浅谈智能语音技术在家庭数字娱乐系统的设计与实现

任俊恒

摘要：隨着家庭智能产品逐渐实现互联互通，传统的单一产品设计思路已经不能应对这样一个完善的系统和新兴的用户需求。物联网、语音识别、云计算等技术的发展为家庭数字娱乐系统带来新的发展机会和感官体验。本文对一种以智能语音技术的个性化的家庭智能语音数字娱乐系统进行相关的理论和设计研究。

关键词：家庭数字娱乐系统;语音交互;服务设计;物联网

一、智能语音技术在家庭数字娱乐系统的设计原则

1.1以目标用户的需求为中心的原则

在进行服务系统设计时始终以目标用户的需求为导向，满足用户的不同需求，除了满足用户的基本需求外，还要强调目标用户的多层次需求，注重实现人的价值，将情感、心理等人性化的概念融入到设计中去。在智能语音系统的服务设计研究中，主要从满足不同家庭角色需求各异的角度去探讨多需求共存的问题。在家庭数字娱乐系统的智能语音服务设计研宂中，运用以目标用户的需求为中心的原则意在通过前期目标用户研究，将用户需求转化为产品和服务的功能要素。在智能语音服务中，将用户在语音输入、语音修正、等待处理以及语音输出阶段的服务触点进行细化，优化每个服务触点的质量，满足用户多层次的需求。

1.2聚散重构式系统性原则

在进行服务设计时，从整体全局视角出发，综合考虑人、服务和环境等要素以及各要素之间的相互关系，进而合理地规划系统内各要素之间的组合顺序、配合程度，最终能够最大限度地发挥整体服务系统性能。聚散重构式系统创新是指在系统创新基础上对智能语音服务中散落的问题点，以及服务系统中可能涉及到的诸多利益相关者进行分析，并重新建立任务关系模型。

1.3多方协作式原则

在设计研究阶段，通过对目标用户的研究分析，将用户对智能语音服务的使用行为、体验痛点以及期待传达给设计团队、技术人员或客服。在设计完成阶段，邀请用户进行体验，对体验较差的触点进行优化后再上线，避免造成损失。在产品和服务上线后，用户可以通过产品内部的反馈功能将使用体验及时反馈给工作人员。多方协作的创新方式将用户与设计团队连接一起，设计团队能够挖掘用户真实的需求，并为用户提供更好的服务，实现服务价值最大化。

二、家庭数字娱乐系统中智能语音相关技术介绍

智能语音技术涉及到多个学科的知识，如声学、认知、模式识别、人工智能技术等。智能语音的系统框架包含5个模块，如图1所示。语音识别模块负责接受用户的语音输入并且将其转成文字交给自然语言理解模块。自然语言理解模块在理解了用户输入的语义之后将特定的表达输入对话管理模块中。对话管理模块负责协调各个模块的调用以及维护当前对话状态，并将特定的回复方式交由自然语言生成模块进行处理。自然语言生成模块生成特定回复文本输入语音合成模块。语音合成模块负责将文字以语音的方式输出给用户。

三、家庭数字娱乐智能语音应用的系统设计

3.1语音为主、视觉为辅的多模态设计

目前，界面交互设计覆盖大多数人机交互场景，视觉信息辅助用户完成系列任务。在语音识别、语音合成技术尚未成熟阶段，完全依赖于语音交互却可能给用户带来困扰。语音交互设计剥离了界面设计，摒弃传统的界面信息指示、引导，对用户和设计师都是巨大的挑战。用户和产品的语音交互行为主要基于语音进行信息的输入输出，语音信息具有瞬态即时性，复杂的语音信息输出会增加用户心理认知负荷。例如，通过智能音箱购买电影票时，用户需要对电影院地理位置、影院音效、商场环境、电影放映时间、座位位置等因素进行综合考虑，语音助手完成任务的链路较长，用户瞬时记忆能力很难完成订票服务。3.2基于用户使用场景的设计

随着物联网技术以及智能硬件的不断发展，智慧家居已经逐渐走入人们的视野，家电从冷冰冰的个体演变成了智慧的系统。语音交互为智能家居系统带来更方便、更生动的交互方式。从空间属性上可将智慧家居可分为私密空间（卧室场景）、开放空间（客厅场景）和协作空间（厨房场景）三类场景。用户在不同的细分场景下对产品需求各不相同，产品需要提供不同的业务逻辑匹配用户的场景需求。在开放空间，家庭数字娱乐产品承载着公共互娱的功能属性，如播放音乐、控制智能家居。产品可根据周围环境的嘈杂程度自适应调整语音输出的响度，以确保用户能够接收到语音信息。开放空间无关的语音信息较多，产品要能够屏蔽过滤掉杂音，给予用户正确的反馈。

3.2合理进行界面交互设计

在界面交互设计中，设计师通过视觉设计确保图形、色彩、字体等元素保持一致性，准确地将产品概念传达给用户。相比于有形的界面设计元素，语音交互设计元素趋向于无形。响度、音色、音调、节奏等元素成为语音交互设计的材料。每个人说话的语气、咬字、节奏都是独特的，甚至成为个性标签。语速快、音色脆给人年轻活泼的印象，语速慢、响度低给人沉稳可靠的感觉。家庭数字娱乐产品给人有趣、轻松、智能的印象，产品语音交互设计需传达一致的听觉形象。在语音形象设计中，需要刻画产品的拟人画像，其听觉形象需要与产品功能属性保持一致，将语音信息人性化地传达给用户。

3.3 多轮对话的互动性设计

语音交互因其与人类会话方式类似而被认为是自然交互，因此语音交互也遵循着人类合作式会话的原则。哲学家保罗？格里斯认为，轮流表达、上下文和串联是合作式会话的组成部分，即合作原则。语音交互应当预判和推测用户下一步的语音指令和上下语境关系，以保证用户和产品轮流表达，传递信息。在家居环境中，远场语音交互容易分散用户注意力，对话应该通过关键的语料元素给用户精准的语音提示或设备响应。这种串联式表达能够推进会话进程，将上下语境内容融合在一起。在人类日常对话中，经常略去前文的主语或者宾语，智能硬件在多轮互动中联系上下语境、读取用户的历史行为记录以便更好的理解用户。

四、结束语

随着物联网、云计算等计算机技术的发展，家庭数字娱乐产品之间的互联互通成为可能。对于家庭数字娱乐系统，现阶段发展的最大瓶颈在于行业之间尚未形成统一的通信标准。在未来智能语音技术在家庭数字娱乐系统的发展实践中，相关应用程序将针对不同的用户以及用户多样化的需求越来越完善，使用户的使用体验更加的人性化和智能化。

参考文献：

[1] 人机语音交互存在的问题研究[J].叶子.科技传播.2018（01）

[2] 移动智能终端的语音交互设计原则初探[J].高峰，郁朝阳.工业设计研究.2019（00）

[3] 数字娱乐产品中的自然交互方式研究[D].谭慧.江南大学2018（11）

（作者单位：深圳智明创展电子有限公司）