一起聊聊,智慧座艙語音互動的發展現狀和趨勢

在功能層上進行合理佈局、給予使用者完善的互動體驗,是幾乎所有產品都需要遵循的一個原則,智慧座艙產品也不例外。那麼智慧座艙的語音互動功能,包括哪些組成環節?本篇文章裡,作者針對智慧座艙的語音互動設計及發展做了解讀,一起來看。

一起聊聊,智慧座艙語音互動的發展現狀和趨勢

之前有車企的負責人諮詢當前智慧座艙語音互動的現狀和發展趨勢,筆者藉此做個簡單的總結和歸納,以下內容將分為語音互動的喚醒、聆聽、理解、播報4個部分。

一、喚醒

1. 聲源定位從雙音區發展到四音區

使用聲源定位的目的主要有兩個,第一個目的是知道是誰在說話並提供個性化服務,例如副駕說“開啟窗戶”,這時只有副駕的窗戶會被開啟;第二個目的是實現定向拾音,由於車內外環境的噪音較大,同時乘客之間的討論和回聲會影響語音互動的拾音質量,因此聲源定位能讓麥克風陣列鎖住某個方向的聲音。

雙音區的意思是將座艙分為左側和右側,無法識別是駕駛員還是後排左側的乘客說話,因此侷限性較大。四音區可以將座艙區分為駕駛員、副駕、後排左側和後排右側四個區域,能較好地解決雙音區的問題。

以下是騰訊騰訊AI Lab總結的各種車載麥克風陣列分佈形式,及其優缺點 。

一起聊聊,智慧座艙語音互動的發展現狀和趨勢

2. 語音互動支援One-Shot

部分語音技術供應商支援“One-Shot”技術,這也被稱為“喚醒連說”。它的意思是“喚醒詞+意圖識別”一體化,支援使用者可以在說出喚醒詞之後不作停頓,立刻說出後續需求。

例如使用者直接說“Alexa幫我開啟車窗”,Alexa就能直接把車窗開啟。這種方式摒棄傳統的一問一答的形式,極大減少使用者語音操控的步驟,化繁為簡,操作簡便。“One-Shot”不會改變語音互動設計的任何邏輯,但它能明顯提升使用時的體驗。

3. 語音互動支援喚醒詞+離線意圖識別

離線識別就是為了解決訊號不好導致指令無法執行的問題。為了控制硬體成本和體積大小,客戶端的算力遠不如雲端,其次核心演算法放在本地有被競爭對手盜取機密的可能,所以我們不可能將所有的識別技術放在本地進行。

一般離線識別主要服務於常用簡單的指令,例如“開啟車窗”、“調節溫度”等等,它們會透過正則表示式獲取關鍵詞,匹配指令後執行。

4. 語音互動支援免喚醒指令

部分語音技術供應商支援“免喚醒”技術,例如省略“Alexa”直接說“開啟車窗”,車窗會直接開啟。

其實“免喚醒”正是用了喚醒詞技術,只不過把預設喚醒詞改為指令,新的喚醒詞被命中後會直接執行相關指令。

但是,我們不能把所有的指令設定為免喚醒,首先喚醒詞識別有自己的侷限性,不是所有的文字都能被正確識別,其次,越多的喚醒詞意味著被誤喚醒的機率越高。使用者對其他乘客說開啟車窗時,語音系統會誤以為使用者對自己發出的指令從而執行了相關操作。所以“免喚醒”要慎用。

5. 語音互動支援多模喚醒

語音互動喚醒方式除了常見的喚醒詞和方向盤按鍵,姿態追蹤和眼動追蹤在未來有可能成為語音互動喚醒的新方式。

在人和人的交流過程中,當A轉向並看著B時,B大機率知道A要發起交流,而且A也不會先說:“你好,B”,除非兩者關係較差或者場景比較微妙。

在人機交流過程中應該滿足以上場景,如果智慧座艙中擁有一個實體機器人或者在螢幕裡有較大面積能顯示一個語音助手,我們可以透過使用者頭部姿態的轉向和注視時長判斷使用者是否想和語音助手發起交流,使用者也有可能向語音助手揮手,以上動作觸發後語音助手應該啟用並開始聆聽。

有讀者可能會問,為什麼要做這麼多方式來喚醒語音助手?

因為自然互動和多模互動有個特點就是要考慮冗餘的設計,使用者在不同場景下有可能採用不同的方式向語音助手發起互動,例如在上車場景時使用者心情較好確實有可能向語音助手揮手Say Hi,如果語音助手沒有任何動靜,使用者的心情有可能受到打擊;還有另外一個例子是小孩的交流方式是多樣的,語音助手應該有相應的配合。

眼動追蹤在未來有可能成為一種喚醒方式,當用戶看向哪個地方併發起語音互動時,這時使用者眼睛看向的地方會成為語音指令中的主語,例如儀表盤上突然出現一個紅色圖示,使用者有可能看著它直接問這是什麼意思?這時語音助手可以做相應的解答。

二、聆聽

1. 全雙工語音互動成為主流

持續監聽可以理解為一旦喚醒語音助手,語音助手會把麥克風一直開啟。使用者可以一直說,語音助手會針對使用者每一句話分別作出響應。

但是持續監聽的體驗依然存在很多問題,因為麥克風一直開啟,語音助手會把所有的聲音進行聆聽並做出響應。假設上一輪對話未結束,這時候語音助手聽到其他人說的話,誤以為這是新的語音任務,會把上一輪對話直接結束並播報新的內容。

還有些具備持續監聽能力的語音助手一旦聽到其他聲音會立刻停止播報,這對使用者來說無疑是一種斷斷續續的體驗,效果可能比單輪互動、多輪互動還要差。

目前很多車廠已經宣稱自己的車配備了全雙工語音互動技術,相比簡單地把麥克風開啟,全雙工語音互動不會像持續監聽一樣容易被噪音打斷整個對話過程。要實現以上效果,全雙工語音互動需要擁有更強的抗噪能力和上下文理解能力,它能理解每一句噪音是否跟當前任務有關,並且能猜測當前任務下一輪對話是什麼,這對於技術的要求非常高。

全雙工語音互動可以簡單地理解為真正的“邊聽邊說”,使用者一旦習慣了全雙工語音互動,就很難回到以上單輪互動、多輪互動和持續監聽三種互動模式,因為它們都不是自然的互動方式。

2. ASR支援自動校正

筆者發現以前自己在手機地圖使用語音輸入,它會根據你的口音、地理位置和歷史記錄等因素進行ASR的校正,以及將ASR中出現一些同音字、二義性詞以及使用者發音不標準或者說錯的字詞進行校正。

百度地圖、高德地圖的手機地圖做得好的原因是地圖是用了自己的語音互動系統,以及十多年的地圖資料積累,但是車載地圖的語音互動系統有可能採用的是思必馳、科大訊飛等供應商,在ASR校正時缺乏地圖資料的校驗導致識別準確率較低,這個問題的解決需要多個供應商一起配合才能較好地解決。

3. 聲紋識別在未來有一定作用

聲紋識別在聆聽過程中能有效區分不同人正在說的話,對於上下文理解有一定的幫助,而且根據應用場景為車內駕乘人員提供差別化服務,但目前有可能因為技術仍未成熟暫未看到有車企使用了聲紋識別技術,在未來有一定的發展空間。

三、理解

1. 支援一句話包含多個任務的理解

這是一項體現語音互動高效率的重要特性。一般來說GUI完成一項任務需要分幾個步驟,語音互動可以一句話就搞定,在導航場景下使用者可以說“我想去廣州機場,途中先去趟超市和充電站”,語音互動可以幫助使用者一次性設定三項途經點,效率提升了不少。手機百度地圖在幾年前已率先支援該能力。

2. Shortcuts成為基礎能力

iOS應用Shortcuts允許使用者設定多個指令,然後命名為一條語音指令,使用者只要對Siri說出這條語音指令就能把相關指令按順序執行。小鵬汽車在2020年已經支援了Shortcuts功能。

3. VUI和GUI融合將成為系統底層設計

小鵬汽車在2020年釋出的全場景語音互動正是將語音互動和GUI進行深度打通,它能有效實現語音互動直接控制GUI上的控制元件和元件,極大提升了駕駛員對於系統控制的效率。

四、播報

1. 讓播報音色更擬人

當前大部分語音助手在播報時語氣沒有任何變化,而且音色機械感強,實現語音助手的擬人化播報將有效提升語音助手的情感表達。小鵬汽車在2021年7月份新推出的小P版本聲稱具備愉快、溫和、親熱等14種強烈情緒的變換能力,而且在微軟MOS(Mean Opinion Score)語音質量評測中獲得了4。49的高分(滿分為5分,分數越高越接近真實人聲)。

音色自定義也是一個可見得著的趨勢,2019年百度地圖推出了地圖語音定製產品,使用者只需在百度地圖App上錄製20句話,20分鐘左右即可生成個人完整語音包,21年億咖通攜手百度Apollo定製新一代智慧座艙系統也包含了相關功能。

2. TTS個性化播報

除了音色可以提升情感表達,根據場景定製TTS文字也能有效提升語音助手的情感表達。

舉個例子,語音助手和所有使用者對話過程中都會用“你”字,“不好意思我聽不懂你能再說一遍嗎”、“請問有什麼可以幫你的呢”……如果將“你”字改為名字和暱稱,這時表達和使用者的感受會發生新的變化,因為使用者知道語音助手知道自己是誰,這有可能會加強使用者對語音助手的信任感;第二說名字和暱稱更能體現親切感,就跟朋友聊天的時候不會天天用“你”字。

再舉個例子,當用戶上車時語音助手會根據不同的上車順序和使用者身份一一打招呼,例如“Hi,奶奶(年老的婦女,坐在後排左側)、小明(駕駛員)、小紅(小孩,坐在後排右側)”,這比語音助手只跟駕駛員打招呼親切得多,而且能體現出這個語音助手是智慧且懂禮貌的。

以上例子看起來是在TTS文案上進行最佳化,背後其實採用了一系列空間資訊、身份理解以及性別、年齡預測等技術。以上技術都已成熟,雖然這看起來使用了大量技術而且最後呈現的結果僅僅是文案的變化,但筆者認為它們對於語音助手的情感化和個性化有質的提升。

最後,除了語音互動,基於聲音的創新也在不斷髮展當中。由於駕駛員在駕駛過程很難看到背後的事物,但聽覺能接收並感知來自360°的資訊,因此在不同位置播放音效能有效對駕駛員進行預警和提示,提升駕駛員的空間感知能力。

除了空間上的預警提醒,娛樂和體驗也是智慧座艙重點關注物件,7。1聲道以及7。1。4聲道音響能為乘客帶來不一樣的感官體驗,因為聲音可以在空間中流動起來,這時電動汽車可以在7。1聲道的基礎上重新設計引擎聲浪系統,也可以配合主動式氛圍燈做更多空間上的渲染。

專欄作家

薛志榮,微信公眾號:薛志榮,人人都是產品經理專欄作家。暢銷書《AI改變設計-人工智慧時代的設計師生存手冊》作者,全棧開發者,專注於互動設計和人工智慧設計。

本文原創釋出於人人都是產品經理。未經許可,禁止轉載

題圖來自 Unsplash,基於CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供資訊儲存空間服務。

頂部