AI 時代，語音會成為主流交互方式嗎
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。
十年後，我們現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品，全智能電飯煲，產品方稱用戶可以與電飯煲對話，告訴它什麼時候煮好飯。我當時腦子裡出現過一萬個疑問，「它煮飯，誰放米？」 「我為什麼要和一個電飯煲說話？」 「我瘋了吧我」……
換到今天，雖然交互會有一些差異，但我已經習慣了在家叫智能音箱開電視、設置掃地機器人工作時間。你不得不承認，當年 4G 的滾滾洪流來臨時，主打發送語音的微信抓住了移動互聯網的紅利，但飛信卻在那之後沒落，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變，語音則是在努力搶奪人機交互方式的話語權。
從鍵盤到觸屏，再跳出屏幕
在 iPhone 風靡全球之前，市場上並不缺乏觸屏手機。
Nokia、Motorola、BlackBerry 等等企業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配。實體按鍵無疑有著非常明顯的優勢：精確、可盲打、可替換。這些優勢如今依然在其它設備上有所體現。即使現在的品牌試圖將手機打造成純粹的 unibody 的產品，也跳不出實體按鍵的束縛。
只是蘋果將觸屏的優點無限放大，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。
儘管大家都覺得 iPhone 是觸屏手機的開創者，但它花了近 3 年時間優化系統，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——就跟如今短影片如此風靡一樣。
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，鼠標剛出現時，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。凱文基利在他的著作《必然》當中提到過「屏讀」，即任意表面都可以是屏幕，屏幕會越來越多。現在來看，預言正在成真。
充斥於我們生活里的科技產品，屏幕越來越多，就連智能汽車也在比拚誰的屏幕大、誰的屏幕多。於是到這裏新的問題出現了，當屏幕越來越多、越來越大的時候，我們應該如何與它們進行交互？
烽煙傳訊，聲音遠控
人與屏幕的交互範圍受人體影響，即你的手掌有多大，就能覆蓋多大面積的手機屏幕——祖比斯曾說手機的黃金尺寸是 3.5 英吋不是沒有道理，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，你也可以向手機發出一堆語音指令。這符合科技發展規律，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。文字出現之前，人類就有了豐富的語言系統。在即時通訊軟件高度發展的今天，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，是由於沒有對象感。但是今天，即時通訊軟件讓我們習慣了對著手機發出對話信息，如 ChatGPT 一樣的 AI 語音助手又發展出了聊天技能，人與手機進行對話已經成為了現實。
從技術的角度來說，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、結合背景、分析你所說的全部話語，並給出相應的答案。隨著技術的進步，端側運算能力增強，從語音指令發出再到設備給出答案，時間間隔將會越來越小，無限接近人與人的自然對話。
這樣才不會出現你在發佈會上，對著電腦喊計算表格，半天出不來結果的情況。
語音，最低成本的交互方式
語音交互技術其實已經有了數十年的發展歷史，從簡單的單詞識別到現在的複雜語境識別，甚至做出推測，從技術角度來看，語音已經做好了登上前台的準備。
而對於用戶來說，語音是最低成本的交互方式。它符合直覺，即時響應，沒有學習門檻。在人機交互領域，它也能實現跨設備、跨系統、跨距離的交互，幾乎無處不在。
在 AI 時代真正來臨前，德勤就已經發佈過《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「隨著技術的進一步發展，預計語音交互將在更多領域展現其價值，成為人機交互的重要方式」。
邁過了對話違和感、技術門檻以及普及率三大關之後，語音交互無疑具有極大的潛力，去改變我們與設備、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 藍圖，而另一邊國產廠商也在奮起追趕，HarmonyOS NEXT、ColorOS 15、OriginOS 5 等等系統，都將推出屬於更好用的 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。
而我在這一頁的最後，依舊用文字詢問了 ChatGPT 和豆包，它們認為語音是否能成為 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
