。
在具体对话的编写上，给大家推荐通用的Grice表达准则，可以有效提升语音对话的效果。准则包括以下4方面：
- 表达质量：陈述的是有效的事物
- 信息量：不多不少，恰到好处的语言信息含量
- 关联性：陈述与话题相关的信息
- 习惯性：简明扼要，直奔主题，避免模糊晦涩的表达
根据不同的使用场景对话编写也有较大差别，主要从以下两个维度入手：
（1）区分「任务式设计」与「闲聊式设计」。对话式设计主要分为两种场景：任务式对话和闲聊式对话。
任务式对话：如理财顾问，医生，购房助手，用户使用这类对话的型产品是为了尽快得到答案，而不是向人们「调戏」siri一样。这类的产品应遵循如下原则：
A. 引导用户如何输入
语音是无形没有边界的，不要让用户进来不知道说什么。用户可能采用各种无法预知的句子输入。为了避免发生错误，应在界面上引导用户怎样输入或主动开启一个对话。
B.设置边界
不要试图去做闲聊型「机器人」，当入用户的输入你的产品无法理解或与你产品的主任务无关时，不要装聪明，给用户选项提醒用户他能用的表达方式。
闲聊式对话：如微软小冰，度秘等。用户使用这类对话式产品的目的是「娱乐」，效率不在是第一需求，怎样让对话有趣避免冷场是新的设计目标：
A. 双向沟通，主动联想
避免对话一直是「one shot」式的一问一答。双向的沟通才能让对话变得有趣，当用户打开你的产品时根据天气