语音交互中的“等待体验”研究

　　回忆人机交互开展史，人类前后阅历了基于号令止的CLI 时期，基于鼠标键盘的GUI时期，基于触摸的低级NUI时期。前面每个阶段比前一个阶段更天然，进修本钱更低，综开服从更下。

　　进进AI时期，野生智能给机械带去三种才能：感知才能、认知才能、天然言语输出才能。感知才能使机械能听得懂人类言语，认知才能使机械能考虑怎样答复人类成绩，天然言语输出才能使机械能够像人类一样表达——三种才能的综开使用将人机交互带进语音交互阶段。语音交互是最天然的人机交互方法，它极年夜天低落了人们取机械交互时的进修本钱，将人机交互综开服从带上新的台阶，已成为十分主要的人机交互方法。

　　1、“等候体验”——语音交互体验的三分之一

　　糊口中人取人的对话场景，对话是由“背对圆道出一句话”、“等候对圆复兴”、“对圆给出复兴”三个阶段不竭轮回组成。此中“等候对圆复兴”是对话体验的“三分之一”，会对复兴的合意度形成间接影响。正在等候复兴阶段，假如对圆处于当真考虑的形态，会让我们以为被正视;但是，假如正在等候历程中对圆的留意力没有正在对话自己，即使对圆给出的复兴再好，我们也会意存疑虑。

　　对应到人机语音交互中的三个部门——“输进体验”、“等候体验”、“复兴体验”，“等候体验”一样处于全部体验轮回链的中心环节，正在语音交互体验中起到了承先启后的主要做用。可是，闭于语音交互中的“等候体验”正在止业还没有被体系的研讨，照旧处于恍惚形态。

　　1. 呼应工夫必然是越短越好吗?

　　数字机能办理仄台Dynatrace对用户阅读网页的止为停止了研讨，发明当网页减载速率提拔0.5秒，可增进用户正在网站的止为转化中心数据提拔10%。因而，正在网页设想战App设想中，只管收缩等候工夫是产物设想的没有懈逃供。

　　差别于基于视觉的交互，语音交互自然附带感情属性。但是，感情的体验是庞大的，它不但受服从那个单一变量的掌握。年夜大都状况下，正在糊口中人取人对话时，一个过快的答复会给用户带去沉浮感战抢话感，而一个过缓的答复会给用户带去缓慢感战痴顽感。

　　那末，正在语音交互中，终究甚么样的呼应工夫能有最好的体验呢?呼应工夫的体验趋向是如何的呢?

　　2. 等候体验受哪些变量的影响?

　　正在视觉设想范畴，当设想页里的loading态时，为低落用户的跳出率，设想师经常会经由过程给出进度条，或接纳兴趣性的感情化设想去消弭用户的没有安感情。

　　可是正在语音交互范畴，语音的启载体是无形的，或没有肯定形状的，我们以至出有启载loading态的界里。正在那种状况劣等待体验又受哪些变量影响呢?影响的水平如何呢?综上，能够道正在语音交互范畴，等候体验固然主要，但今朝还是“一团迷雾”。鉴于此，我们以今朝语音交互的次要载体——智能音箱产物为例，对AI产物中的等候体验成绩停止专题研讨。

　　2、智能音箱的等候体验研讨

　　今朝的智能音箱，次要接纳先语音叫醒后输进指令的语音交互流程。鉴于此，我们能够将智能音箱的利用历程分为两个次要阶段：

　　1)叫醒阶段：用户经由过程指定的叫醒词将音箱从等候态转换为停当态，音箱被叫醒后才能够领受用户的语音指令。2)用户恳求及反应阶段：用户给出语音指令内容和智能音箱反应成果满意用户的需供。

　　针对那两个阶段，我们前后经由过程以下三个尝试停止研讨。

　　尝试一：叫醒阶段的呼应工夫对等候体验的影响;尝试两：用户恳求及反应阶段的呼应工夫对等候体验的影响;尝试三：视觉、声音等差别反应方法对等候体验的影响。

　　上面我们对每一个尝试的结论停止一一胪陈：

　　尝试一：叫醒阶段的呼应工夫对等候体验的影响

　　为了片面考查叫醒阶段各类果素对等候体验的影响，正在尝试中，我们为用户供给了差别叫醒呼应工夫战差别叫醒反应方法的智能音箱。用户完成尝试使命后，需求对音箱的叫醒呼应速率停止评价(5面量表：太快了，承受没有了;有面快，可以承受;方才好;有面缓，可以承受;太缓了，承受没有了)。

　　尝试一的成果表白最好的叫醒呼应工夫取叫醒反应方法有闭，差别叫醒反应方法下，最好呼应工夫差别：

　　1)当叫醒反应为"灯光"反应时，叫醒呼应速率越快越好，正在200ms时，用户呼应温馨度最下(对呼应工夫评价为方才好的用户比例)，73%的用户对速率合意。2)当叫醒反应为"灯光+音效"时，叫醒呼应速率的温馨工夫为300ms阁下，76%的用户对速率合意。3)当叫醒反应为"灯光+人声"时，叫醒呼应速率的温馨工夫为500ms阁下，74%的用户对速率合意。

　　(留意：本次尝试设置了市情上支流的三种叫醒反应方法：灯光、灯光+音效、灯光+人声，以给差别反应状况的呼应工夫感触感染做参考，但对最劣反应方法，除呼应工夫借受其他果素影响，将另着篇章讨论。)

　　尝试两：用户恳求及反应阶段呼应工夫对等候体验的影响

　　因为用户恳求及反应阶段的呼应正在手艺真现战用户预期上，取叫醒阶段的呼应存正在差别，因而我们经由过程第两个尝试对用户恳求及反应阶段的最好呼应工夫范畴停止研讨。正在尝试中，我们为用户供给了差别呼应工夫设置的智能音箱。

　　尝试两的次要研讨发明：1)1250ms之内是用户以为呼应速率较劣的区间，此中650ms为最好体验值。正在450ms时，大批用户以为呼应速率太快了，用户会觉得到松迫感战压力，易以承受。2)正在1450ms时，有53%的用户开端觉得呼应有延时，但仍可以承受。3)从2150ms开端，有20%的用户以为音箱呼应太缓，不克不及够承受。我们以为20%的用户没有合意，曾经不敷以被称为一个优良的产物。

　　尝试三：视觉、声音等差别反应方法对等候体验的影响

　　因为今朝市场上的智能音箱正在恳求反应阶段的呼应工夫遍及正在1.5秒以上，并出有到达尝试两研讨的幻想呼应区间。因而，我们经由过程尝试三进一步研讨反应方法设想对用户呼应速率感知的影响，我们为用户供给了五组具有差别反应方法设想的计划。

　　正在尝试三的五组计划中，每组计划别离停止了差别呼应工夫设置。

　　尝试三的次要研讨发明，差别反应方法设想会影响人们对音箱呼应速率的感知：

　　1)1250ms之内，计划D感触感染较好，人声反应会发生抢话的感触感染，部门用户以为音箱呼应太快。

　　2)1350ms到2150ms，计划D、E感知温馨的用户比例较下，参加人声/音效后，如计划D的语音应对“好的”，有助于减缓用户提早感触感染，提拔速率感知体验。

　　3)正在3150ms及以上的呼应工夫，呼应方法设想对减缓延时的做用曾经没有较着，该当只管制止此类状况发作。

　　别的，尝试三借发明呼应速率预期取用户性别、使命范例有闭。取男性比拟，女性用户对呼应工夫容忍度更低，她们最少正在音箱无反应时能够容忍的均匀呼应工夫少度低于男性，即她们期望正在更短的工夫内获得音箱的呼应反应。

　　取音乐类、问问类等使命比拟，用户对掌握类使命的呼应工夫容忍度更低，用户期望正在掌握类使命中有愈加实时的呼应反应。

　　3、小结

　　本文针对语音交互中的等候体验停止了会商，并以智能音箱为例，重面对叫醒阶段战恳求反应阶段的呼应工夫战反应方法停止了人类工效教尝试研讨。因为尝试设定的前提战样本数目等限定果素，尝试研讨结论能够不克不及代表一切智能音箱用户正在家居情况的局部感触感染，但期望经由过程我们的研讨战探究，能够指点野生智能语音对话产物呼应工夫战反应方法的设想，协助挨制天然战极致的语音对话体验。