HMI車載設(shè)計(jì)人機(jī)交互系統(tǒng)課 4月18日打卡@郝小七的HMI設(shè)計(jì)圈?

如何從零設(shè)計(jì)車載語(yǔ)音軟件功能

一、國(guó)內(nèi)車載語(yǔ)音市場(chǎng)的現(xiàn)狀

主流：科大訊飛、Nuance、百度、思必馳、云知聲等等。

其他：騰訊的語(yǔ)音服務(wù)、阿里的語(yǔ)音服務(wù)。

主流服務(wù)項(xiàng)目：

1.語(yǔ)音識(shí)別能力：符合條件的情況下識(shí)別率保持95%以上

2.語(yǔ)音合成能力：各家差別大

3.方言口語(yǔ)理解：高魯棒性是關(guān)鍵(高魯棒性：高魯棒性就是指系統(tǒng)或者網(wǎng)絡(luò)很健壯，很穩(wěn)健。控制系統(tǒng)的魯棒性是指系統(tǒng)在不確定性的擾動(dòng)下，具有保持某種性能不變的能力。)

4.語(yǔ)義識(shí)別：資源服務(wù)整合能力基本相同

5.多輪對(duì)話：特定場(chǎng)景多輪對(duì)話，體驗(yàn)不太好

特點(diǎn)：沒有明確商業(yè)化模式，功能趨同，從純粹技術(shù)提供商往整體解決方案商發(fā)展。

車載語(yǔ)音解決方案合作模式

要求不高的車載項(xiàng)目：采用方案商提供的集成化較高的語(yǔ)音SDK進(jìn)行二次開發(fā)，或是采用服務(wù)商的APK進(jìn)行簡(jiǎn)單的定制和適配工作。

優(yōu)點(diǎn)：節(jié)省大量的開發(fā)成本，保證核心語(yǔ)音服務(wù)模塊的質(zhì)量。

車內(nèi)搭載語(yǔ)音服務(wù)的智能硬件

1. 智能車機(jī)：支持語(yǔ)音使用場(chǎng)景，讓語(yǔ)音、系統(tǒng)和車輛三位一體。

2. 智能后視鏡：相對(duì)來(lái)說(shuō)系統(tǒng)稍微輕量化一些，語(yǔ)音功能只會(huì)負(fù)責(zé)一些簡(jiǎn)單的任務(wù)處理；

3. 智能HUD：核心資源聚焦駕駛過程中的車輛、道路、安全等信息的投射，比較注重視覺呈現(xiàn)的質(zhì)量，語(yǔ)音功能作為一個(gè)重要功能輔助操作；

4. 車載音箱伴侶：語(yǔ)音服務(wù)是音箱產(chǎn)品最核心的功能，車載音箱更多的是針對(duì)車內(nèi)空間的場(chǎng)景，主要聚焦在用戶多輪次的交互對(duì)話體驗(yàn)和車生活服務(wù)的豐富度。

二、核心流程拆解

涉及角色：自建TSP平臺(tái)、語(yǔ)音服務(wù)提供商、硬件廠商、互聯(lián)網(wǎng)服務(wù)提供商、三方硬件等。

業(yè)務(wù)架構(gòu)：以硬件為載體，服務(wù)平臺(tái)化集成的形式，整體打包后提供給終端車主用戶。

業(yè)務(wù)流程圖：發(fā)出語(yǔ)音操作→錄音上傳數(shù)據(jù)→識(shí)別語(yǔ)音語(yǔ)義→準(zhǔn)備服務(wù)資源執(zhí)→行返回結(jié)果

三、模塊設(shè)計(jì)

01-語(yǔ)音交互

語(yǔ)音啟動(dòng)的方式：界面點(diǎn)擊和語(yǔ)音喚醒

設(shè)計(jì)語(yǔ)音喚醒功能步驟：判斷并記錄語(yǔ)音喚醒方式→提示信息和語(yǔ)音錄取狀態(tài)的反饋→判斷語(yǔ)音錄入是否正?！祷貙?duì)應(yīng)的識(shí)別結(jié)果（中途打斷需要重新開始語(yǔ)音流程）

02-語(yǔ)義的場(chǎng)景化設(shè)計(jì)

語(yǔ)義的豐富度直接關(guān)系到用戶體驗(yàn)度

語(yǔ)義少：不能滿足用戶多場(chǎng)景需求，喪失好感度，放棄語(yǔ)音功能使用

定義用戶滿意度和語(yǔ)義完整度：用戶調(diào)研，經(jīng)驗(yàn)總結(jié)得出真需求。

車載場(chǎng)景的語(yǔ)義細(xì)分后，主要分為以下幾個(gè)場(chǎng)景

● 導(dǎo)航場(chǎng)景

● 音樂/電臺(tái)場(chǎng)景

● 電話場(chǎng)景

● 系統(tǒng)控制類

● 車輛控制類

● 定制化服務(wù)類

03-幫助&設(shè)置

幫助方式：①在語(yǔ)音全局顯示時(shí)給出使用說(shuō)明；②失敗或等待時(shí)給出信息提示

目的：引導(dǎo)用戶正確使用語(yǔ)音功能

設(shè)置：常用的免喚醒開關(guān)、喚醒詞、語(yǔ)音的音源邏輯、語(yǔ)音主題包的變更設(shè)置等。

四、TTS語(yǔ)音播報(bào)

TTS（Text To Speech）語(yǔ)音播報(bào)主要是通過AI技術(shù)把文本信息進(jìn)行智能化合成，轉(zhuǎn)述成語(yǔ)音信息播報(bào)給用戶，從而給用戶一種智能擬人化的交互體驗(yàn)。

現(xiàn)狀：無(wú)法脫離語(yǔ)音素材錄制，對(duì)語(yǔ)音包的種類數(shù)量和質(zhì)量提升要求高，設(shè)計(jì)上受制于服務(wù)商的綜合能力，會(huì)更加聚焦如何更好的提升語(yǔ)音交互對(duì)話的體驗(yàn)。

總結(jié)：如何讓語(yǔ)音功能更有效的提升用戶使用體驗(yàn)和滿意度，則需要針對(duì)每個(gè)業(yè)務(wù)的實(shí)際需求和目標(biāo)用戶群體特征去進(jìn)行更深入的差異化研究和設(shè)計(jì)。