設(shè)計(jì)任務(wù)導(dǎo)向型對(duì)話場(chǎng)景是一項(xiàng)關(guān)乎人類最自然的對(duì)話和AI最智能的技術(shù)結(jié)合的復(fù)雜而有趣的工作，希望這篇文章對(duì)從事語音交互產(chǎn)品設(shè)計(jì)的同學(xué)們有所幫手。

5月10日，微軟Build大會(huì)發(fā)布智能音箱Invoke，6月6日，蘋果WWDC發(fā)布HomePod，7月5日，上午10點(diǎn)，百度AI開發(fā)者大會(huì)發(fā)布DureOS開放平臺(tái),同一天，下午2點(diǎn)，阿里人工智能實(shí)驗(yàn)室發(fā)布天貓精靈……

這個(gè)夏天，被人工智能驕陽炙烤著的智能語音交互市場(chǎng)，熱度可謂一路飆升。

語音交互的主要能力在于開放式domain的聊天型功能與任務(wù)導(dǎo)向的技能型功能。如果說快捷高效、輕松自然是語音交互的獨(dú)特優(yōu)勢(shì)，那么任務(wù)導(dǎo)向型功能就是這些優(yōu)勢(shì)的完美落點(diǎn)，一個(gè)量好的語音交互產(chǎn)品，自然是技多不壓身，，能夠cover的domain多越好，能夠get的技能越強(qiáng)大越好。

那么，作為語音產(chǎn)品設(shè)計(jì)人員，如何以短平快的方式設(shè)計(jì)一個(gè)任務(wù)導(dǎo)向型對(duì)話場(chǎng)景呢？

當(dāng)然，和傳統(tǒng)交互設(shè)計(jì)工作一樣，前期調(diào)研是很有須要的。你想設(shè)計(jì)的這個(gè)功能是否能滿足產(chǎn)品目標(biāo)、是否具備相關(guān)技術(shù)和數(shù)據(jù)能力支持以及符合用戶實(shí)際需求？如果有兩個(gè)場(chǎng)景擺在你設(shè)計(jì)的智能音箱面前，一個(gè)是訂外賣，而另一個(gè)是星座速配，你會(huì)選擇優(yōu)先做哪個(gè)？

一旦確定了要設(shè)計(jì)某個(gè)場(chǎng)景，接下來就可以著手設(shè)計(jì)工作了。具體來說就是三個(gè)步驟：理清對(duì)話邏輯（Chat Flow）、設(shè)計(jì)語法（Grammer）以及設(shè)計(jì)應(yīng)答 (Confirmation)。

第一步：對(duì)話邏輯——從哪里來，到哪里去？

如同圖形用戶界面以點(diǎn)擊-觸發(fā)為各個(gè)節(jié)點(diǎn)的交互邏輯，VUI也需要一從query到answer的流轉(zhuǎn)邏輯，將一個(gè)場(chǎng)景的對(duì)話流程流暢的貫穿起來。

假設(shè)你設(shè)計(jì)的對(duì)話場(chǎng)景是查詢空氣質(zhì)量，請(qǐng)考慮在這番對(duì)話中可能出現(xiàn)的任何情況以及相應(yīng)的反饋動(dòng)作：

下圖展現(xiàn)了該場(chǎng)景可能的Chat Flow

即即是詢問天氣這樣看上去很簡(jiǎn)單的對(duì)話場(chǎng)景，也可以設(shè)計(jì)出十分復(fù)雜的對(duì)話邏輯，按照該場(chǎng)景在你產(chǎn)品中的重要程度決定細(xì)節(jié)邏輯的粒度。

第二步：設(shè)計(jì)語法 ——用戶會(huì)對(duì)你說什么？

語法就是用戶輸入的指令集，對(duì)話設(shè)計(jì)者需要設(shè)計(jì)對(duì)話的意圖（Intent），以及盡量考慮用戶可能表達(dá)方式，將其中最核心、最常用的表達(dá)方式提取為指令集模板。設(shè)計(jì)的指令集越多越全面，對(duì)話覆蓋率就會(huì)越高。

想象場(chǎng)景還是查詢空氣質(zhì)量，請(qǐng)考慮用戶會(huì)用怎樣的表達(dá)方式來提出本身的要求：

“幫我查詢空氣質(zhì)量”

“北京空氣質(zhì)量指數(shù)”

“今天PM2.5值是多少”

“我需要戴口罩嗎”

“今天的空氣怎么樣”

……

中華語言，博大精深，簡(jiǎn)單的查詢空氣質(zhì)量，就有茫茫多的問法。不過不消著急，你只需要提取一些最典型的句式，至于“么”“嗎”“呢”這些語氣詞，或者虛詞、助詞等，語義理解模塊（NLU）會(huì)資助泛化。

下圖為查詢空氣質(zhì)量對(duì)話指令集，其中和是槽位（Slot）。Slot是NLU從用戶指令中抽取的關(guān)鍵信息點(diǎn)，NUL模塊通過這些關(guān)鍵信息及其取值定義（Slot-Value），理解用戶指令的具體要求。

第三步：設(shè)計(jì)應(yīng)答——你要如何回答用戶？

語音交互中最主要的應(yīng)答方式是TTS（Text To Speech），就是將設(shè)計(jì)者寫好的應(yīng)答腳本，通過TTS引擎轉(zhuǎn)化為語音播放出來。應(yīng)答帶給用戶最直不雅觀的感受，應(yīng)答的好壞，直接關(guān)系到語音產(chǎn)品的體驗(yàn)。鑒于過長(zhǎng)的語音內(nèi)容會(huì)增加用戶的記憶負(fù)載，設(shè)計(jì)應(yīng)答時(shí)應(yīng)該盡量簡(jiǎn)潔。同時(shí)，如果你的語音產(chǎn)品具備本身的個(gè)性特點(diǎn)，在應(yīng)答時(shí)也請(qǐng)根據(jù)該特點(diǎn)的語言風(fēng)格撰寫腳本，連結(jié)角色的一致性。

還是查詢空氣質(zhì)量的例子，在第一步，設(shè)計(jì)對(duì)話邏輯的過程中，我們已經(jīng)定義了該對(duì)話可能出現(xiàn)的幾類應(yīng)答。別離是：

A1.詢問用戶想查詢哪里的空氣質(zhì)量A2.反饋沒有查到相關(guān)地區(qū)相關(guān)時(shí)間的空氣質(zhì)量A3.按照空氣質(zhì)量級(jí)另外優(yōu)劣反饋相應(yīng)提示

接下來，你只需要在對(duì)話腳本（script）文檔里，發(fā)揮你強(qiáng)大的語言天賦，進(jìn)行完型填空就可以了。

“script”有“撰寫電影腳本”的含義，而整個(gè)設(shè)計(jì)對(duì)話過程確實(shí)很像設(shè)計(jì)電影腳本，有來言有去語，通過問答的互動(dòng)形式幫手用戶完成任務(wù)。

綜上所述，設(shè)計(jì)任務(wù)導(dǎo)向型對(duì)話場(chǎng)景是一項(xiàng)關(guān)乎人類最自然的對(duì)話和AI最智能的技術(shù)結(jié)合的復(fù)雜而有趣的工作，希望這篇文章對(duì)從事語音交互產(chǎn)品設(shè)計(jì)的同學(xué)們有所幫手。

標(biāo)簽：鹽城 九江 烏魯木齊 林芝 東營(yíng)