语音交互小作品：唤醒、识别和反馈的流程设计

“小诺，开灯。”说一句话，台灯就亮了。语音交互作品很受学生欢迎，也是体验AI应用的好方式。但真正做起来，会发现“听懂一句话”背后有好几个环节，每个环节都可能出问题。

语音交互的四个环节

把四个环节分开设计和测试，出问题时更容易找到原因。

唤醒：减少误触发

唤醒词要选得好：太短容易被误触发，日常说话中常见的词也容易误触发。例如“开始”就不适合做唤醒词，因为聊天时经常说到。

如果唤醒总是不稳定，可以先用按键代替唤醒，把精力放在后面的环节，作品稳定后再加回语音唤醒。

识别：离线还是联网

• 离线识别模块：不需要网络，响应快，保护隐私，但能识别的词句有限，通常需要预先设定指令。
• 联网识别接口：能识别任意句子，但依赖网络，有延迟，需要考虑隐私。

对于控制家电这类指令固定的作品，离线模块往往就够了。

理解：从简单的关键词开始

学生作品可以从关键词匹配开始：识别出的文字中包含“开”和“灯”，就执行开灯。再逐步考虑同义说法，例如“把灯打开”“亮一点”。

把所有支持的指令和同义说法列成一张表，写进说明书和报告。

反馈：让用户知道发生了什么

语音作品没有屏幕时，用户不知道它有没有听到、有没有听懂。反馈很重要：

• 唤醒后亮一个指示灯或发出提示音，表示“我在听”。
• 执行成功后给出确认，例如“已开灯”。
• 没听懂时提示“请再说一遍”，而不是没有任何反应。

设计测试

语音作品的效果和环境、说话人关系很大，测试要覆盖不同情况：

请不同年龄、不同口音的家人和同学参与测试，结果更能反映真实使用情况。

隐私考虑

语音作品会采集声音，设计时要考虑隐私：尽量使用离线识别；不保存录音，或在报告中说明录音怎样处理；测试时告知参与者并征得同意。

在报告中把四个环节的设计、每个环节遇到的问题和解决办法、测试数据都写清楚，一个语音交互作品就能体现完整的工程设计过程。