对话bot语音输入交互竞品调研

文章说明

语音交互对一个对话助手来讲，交互的反馈是否流畅，影响最基础的体验。这里调研几个常见对话bot的语音输入交互模式，然后分解出交互需要的几个反馈流程。

一、列举4个竞品的宏观的语音输入交互流程

1.选择竞品

• 百度地图语音助手
• 支付宝语音助手
• 小爱同学
• Siri
  

2.选择竞品依据和原因

• 都是成熟产品，有探讨和借鉴意义
• 它们的语音助手定位都是服务或工具类
• 语音输入、识别、输出等交互均为Q&A对话bot，而非简单的语音输入（如微信语音输入或QQ语音输入等）

3.逐个分析交互流程

百度地图语音助手

支付宝语音助手

小爱同学

Siri

二、总结语音输入交互流程

1. 按钮可见并示意：
2. 机器唤醒后有反馈（动效或状态反馈、语音反馈）；
3. ASR过程中的实时语音识别（边录音边转换成文字）；
4. 结束录音方法的告知反馈（静音检测不告知，用户不说话即结束；用户手动松开按钮的会告知）
5. 识别完成后的等待反馈

   处理速度慢，加入等待状态；
   处理速度快，不加入等待状态；
   最终目的是使用户实时获取到进度信息

6. 输出结果（TTS、文本）。

三、语音输入交互流程结合4个竞品的纵向拆分流程

1. 机器唤醒后有反馈

• 动效或状态反馈
• 语音反馈
  

2. ASR过程中实时语音识别，边录音识别边转换成文字

3.根据ASR结束的不同情况，选择是否告知用户如何结束录音

• 若静音检测不告知，用户规定时间内不说话即结束
• 若用户手动松开按钮的交互则告知
  

4.根据处理结果反馈的速度，选择是否反馈给用户“正在处理”状态

• 若处理速度慢，加入状态
• 若处理速度快，则不加入状态，直接返回结果
  

5.输出结果

• 文本
• TTS