半個世紀之前，我們在電影《2001太空漫游》中初次遇見了感覺敏銳的計算機Hal 9000。而50年之后，我們基本能用聲音指揮計算機，更期望他們不只聽見我們，還要聽懂我們。但為了真正改善我們的生活，移動設備除了處理所說的話，還要處理我們的意圖，以及我們所處情境。

開車時，手機不應期望你去觸碰它；睡覺時，它要清楚要把來電直接送至語音信箱，除非是緊急來電，而且它也應該能弄清楚來電原因；自拍時，你應該只用說“拍張自拍照”就好了。簡單地說，智能手機應該名副其實。

第二代Moto X的Moto Voice與Moto Assist軟件就以此為目標，而公司產品管理高級總監(jiān)Mark Rose也對開發(fā)過程作出了闡釋。

手機要具有適應性與反饋性，為此Moto X就得時刻聽取來自用戶以及情境氛圍暗示的口令。這種行為由軟件與硬件間復雜的相互作用產生，來電時，如果是非必須接聽，那么它就會淡入屏幕背景，而這一動作則是來自手機的傳感器以及軟件的結果。它們會同時分析輸入信息，引發(fā)立即回應。這一切的妙處都發(fā)生在界面的幕后。

Rose說：“所有這些進程都會通過某種方式連接和分離，無縫使用。所以從用戶的角度說，只需對它說話，它就會為你辦事了?！?/p>

讓智能手機聽從指令是一項巨大挑戰(zhàn)，麥克風的信號必須過濾掉背景雜音，比如附近的交談聲、音樂聲、電視節(jié)目的聲音。

想想人類是如何在潛意識里運用腦力，比如在人聲嘈雜的聚會上，人腦就會自動無視所有其他人的聊天聲，只關注自己參與的對話。經過訓練后，Moto X能在其他人的雜音中識別出用戶聲音，而這涉及到性別、口音以及各種語言的計算機處理。

Rose對此表示：“測試與改善語音性能尤為艱難，人們是通過訓練才理解的語音，但在移動設備上使其奏效則存在著很多細微差別。我們已進行了很廣的內部測試，但真正的工作是在把軟件推向公眾之后。到那時我們擁有更大的樣本規(guī)模來改善技術?！?/p>

所謂的情境感知源自設備一系列紅外傳感器、加速計，以及麥克風對于用戶樣本數(shù)據(jù)的協(xié)調。當用戶對麥克風說話，或是在屏幕前面揮手，這些輸入數(shù)據(jù)會經過“情境引擎”軟件處理。軟件會推測用戶在當下所做的是什么，之后再決定最佳回應。在很多情況下，正確的反應也許就是不打擾用戶。例如，在駕駛的時候，Moto X就能調至純語音命令。

當絕大多數(shù)人在使用自己的設備，思考它們會如何反應的時候，Moto X軟件設計團隊花費了很多時間研究被稱之為“無用戶交互”的東西。這是一個有趣的設計問題：當你在絕大多數(shù)時間不與手機互動，會發(fā)生什么？而Rose對此給出的答案就是，手機應該能想清楚這問題。

拿Rose的例子來解釋就會非常清晰。某天早晨6點，正當他在上班路上時，用口令給遠在加州的妻子發(fā)了一條信息，告訴她現(xiàn)在室外有多冷。她回復道，”你知道我這里是凌晨4點嗎？“他回復說，”我沒意識到你的手機會叫醒你，我的手機就不做這種事?！?/p>

via medium

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。