自1952年貝爾研究所Davis等人研究成功了世界上第一個(gè)能識(shí)別10個(gè)英文數(shù)字發(fā)音的實(shí)驗(yàn)系統(tǒng)以來(lái)，語(yǔ)音交互已經(jīng)經(jīng)歷了漫長(zhǎng)的發(fā)展。如今，一切數(shù)字都在表明，經(jīng)歷長(zhǎng)期的蟄伏的語(yǔ)音交互正在全面爆發(fā)。
KPCB數(shù)據(jù)顯示，2008年iPhone及谷歌語(yǔ)音搜索推出后，語(yǔ)音相關(guān)命令的搜索量情況增長(zhǎng)了35倍，尤其是從2013年開(kāi)始，這種增長(zhǎng)步入了快車(chē)道。在智能手機(jī)領(lǐng)域，美國(guó)用戶(hù)使用語(yǔ)音助手的比例也快速提升，近三分之二的智能手機(jī)用戶(hù)使用語(yǔ)音助手功能。
無(wú)獨(dú)有偶，回溯人機(jī)交互的發(fā)展軌跡，我們可以看到，從鍵盤(pán)到鼠標(biāo)再到觸摸屏幕的演變拉近了人與設(shè)備的距離，而語(yǔ)音交互解放了人的眼鏡和手，用戶(hù)無(wú)需全程盯著設(shè)備，似乎就是下個(gè)發(fā)展方向。
語(yǔ)音交互將取代鍵盤(pán)鼠標(biāo)甚至觸控？
不少人預(yù)測(cè)，語(yǔ)音交互變革了人與設(shè)備的連接方式，甚至?xí)〈I盤(pán)鼠標(biāo)和觸控，因?yàn)檎Z(yǔ)音交互的高效便捷是其他交互方式不能比的。
比如觸控操作是典型的“樹(shù)狀結(jié)構(gòu)”，從根節(jié)點(diǎn)出發(fā)到子節(jié)點(diǎn)，操作路徑可能較長(zhǎng)。而語(yǔ)音則是扁平化的，沒(méi)有任何層級(jí)限制，可直達(dá)目標(biāo)，因而更加高效；又比如語(yǔ)音在速度方面也有著天然的優(yōu)勢(shì)。世界上文字輸入最快的紀(jì)錄是每分鐘212個(gè)單詞，而說(shuō)話(huà)速度最快的紀(jì)錄則是每分鐘637個(gè)單詞。
話(huà)雖如此，但語(yǔ)音交互也不是萬(wàn)能的。
語(yǔ)音交互雖然有著眾多天然優(yōu)勢(shì)，但在公眾場(chǎng)合卻可能帶來(lái)尷尬，當(dāng)你身處需要保持安靜的環(huán)境中，就不得不求助于鍵盤(pán)或觸控來(lái)實(shí)現(xiàn)操作。而觸控技術(shù)的不斷發(fā)展也縮小了語(yǔ)音交互的優(yōu)勢(shì)，比如以ClearForce為代表的3D觸控將觸控層級(jí)從二維推向了三維，使得觸控體驗(yàn)更加接近真實(shí)世界，同樣使得操作變得簡(jiǎn)單方便。
事實(shí)上，不僅語(yǔ)音交互有適用范圍，所有人機(jī)交互方式都有其適用范圍，比如電影《少數(shù)派報(bào)告》中主人公揮舞雙手操作大屏幕界面完成工作的場(chǎng)景大家一定不陌生，這幾乎成了大眾心目中手勢(shì)操作的代表。
然而據(jù)這一場(chǎng)景的設(shè)計(jì)者說(shuō)，在電影拍攝過(guò)程中，身體健碩的男主角卻因?yàn)椴豢伴L(zhǎng)時(shí)間舉著雙手的疲勞，不得不用鋼絲吊著胳膊完成拍攝，這也說(shuō)明了手勢(shì)操作的使用有其局限性。相反，一些較為傳統(tǒng)的交互模式，譬如鼠標(biāo)和鍵盤(pán)，在其特有的使用情境中卻有著強(qiáng)大的生命力。
人機(jī)交互的的發(fā)展不是取代而是共生
近年來(lái)人機(jī)交互火熱，催生出各種新奇的交互方式，比如科幻感十足的腦電波交互，腦電波交互直接用大腦與設(shè)備交互，連說(shuō)話(huà)都省略了，真正做到所想即所動(dòng)，是不是可以認(rèn)為語(yǔ)音交互在未來(lái)會(huì)被腦電波交互取代？
一方面，人本身就是極為靈活的工具，直接用身體與設(shè)備進(jìn)行連接自然是最便捷的，這也是今天許多輸入設(shè)備界面的基礎(chǔ)。
但另一方面，物理工具的發(fā)明恰恰標(biāo)志著人類(lèi)的進(jìn)化。各式各樣的工具造就了人類(lèi)從事各種專(zhuān)門(mén)活動(dòng)的能力，而每一種工具的設(shè)計(jì)和使用都最大可能地為其支持的活動(dòng)做了專(zhuān)門(mén)的優(yōu)化，本身就是“自然用戶(hù)界面”的典范。
最好的例子莫過(guò)于筆：比起用手指寫(xiě)字，用筆寫(xiě)字實(shí)際上更好地利用了人多個(gè)手指靈活配合和控制的能力，大大提高了書(shū)寫(xiě)的準(zhǔn)確和豐富性。
所以，正如經(jīng)歷漫長(zhǎng)發(fā)展的語(yǔ)音交互不會(huì)被腦電波交互取代一樣，即使我們將語(yǔ)音視為新一輪人機(jī)交互的革命，也必須意識(shí)到語(yǔ)音的發(fā)展并不是要放棄其他的交互模式（正如即使觸摸屏成為主流，但大多數(shù)手機(jī)仍需要一些實(shí)體按鍵）。事實(shí)上，只有將語(yǔ)音和如觸控、手勢(shì)等其他操控方式結(jié)合起來(lái)，用戶(hù)才能得到更好的體驗(yàn)。
結(jié)語(yǔ)
每一種交互模式都在某些使用情境中成為自然用戶(hù)界面的典范，但在另一些情境下卻又可能顯得不那么自然。正如人機(jī)交互研究的一位先驅(qū)比爾·巴克斯頓所說(shuō)：“不論是什么東西，都對(duì)某些事情最好，而對(duì)另一些事情最糟。”
語(yǔ)音交互好嗎？在最適合它的地方好。
