如果你也喜歡不客觀實驗室，希望和我們一起探討數(shù)碼相關(guān)的選題，請私信“不客觀”，我們將回復(fù)您加群的方式，期待與你的見面～

作者｜唐健博
郵箱｜tangjianbo@pingwest.com

語音交互正在成為我們生活中的一部分。

十年前，如果讓你開口和手機對話。你會覺得非常違和。

十年后，我們現(xiàn)在每天都會對著手機講話，而且是和它交流的那種。

其實五年前我接觸過一個新產(chǎn)品，全智能電飯煲，產(chǎn)品方稱用戶可以與電飯煲對話，告訴它什么時候煮好飯。我當(dāng)時腦子里出現(xiàn)過一萬個疑問，“它煮飯，誰放米？” “我為什么要和一個電飯煲說話？” “我瘋了吧我”......

使用豆包 AI 生成，提示詞：人類、語音、電飯煲、人工智能、對話

換到今天，雖然交互會有一些差異，但我已經(jīng)習(xí)慣了在家叫智能音箱開電視、設(shè)置掃地機器人工作時間。你不得不承認(rèn)，當(dāng)年 4G 的滾滾洪流來臨時，主打發(fā)送語音的微信抓住了移動互聯(lián)網(wǎng)的紅利，但飛信卻在那之后沒落，是有原因的。

小拇指的手繭見證了一次人與手機交互方式的轉(zhuǎn)變，語音則是在努力搶奪人機交互方式的話語權(quán)。

從鍵盤到觸屏，再跳出屏幕

在 iPhone 風(fēng)靡全球之前，市場上并不缺乏觸屏手機。

Nokia、Motorola、BlackBerry 等等企業(yè)將實體按鍵的手機做得登峰造極，也鑄就了手機歷史上最璀璨的一個篇章。

精密的實體按鍵是手機的標(biāo)配。實體按鍵無疑有著非常明顯的優(yōu)勢：精確、可盲打、可替換。這些優(yōu)勢如今依然在其它設(shè)備上有所體現(xiàn)。即使現(xiàn)在的品牌試圖將手機打造成純粹的 unibody 的產(chǎn)品，也跳不出實體按鍵的束縛。

只是蘋果將觸屏的優(yōu)點無限放大，為它匹配了自然的操作邏輯——左滑右滑上滑下滑，當(dāng)然你也可以點擊，甚至向屏幕下重重地按下去。蘋果為這塊觸摸屏賦予了符合直覺的、豐富的操作方式。

盡管大家都覺得 iPhone 是觸屏手機的開創(chuàng)者，但它花了近 3 年時間優(yōu)化系統(tǒng)，讓這個彼時的異類更加好用。

某種程度上來說，人類是懶惰的，科技的發(fā)展也促使人類更加懶惰。因此用戶自然會選擇省力的、不費腦子的那條路——就跟如今短視頻如此風(fēng)靡一樣。

站在交互邏輯的角度，觸屏跳脫出了硬件固定的位置，讓手指可以隨心所欲地在屏幕上進行操作。就像 PC 時代，鼠標(biāo)剛出現(xiàn)時，用戶能夠完成“所見即所得”的操作一樣。而軟件所需要做的，就是為這塊屏幕匹配一個合理的操作 UI。

屏幕越來越大，則是另一個趨勢。人們總是會追求更大的屏幕，甚至更多的屏幕。凱文凱利在他的著作《必然》當(dāng)中提到過“屏讀”，即任意表面都可以是屏幕，屏幕會越來越多。現(xiàn)在來看，預(yù)言正在成真。

充斥于我們生活里的科技產(chǎn)品，屏幕越來越多，就連智能汽車也在比拼誰的屏幕大、誰的屏幕多。于是到這里新的問題出現(xiàn)了，當(dāng)屏幕越來越多、越來越大的時候，我們應(yīng)該如何與它們進行交互？

烽煙傳訊，聲音遠(yuǎn)控

人與屏幕的交互范圍受人體影響，即你的手掌有多大，就能覆蓋多大面積的手機屏幕——喬布斯曾說手機的黃金尺寸是 3.5 英寸不是沒有道理，那是正常人手掌尺寸能覆蓋整個屏幕的大小。

在真實場景中，手臂與屏幕的距離也決定你是否能直接進行操作。雖然你與電視能夠用遙控器進行操作，但智能音箱不可能都配上一個遙控器。

遠(yuǎn)距離通信，古代有烽煙傳訊，今天有智能語音，尤其是 AI 時代。

語音交互的優(yōu)點顯而易見。你在家可以聲控智能家居，上車可以聲控智能汽車，躺在床上，你也可以向手機發(fā)出一堆語音指令。這符合科技發(fā)展規(guī)律，畢竟人就是這樣變懶的。

其次，語音對話是最基本的交流方式。文字出現(xiàn)之前，人類就有了豐富的語言系統(tǒng)。在即時通訊軟件高度發(fā)展的今天，你甚至可以不懂打字就能和千里之外的親戚朋友聊天。

過去我們之所以會覺得與手機“對話”奇怪，是由于沒有對象感。但是今天，即時通訊軟件讓我們習(xí)慣了對著手機發(fā)出對話信息，如 ChatGPT 一樣的 AI 語音助手又發(fā)展出了聊天技能，人與手機進行對話已經(jīng)成為了現(xiàn)實。

從技術(shù)的角度來說，加入 AI 的自然語義識別正逐漸變得更加擬人化，AI 語音助手能夠接收、結(jié)合背景、分析你所說的全部話語，并給出相應(yīng)的答案。隨著技術(shù)的進步，端側(cè)運算能力增強，從語音指令發(fā)出再到設(shè)備給出答案，時間間隔將會越來越小，無限接近人與人的自然對話。

這樣才不會出現(xiàn)你在發(fā)布會上，對著電腦喊計算表格，半天出不來結(jié)果的情況。

語音，最低成本的交互方式

語音交互技術(shù)其實已經(jīng)有了數(shù)十年的發(fā)展歷史，從簡單的單詞識別到現(xiàn)在的復(fù)雜語境識別，甚至做出推測，從技術(shù)角度來看，語音已經(jīng)做好了登上前臺的準(zhǔn)備。

而對于用戶來說，語音是最低成本的交互方式。它符合直覺，即時響應(yīng)，沒有學(xué)習(xí)門檻。在人機交互領(lǐng)域，它也能實現(xiàn)跨設(shè)備、跨系統(tǒng)、跨距離的交互，幾乎無處不在。

在 AI 時代真正來臨前，德勤就已經(jīng)發(fā)布過《德勤交互式人工智能白皮書：交互式人工智能正在重塑人機交互》，報告中稱“隨著技術(shù)的進一步發(fā)展，預(yù)計語音交互將在更多領(lǐng)域展現(xiàn)其價值，成為人機交互的重要方式”。

邁過了對話違和感、技術(shù)門檻以及普及率三大關(guān)之后，語音交互無疑具有極大的潛力，去改變我們與設(shè)備、機器交互的方式，尤其是手機。蘋果從 Siri 到 Apple Intelligence 描繪出了一張碩大的 AI Phone 藍(lán)圖，而另一邊國產(chǎn)廠商也在奮起追趕，HarmonyOS NEXT、ColorOS 15、OriginOS 5 等等系統(tǒng)，都將推出屬于更好用的 AI 語音助手和聊天機器人。

從鍵盤到觸屏，再到跨空間的高效語音交互，人機交互的時代即將翻篇。

而我在這一頁的最后，依舊用文字詢問了 ChatGPT 和豆包，它們認(rèn)為語音是否能成為 AI 時代的主流交互方式，它們都給出了肯定的答案。

** 頭圖由豆包 AI 生成，提示詞：手機、人類、對話、斜45度角