替换语音助手,语音助手开发语言( 四 ) _为什么语音只能一个软件用

嗯，这可能有很多原因。一个原因是，当前的语音助手模式可能是他们从终端用户那里获得的数据的最佳方式。另一个原因与他们的语音技术构建方式有关。
良好的语音用户界面需要两个不同的部分：
将语音转换为文本的语音识别；从文本中提取意义的自然语言理解组件。第二部分是将“关掉客厅的灯”和“请把客厅的灯关掉”这两句话变成同样操作的魔法。
如果您曾经使用过带有显示器的语音助手（如Siri或谷歌 Assistant），你可能会注意到，你几乎是实时地获得文本记录，但在您停止说话后，系统需要几秒钟才能真正执行你所要求的操作。这是由于语音识别和自然语言理解是依次发生的。
让我们看看如何改变这一点。
四、实时口语理解：提高语音命令效率的秘诀应用程序对用户输入的响应速度是影响应用程序总体用户体验的一个主要因素。第一代iPhone最重要的创新是它反应灵敏的触摸屏。语音用户界面对语音输入及时反应的能力同样重要。
为了在用户和用户界面之间建立快速的双向信息交换循环，每当用户说一些可操作的事情时，启用语音的GUI应该能够立即做出反应——即使是在句子中间。这需要一种称为流式口语理解的技术。

文章插图
实时视觉反馈需要一个完全流式语音API，不仅可以实时返回对话记录，还可以实时返回用户意图和实体。(图片来源：作者)
传统的基于回合的语音助手系统在处理用户请求之前会等待用户停止说话，与之相反，使用流式语音理解的系统从用户开始说话的那一刻起就积极尝试理解用户意图。一旦用户说了一些可操作的事情，用户界面就会立即做出反应。

文章插图
即时响应立即验证系统正在理解用户，并鼓励用户继续。这类似于人与人之间沟通中的点头或简短的“嗯” 。这就能支持进行更长、更复杂的话语。另外，如果系统不理解用户或用户出现错误，即时反馈可以实现快速恢复。用户可以立即纠正并继续，甚至口头纠正自己：“我想要这个，不，我的意思是，我想要那个。”
实时视觉反馈使用户能够自然地纠正自己，并鼓励他们继续语音体验。由于他们不会被虚拟角色弄糊涂，它们可以以类似于错别字的方式与可能的错误联系起来，而不是个人侮辱。这种体验更快、更自然，因为提供给用户的信息不受每分钟约150字的典型语音速率的限制。
五、结论虽然到目前为止，语音助手一直是语音用户界面最常用的用途，但使用自然语言响应使其效率低下且不自然。语音是输入信息的一种很好的方式，但听机器说话并不是直达人心。这是语音助手的大问题。
因此，语音的未来不应该在于与计算机的对话，而应该是用最自然的交流方式——语音，来取代繁琐的用户任务。直接语音交互可用于改善Web或移动应用程序中的表单填写体验，创建更好的搜索体验，以及实现更高效的应用程序控制或导航方式。
设计师和应用程序开发人员一直在寻找减少应用程序或网站摩擦的方法。使用语音模式增强当前的图形用户界面将使用户交互速度提高数倍，特别是在某些情况下，例如当终端用户在移动设备上和旅途中以及打字困难时。事实上，即使使用台式计算机，语音搜索也比传统的搜索过滤用户界面快五倍。
下次，当您考虑如何使应用程序中的特定用户任务更易于使用、更愉快或有兴趣增加转换时，请考虑是否可以用自然语言准确描述该用户任务。如果是，请使用语音模式补充您的用户界面，但不要强迫用户与计算机对话。