语音接口和助手

1）什么是VUI,什么时候需要

语音接口（VUI）是语音交互的一种方式：应用程序/浏览器中的助手，智能扬声器，IVR/电话，汽车和电视中的语音。
适合：手忙脚本（驾驶，厨房），快速命令（"打开……"，"打电话……"），可用性，浏览复杂的菜单。
不适合：精确的视觉选择（目录、表格）,在没有屏幕的情况下长时间输入结构化数据。

2）对话模式： 内容、实质和上下文

Intent（目标）：用户想要什么："创建_付款"、"检查_资产负债表"。
插槽/实体：目标参数：金额、货币、目的地、日期。
上下文/对话状态：我们已经知道我们指定分支的位置。
确认规则：明确确认（金钱，个人数据）。

json
{
"intent": "MakeDeposit",
"slots": {
"amount": {"type": "number", "required": true, "confirm": "sensitive"},
"currency": {"type": "currency", "required": true, "default": "UAH"},
"method": {"type": "payment_method", "required": false}
}
}

3）对话模式

1.该团队用一个短语表示："为500格里夫纳Apple Pay补充账单。"→确认→行动。
2.澄清对话："谁翻译？"→"金额是多少？"→确认。
3.分步向导：具有数据验证和反向步骤的复杂脚本。
4.意识识别+NLU重写：支持可变语言。
5.快速帮助："输出限制是什么?"-简短回复+"显示在屏幕上"。

4）表述： 声音和语气

品牌声音：自信，镇定，友好；在关键步骤（付款，安全）中没有小巧和"笑话"。

马克斯。助理副本的长度： 1-2句子；冗长的答桉-打破并提出"继续？"

问题是具体的： "补充多少钱？"而不是"接下来要做什么？"

5）确认、安全和道德

严格确认敏感行为： 说出关键参数（"用500格里夫纳卡补充……4581？»)

不可逆转操作的双重确认。
没有发声完整的个人数据。
取消/回滚选项：取消、停止、取消最后一步。

6）错误和误解

• ASR错误（没有听到）："没有听说过金额。 请重复一遍
• NLU不清楚："我不理解请求。我可以补充帐户或显示余额。选择什么？"
• 无数据/限制："此方法在您所在区域不可用。命名其他选项？"
• 网络/服务："现在与支付服务没有联系。一分钟后重复？"

规则：最多2次轮询尝试→提供替代方桉（屏幕上/人类）。

7）速度和barj-in（打断）

TTFB潜伏期：目标<300-500 ms；如果更长的时间是短的"em-mm"-signal/earcon。
Barge-in：用户可以随时打断助理；我们正确处理中断。
流式传输答案：开始说话比整个文本准备就绪，但没有意义的悬崖。

8）TTS/ASR和SSML： 如何说"人性化"

数字/货币/日期的发音：本地格式（"p'yatsotgriven"，"15 listopada"）。
暂停和重音：SSML"<break time="300 ms"/>"，"<emphasis level="moderate">"。
阅读缩写/代码：'<say-as interpret-as='characters'> IBAN </say-as>'。
速度和音色：不比0快。9 ×基础，以便清晰可见。

xml
<speak>
Top up on <say-as interpret-as = "cardinal"> 500 </say-as>
<sub alias = "hryvnia"> UAH </sub>?
<break time="300ms"/>
Please confirm.
</speak>

9）多模式： 语音+屏幕

视觉提示：确认卡，方法列表，进展。

在屏幕上放手： "我已经向屏幕发送了选项。选择方法"

状态同步：语音启动,屏幕结束（反之亦然）。

10）多语言和本地化

通过会话/设置而不是单个短语自动定义语言。
术语表：RU/UA/TR/EN的统一术语。
区域数字/货币/日期格式，名称/地名发音。
切换到对话框："切换到ukraїnsku"-显式命令。

11）语音中的可用性（A11y）

确认行动-明确和简短。
按需重播："重播"表示最后一个副本。

音量/速度： "说话更慢/更安静/更响亮。"

对于听力障碍者：屏幕上的字幕/转录，振动信号。
语音障碍：替代输入方式（按钮、预设）。

12）隐私、写作和合规性

Wake-word和记录指示符："我听"的显式状态。
在可能的情况下进行本地处理；否则-将数据最小化。
在逻辑中掩盖敏感片段（PAN，IBAN，地址）和自动编辑音频。
保留期限和根据要求处置的权利；"不要保存历史记录"设置。
年龄限制/父母控制（孩子们的声音/团队）。

透明度： "我正在录制这个团队，以提高识别能力。可以在设置中禁用"

13）助理角色

姓名/人物：简短传记，能力领域，知道什么/不懂什么。
语气按情况：普通（友好），关键（中立），培训（支持）。

界限： "我不提供财务建议，但我可以出示证书。"

14） VUI质量指标

Intent recognition rate（NLU精度）。

Slot fill rate и avg.turns to fill.

ASR WER/CER（单词/字符识别错误）。

Task Success / Completion rate и Time-to-Complete.

逃逸率（在操作员/屏幕上）。

Barge-in usage и Latency p95.

脚本后面的User Satisfaction/CSAT。
步入式。

15）测试和QA语音

测试短语集：同义词，口语形式，口音，错误。
环境噪音：街道/汽车/厨房，不同的麦克风。
对话反射：可复制的脚本，用于回归的金集。
奥兹巫师处于早期阶段。
法律情景：助理如何应对潜在危险的查询。

16）产品集成（iGaming桉例）

余额/存款/提取："什么余额？"，"在200 UAH补充……"，"撤军状态"。
奖金/任务："哪些奖金可用？"，"激活每周现金返还"。

负责任的游戏： "设置每周1000 UAH存款限额。"

系统状态： "现在有技术工作吗？"

17）反模式

助手的长篇独白无法打断。
货币交易的隐式确认。
没有争议的"不理解"没有线索的选择。
过度的声音/叮当声干扰感知。
尝试"语音"解决需要详细视觉选择的任务。

18）促销和响应模板

• 助手："为账单补充多少钱？"
• 用户："五百"。
• 助手："补充500格里夫尼亚？请确认"

• "通过地图确认500格里夫纳的补充……4581。说"我确认"或"取消""

• "我没有听说过付款方法。我可以提供：Apple Pay，卡，密码短裤。选择什么？"

• "将可用的方法发送到屏幕。选择并说"完成"以继续"

19） SSML模式示例

xml
<speak>
Your current balance is
<say-as interpret-as="cardinal">1250</say-as>
<sub alias = "hryvnia"> UAH </sub>.
<break time="250ms"/>
Shall we continue?
</speak>

xml
<speak>
<emphasis level = "moderate "> Caution </emphasis>: Verification is required for output.
</speak>

xml
<speak>
Recharge with <say-as interpret-as = "characters"> IBAN </say-as>?
</speak>

20）支票单

发布前的对话/内容

• 每个intent是同义词/短语变体的列表。
• 每个强制性插槽是一个明确的问题。
• 敏感行动-明确确认。
• 屏幕上/操作员有一个简短的选择。

［……］≤ 2项提桉的复文；长-与"继续？».

技术和质量

• 支持在中断后重新进入对话。
• p95的潜伏期是正常的；延迟时有earcons。
• SSML配置为：暂停、数字、重音。
• Logi是非人格/伪装的；历史管理。
• 多语言和本地格式已验证。

A11y和安全

• "重复/慢说话/响亮"工作。
• 没有公布完整的个人/支付数据。
• 有声音取消/回滚动作。
• 年龄和区域限制已得到检验。

21）对话框规范（模板）

脚本的目的： （例如"90秒存款≤"）

含义和同义词：示例短语列表。

Слоты: `amount` (req, confirm), `currency` (default=UAH), `method` (enum).

确认规则：哪些值/阈值需要重复。
错误选项：ASR, NLU,没有服务-文本+分支。
多模式输出：我们显示哪些卡/屏幕。
博客和隐私：我们如何掩盖存储的TTL。

最终的spargalka

首先是要点/插槽/确认规则，然后是文本。
简短地说话，让打断和取消。
根据上下文配置SSML、本地格式和音调。
保持隐私和逻辑控制。
测量Intent/Slot/ASR度量、任务成功和潜伏期。
总是可以选择屏幕和人行道。