VUI（语音交互界面）

VUI（voice user interface）指的是语音交互界面，可以实现人与设备之间的语音交互。VUI可以是任何东西，从听到声音就闪烁的灯光到汽车的娱乐控制台。VUI不需要具有具体的可视界面，它可以是完全听觉的或触觉的（例如震动）。

VUI种类繁多，比较直接的分类是根据设备类型划分。

手机VUI：常见的是连接蜂窝数据或者WiFi，配对设备；用户习惯使用语音交互；环境背景对语音交互有巨大的影响；通常会通过视觉、听觉和触觉反馈进行互动。

固定连接设备VUI：固定设备例如台式电脑、音响系统、电视、带屏幕的智能电器等等；连接有线网络或者WiFi，配对设备；用户习惯于在相同的位置使用这些设备并在习惯的基础上进行设置。

穿戴式VUI：穿戴式设备例如手表、健身带灯；连接蜂窝数据或者WiFi，配对设备；用户可能习惯于语音交互，通常依赖于连接的设备进行用户交互。

通过上述的分析，我们可以看到，每个语音识别平台都有一定的技术限制，所以在构建语音交互UX的时候，必须考虑到这些约束。拆解VUI整个过程，有可能会遇到以下的问题：

（1）语音交互发出之前：

设备是否始终连接到互联网？语音交互如何触发？

（2）语音发出的时候：

用户需不需要实时处理他们的语音？如何避免语音发出时环境造成的影响？

（3）语音发出完成后：

语音识别精度和速度之间如何平衡？目前的语言模型能够识别到什么样的程度？如果语音无法被识别，那么用户可以利用其它替代的交互方式吗？如果语音识别发生错误，导致后续的操作出现问题如何避免？

例子可以参考siri的语音识别和淘宝app的语音搜索。对着siri说，我想听音乐，siri会直接显示音乐播放库。感觉是按照关键词“音乐”搜寻的。但是对着淘宝app说，我想要红色裙子，淘宝的语音识别会直接识别为“我想要红色裙子”，会告诉“该商品不存在”。

现在语音交互VUI触发的常见类型有：

（1）语音触发：例如iphone配置的siri

（2）触觉触发：按下按钮或者切换空间

（3）动作触发：在传感器前完成某种手势动作

（4）设备自己触发：事先预定好的设置触发设备

作为设计师，设计VUI的时候就需要考虑到使用哪些触发器，以及如何反馈。VUI的反馈需要立即（声音信息在触发之后，需要尽快提示，否则操作容易被认为中断。）、简短、清晰（用户需要知道如何开始录制自己的声音）、一致（声音或者视觉的反馈提示需要一致，否则用户容易疑惑）。

以下是有助于VUI反馈的原则：

（1）实时：采用响应式的视觉效果，对声音的音高、音色、强度和持续时间给用户创建认知反馈。

（2）音频播放：播放以确认语音的解释

（3）实时文本：文本在用户说话的时候逐步显示

（4）输出文本：用户说完后，可以转换和修改文本

（5）非屏幕视觉提示：对用户的语音反馈可以多种模式，例如采用灯光等。

VUI是非常复杂的用户和设备的互动，以下是一些有用的学习资源：

如何设计语音交互界面：https://www.interaction-design.org/literature/article/how-to-design-voice-user-interfaces

什么是语音交互界面（亚马逊）：https://developer.amazon.com/zh/alexa-skills-kit/vui

语音交互的操作（谷歌）：https://developers.google.com/voice-actions/

Apple语音交互开发：https://developer.apple.com/sirikit/

语音交互指南：https://voiceui.fjordnet.com/