本文來自微信公眾號(hào)“不客觀實(shí)驗(yàn)室”，【作者】唐健博。
語音交互正在成為我們生活中的一部分。
十年前，如果讓你開口和手機(jī)對(duì)話。你會(huì)覺得非常違和。
十年后，我們現(xiàn)在每天都會(huì)對(duì)著手機(jī)講話，而且是和它交流的那種。
其實(shí)五年前我接觸過一個(gè)新產(chǎn)品，全智能電飯煲，產(chǎn)品方稱用戶可以與電飯煲對(duì)話，告訴它什么時(shí)候煮好飯。我當(dāng)時(shí)腦子里出現(xiàn)過一萬個(gè)疑問，“它煮飯，誰放米？”“我為什么要和一個(gè)電飯煲說話？”“我瘋了吧我”......
使用豆包AI生成，提示詞：人類、語音、電飯煲、人工智能、對(duì)話
換到今天，雖然交互會(huì)有一些差異，但我已經(jīng)習(xí)慣了在家叫智能音箱開電視、設(shè)置掃地機(jī)器人工作時(shí)間。你不得不承認(rèn)，當(dāng)年4G的滾滾洪流來臨時(shí)，主打發(fā)送語音的微信抓住了移動(dòng)互聯(lián)網(wǎng)的紅利，但飛信卻在那之后沒落，是有原因的。
小拇指的手繭見證了一次人與手機(jī)交互方式的轉(zhuǎn)變，語音則是在努力搶奪人機(jī)交互方式的話語權(quán)。
從鍵盤到觸屏，再跳出屏幕
在iPhone風(fēng)靡全球之前，市場(chǎng)上并不缺乏觸屏手機(jī)。
Nokia、Motorola、BlackBerry等等企業(yè)將實(shí)體按鍵的手機(jī)做得登峰造極，也鑄就了手機(jī)歷史上最璀璨的一個(gè)篇章。
精密的實(shí)體按鍵是手機(jī)的標(biāo)配。實(shí)體按鍵無疑有著非常明顯的優(yōu)勢(shì)：精確、可盲打、可替換。這些優(yōu)勢(shì)如今依然在其它設(shè)備上有所體現(xiàn)。即使現(xiàn)在的品牌試圖將手機(jī)打造成純粹的unibody的產(chǎn)品，也跳不出實(shí)體按鍵的束縛。
只是蘋果將觸屏的優(yōu)點(diǎn)無限放大，為它匹配了自然的操作邏輯——左滑右滑上滑下滑，當(dāng)然你也可以點(diǎn)擊，甚至向屏幕下重重地按下去。蘋果為這塊觸摸屏賦予了符合直覺的、豐富的操作方式。
盡管大家都覺得iPhone是觸屏手機(jī)的開創(chuàng)者，但它花了近3年時(shí)間優(yōu)化系統(tǒng)，讓這個(gè)彼時(shí)的異類更加好用。
某種程度上來說，人類是懶惰的，科技的發(fā)展也促使人類更加懶惰。因此用戶自然會(huì)選擇省力的、不費(fèi)腦子的那條路——就跟如今短視頻如此風(fēng)靡一樣。
站在交互邏輯的角度，觸屏跳脫出了硬件固定的位置，讓手指可以隨心所欲地在屏幕上進(jìn)行操作。就像PC時(shí)代，鼠標(biāo)剛出現(xiàn)時(shí)，用戶能夠完成“所見即所得”的操作一樣。而軟件所需要做的，就是為這塊屏幕匹配一個(gè)合理的操作UI。
屏幕越來越大，則是另一個(gè)趨勢(shì)。人們總是會(huì)追求更大的屏幕，甚至更多的屏幕。凱文凱利在他的著作《必然》當(dāng)中提到過“屏讀”，即任意表面都可以是屏幕，屏幕會(huì)越來越多?，F(xiàn)在來看，預(yù)言正在成真。
充斥于我們生活里的科技產(chǎn)品，屏幕越來越多，就連智能汽車也在比拼誰的屏幕大、誰的屏幕多。于是到這里新的問題出現(xiàn)了，當(dāng)屏幕越來越多、越來越大的時(shí)候，我們應(yīng)該如何與它們進(jìn)行交互？
烽煙傳訊，聲音遠(yuǎn)控
人與屏幕的交互范圍受人體影響，即你的手掌有多大，就能覆蓋多大面積的手機(jī)屏幕——喬布斯曾說手機(jī)的黃金尺寸是3.5英寸不是沒有道理，那是正常人手掌尺寸能覆蓋整個(gè)屏幕的大小。
在真實(shí)場(chǎng)景中，手臂與屏幕的距離也決定你是否能直接進(jìn)行操作。雖然你與電視能夠用遙控器進(jìn)行操作，但智能音箱不可能都配上一個(gè)遙控器。
遠(yuǎn)距離通信，古代有烽煙傳訊，今天有智能語音，尤其是AI時(shí)代。
語音交互的優(yōu)點(diǎn)顯而易見。你在家可以聲控智能家居，上車可以聲控智能汽車，躺在床上，你也可以向手機(jī)發(fā)出一堆語音指令。這符合科技發(fā)展規(guī)律，畢竟人就是這樣變懶的。
其次，語音對(duì)話是最基本的交流方式。文字出現(xiàn)之前，人類就有了豐富的語言系統(tǒng)。在即時(shí)通訊軟件高度發(fā)展的今天，你甚至可以不懂打字就能和千里之外的親戚朋友聊天。
過去我們之所以會(huì)覺得與手機(jī)“對(duì)話”奇怪，是由于沒有對(duì)象感。但是今天，即時(shí)通訊軟件讓我們習(xí)慣了對(duì)著手機(jī)發(fā)出對(duì)話信息，如ChatGPT一樣的AI語音助手又發(fā)展出了聊天技能，人與手機(jī)進(jìn)行對(duì)話已經(jīng)成為了現(xiàn)實(shí)。
從技術(shù)的角度來說，加入AI的自然語義識(shí)別正逐漸變得更加擬人化，AI語音助手能夠接收、結(jié)合背景、分析你所說的全部話語，并給出相應(yīng)的答案。隨著技術(shù)的進(jìn)步，端側(cè)運(yùn)算能力增強(qiáng)，從語音指令發(fā)出再到設(shè)備給出答案，時(shí)間間隔將會(huì)越來越小，無限接近人與人的自然對(duì)話。
這樣才不會(huì)出現(xiàn)你在發(fā)布會(huì)上，對(duì)著電腦喊計(jì)算表格，半天出不來結(jié)果的情況。
語音，最低成本的交互方式
語音交互技術(shù)其實(shí)已經(jīng)有了數(shù)十年的發(fā)展歷史，從簡(jiǎn)單的單詞識(shí)別到現(xiàn)在的復(fù)雜語境識(shí)別，甚至做出推測(cè)，從技術(shù)角度來看，語音已經(jīng)做好了登上前臺(tái)的準(zhǔn)備。
而對(duì)于用戶來說，語音是最低成本的交互方式。它符合直覺，即時(shí)響應(yīng)，沒有學(xué)習(xí)門檻。在人機(jī)交互領(lǐng)域，它也能實(shí)現(xiàn)跨設(shè)備、跨系統(tǒng)、跨距離的交互，幾乎無處不在。
在AI時(shí)代真正來臨前，德勤就已經(jīng)發(fā)布過《德勤交互式人工智能白皮書：交互式人工智能正在重塑人機(jī)交互》，報(bào)告中稱“隨著技術(shù)的進(jìn)一步發(fā)展，預(yù)計(jì)語音交互將在更多領(lǐng)域展現(xiàn)其價(jià)值，成為人機(jī)交互的重要方式”。
邁過了對(duì)話違和感、技術(shù)門檻以及普及率三大關(guān)之后，語音交互無疑具有極大的潛力，去改變我們與設(shè)備、機(jī)器交互的方式，尤其是手機(jī)。蘋果從Siri到Apple Intelligence描繪出了一張碩大的AI Phone藍(lán)圖，而另一邊國(guó)產(chǎn)廠商也在奮起追趕，HarmonyOS NEXT、ColorOS 15、OriginOS 5等等系統(tǒng)，都將推出屬于更好用的AI語音助手和聊天機(jī)器人。
從鍵盤到觸屏，再到跨空間的高效語音交互，人機(jī)交互的時(shí)代即將翻篇。
而我在這一頁的最后，依舊用文字詢問了ChatGPT和豆包，它們認(rèn)為語音是否能成為AI時(shí)代的主流交互方式，它們都給出了肯定的答案。
