语音交互

关于语音适配

由于车机的特殊性，语音是车机上一个非常强的需求。快应用在车机上新增了语音能力，支持可见即可说和NLP两种使用模式，可以让用户通过语音使用快应用的各种功能。

可见即可说

是指在快应用内，在支持语音控制的页面元素上增加语音标签。语音标签可以是多个词条或者一个序号。只要用户的语音指令匹配到语音标签，就可以完成页面元素的操作（如点击）。

NLP（自然语言处理）

是指用户可以使用语音自由的表达意图，由语音引擎理解意图（如听歌、导航）和关键信息（如歌名、地址），转给给快应用处理并输出反馈。NLP与可见即可说的区别是，用户的表达方式更灵活，并且不需要与页面元素对应。

为了引导用户通过语音使用快应用，快应用需要在适当的时候提供一些使用建议，比如在应用启动时通过tts语音播报“可以通过语音查天气，试试说今天的天气怎么样”，提示用户语音操作的用法。

一、产品标准

可见即可说

1. 应用场景

• 通常应用在交互行为比较简单的场景，如导航、音乐、电台。对于购物、购票等复杂交互场景，实现良好体验的难度更大；
• 为了实现完整一致的语音使用体验，应用内的所有可响应页面元素都应该支持可见即可说；
• 为了提供良好的语音体验，所有语音响应都应该提供语音回复。语音回复需要信息明确，文字简短。

2. 列表设计原则

• 列表项需要支持序号控制，如歌曲列表页面，需要支持“第*首”选择歌曲；
• 列表项中的文字内容可以配置成词条，如歌曲列表页面，需要支持“歌曲名称”选择歌曲；
• 如果在语音标签中配置了序号（vindex），需要在界面上为特定元素增加序号标识，便于用户用语音控制。

下图是一个歌曲列表示例，配置了序号和文字内容的语音支持，可以通过“第x首”和歌名“稻香”来播放歌曲。每项都有序号标识，方便用户说出“第x首”。

3. 词条设置规则

• 为了减少语音误识别，词条的字数最好在3个字以上，6个字以下。词条可以是名词或者动词+名次的结构，如“菜单”按钮可以配成“菜单”、“打开菜单”、“看看菜单”多个词条；
• 词条需要口语化，贴近用户的常用说法。最好配置多个，能尽可能照顾多种说法。

NLP自然语言交互

1. 应用场景

NLP不局限于页面内容，可以识别用户意图和关键信息，功能更强大，因而理论上可以使用在几乎所有场景。但是NLP的支持难度也更大，需要按照每个场景做针对性的开发，所以实际上只能在部分支持的场景下使用。目前快应用支持音乐和交互两个场景。

2. 设计原则

NLP需要基于场景和应用进行针对性设计。可基于产品方案，联系我们进行细化设计讨论。

二、举例参考

可见即可说示例

NLP应用示意

通过语音识别用户的意图和关键信息，提供相对应的服务。NLP不局限于当前页面上的内容，可以直达应用内的任何页面，提供服务。

例如用户在应用内任意页面说“东风你好，我还是听新闻吧”，则直接跳转对应新闻分类落地页，此时用户可以继续说“东风你好，不看新闻了，我要听曾国藩家书”，则跳转至对应专辑页并开始播放。