音声インターフェイスとアシスタント

1） VUIが何であり、必要なとき

音声インターフェイス（VUI）-音声を介してやり取りする方法：アプリケーション/ブラウザのアシスタント、スマートスピーカー、IVR/テレフォニー、自動車やテレビの音声。
適しています：手作業のシナリオ（運転、キッチン）、クイックコマンド（「オン」……「、コール」……）、アクセシビリティ、複雑なメニューによるナビゲーション。
適していません：正確な視覚的選択（カタログ、テーブル）、スクリーンなしで構造化データの長いエントリ。

2）対話モデル： インテント、エンティティ、コンテキスト

意図：ユーザーが望むもの：'Create_payment'、 'Check_balance'。
スロット/エンティティ：ターゲットパラメータ：金額、通貨、アドレス、日付。
Context/dialogue-state：既知のもの、明確なもの、分岐先。
確認ルール：当社が明示的に確認すること（金銭、個人データ）。

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）対話のパターン

1.1つのフレーズを持つチーム："500グリブナのApple Payのアカウントをトップ。"→確認→アクション。
2.明確な対話：「誰に翻訳するか？」→「いくら？」→確認のため。
3.ステップバイステップウィザード：データ検証とリバースステップを備えた複雑なシナリオ。
4.意図認識+NLUパラフレーズ：可変製剤のサポート。
5.クイックヘルプ：「引き出し制限は何ですか？」-短い回答+「画面に表示」。

4）言葉遣い： 声および調子

ブランドの声：自信を持って、落ち着いた、フレンドリー。重要なステップ（支払い、セキュリティ）の「冗談」と「小規模」なし。

マックス・マックス。アシスタントレプリカの長さ： 1-2文；長い回答-ブレークし、提案「続行？」

質問-具体的に： 「どのくらい補充する？」「次はどうすればいいの？」

5）確認、安全および倫理

敏感なアクションの厳しい確認： キーパラメータの発音（"カードで500グリブナ補充……4581?»)

取り返しのつかない操作のための二重確認。
完全な個人データを発信することなく。
元に戻す/元に戻すオプション：元に戻す、停止、最後のステップを元に戻す。

6）間違いと誤解

• ASRエラー（聞こえませんでした）："私はその量を聞きませんでした。繰り返してください"
• NLU理解できない："私は要求を理解していませんでした。私は自分のアカウントをトップにするか、残高を表示することができます。あなたは何を選びますか"
• 欠落しているデータ/制限："このメソッドはあなたの地域では使用できません。他の選択肢は何ですか？"
• ネットワーク/サービス："今、決済サービスとの接続はありません。もう一度やり直したいですか？

ルール：最大2回のクエリ→オファーの代替（スクリーン/人）。

7）速度およびはしけ（中断）

TTFBレイテンシー：ターゲット<300-500ミリ秒；長ければ-短い「em-mm」信号/イヤコン。
バージイン：ユーザーはいつでもアシスタントを中断することができます。割込みを正しく処理します。
答えのストリーミング：テキスト全体が準備できているよりも早く話し始めますが、行を壊すことはありません。

8） TTS/ASRとSSML： 「人間」と言う方法"

数字/通貨/日付の発音：ローカルフォーマット（「p 'yatsot hryvnia」、 「15葉が落ちる」）。
一時停止とストレス：SSML '<break time=「300ms「/>'、'<強調レベル=」moderate「>'。
略語/コードを読む：'<say-as interpret-as="characters'> IBAN </say-as>'。
速度と音色：0より速くはありません。9 ×読みやすくするための基本。

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）マルチモーダリティ： 音声+画面

ビジュアルキュー：確認カード、メソッドのリスト、進捗状況。

画面にハンドオフ： "私は画面にオプションを送信しました。方法を選択してください"

状態同期：音声の開始、画面の終了（およびその逆）。

10）多言語化とローカリゼーション

単一のフレーズではなく、セッション/チューニングで言語を自動検出します。
用語集：RU/UA/TR/ENの一般的な用語。
数字/通貨/日付の地域形式、名前/表義の発音。
ダイアログの切り替え：「Go to ukraїnsku」は明示的なコマンドです。

11）可用性（A11y）声で

アクションの確認は明確かつ短いです。
Repeat on Demand： 「Repeat」は最終行を表示します。
音量/スピード：「より遅く/静か/大声で話す」。
聴覚障害者のために：スクリーンの字幕/トランスクリプト、振動信号。
音声障害の場合：代替入力方法（ボタン、プリセット）。

12）機密性、ロギングおよびコンプライアンス

Wake-wordと録音インジケータ：明示的な「リスニング」状態。
可能であれば、ローカル処理。さもなければ、データの最小化。
ログ（PAN、 IBAN、アドレス）および自動編集オーディオの機密フラグメントをマスキングします。
要求に応じて削除する保持期間と権利。履歴設定を保存しないでください。
年齢制限/ペアレンタルコントロール（子供の声/チーム）。

透明性： "私は認識を改善するためにこのコマンドを記録しています。設定で無効にすることができます"

13）アシスタントパーソナリティ

名前/人：短い伝記、できる/できない能力の領域。
状況のトーン：ノーマル（フレンドリー）、クリティカル（ニュートラル）、教育（サポート）。
境界："私は財政的な助言を与えませんが、私は助けを示すことができます。

14） VUI品質指標

意図的な認識率。
スロットの塗りつぶし速度。AV。塗りつぶしになります。
ASR WER/CER （Word/Character Recognition Error）。
タスクサクセス/完了率；完了までの時間。
エスカレーションレート（オペレータ/スクリーンあたり）。
Barge-inの使用法；遅延P95。
スクリプトの後のユーザー満足度/CSAT。
ステップの放棄。

15）音声テストとQA

テストフレーズセット：同義語、口語形式、アクセント、エラー。
環境騒音：通り/車/台所、別のマイク。
再生ダイアログ：再生可能なスクリプト、回帰のためのゴールデンセット。
初期段階でのウィザードオブオズ。
法的シナリオ：アシスタントが潜在的に危険な要求にどのように応答するか。

16）製品統合（iGamingケース）

残高/預金/出金：「残高は何ですか？「、「200 UAHで補充……」、「出力ステータス」。
ボーナス/ミッション：「利用可能なボーナスは何ですか？「、「毎週キャッシュバックを有効にする」。

責任あるプレイ： 「1週間に1000 UAHのデポジット制限を設定します。」

システムの状態： 「技術的な作品は今ありますか？」

17）アンチパターン

機会を中断することなく、アシスタントの長いモノローグ。
金融取引の暗黙の確認。
テストされていない「理解できませんでした」オプションを促すことなく。
供給過剰な音/ジングルが知覚を妨害します。
「声」の試みは、詳細な視覚的選択が必要な問題を解決する。

18）プロンプトと回答テンプレート

• アシスタント：「アカウントを補充するにはいくらですか？」
• ユーザー：「500」。
• アシスタント："500グリブナで補充？確認してください"

• "500グリブナカードによる補充を確認してください……4581.「確認」または「キャンセル」と言う"

• "支払い方法が聞こえなかった。私は提供することができます：Apple Pay、カード、暗号財布。あなたは何を選びますか"

• "利用可能なメソッドを画面に送信しました。選択して"完了"と続けます"

19） SSMLパターンの例

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）チェックリスト

プレリリースの対話/コンテンツ

• 各インテント-同義語/フレーズのバリアントのリスト。
• 必要なスロットごとに1つの明確な質問。
• 機密行為-明示的な確認。
• 短い画面/演算子の代替があります。
• レプリカ≤ 2つの提案；long-"Continue？».

技術と品質

• barge-inがサポートされ、中断後に対話に戻ります。
• p95レイテンシーは正常です。遅れているイヤーコンがある。
• SSML構成：一時停止、数値、応力。
• 非人格的/マスクを記録します。歴史管理です。
• 多言語主義とローカルフォーマットをテストしました。

A11yと安全性

• 「Repeat/Speak Slower/Louder」作品。
• 完全な個人データ/支払いデータは発表されません。
• 音声によるアクションのキャンセル/ロールバックがあります。
• テストされた年齢と地域の制限。

21）ダイアログ仕様フレームワーク（テンプレート）

シナリオの目的： （例えば「、預金≤ 90秒」）

意図と同義語：サンプルフレーズのリスト。
「量」（req、 confirm）、「通貨」（デフォルト=UAH）、「メソッド」（enum）。
値/しきい値が繰り返される確認ルール。
エラーオプション：ASR、 NLU、サービスなし-テキスト+ブランチ。
マルチモーダル出力：私たちが表示するカード/スクリーン。
ログとプライバシー：私たちは何とどのようにマスク、TTLストレージ。

最終チートシート

最初のインテント/スロット/確認ルール、次にテキスト。
簡単に話して、中断してキャンセルさせてください。
コンテキストごとにSSML、ローカルフォーマット、トーンを設定します。
プライバシーとログを管理下に保ちます。
Intent/Slot/ASRメトリック、Task Success、およびレイテンシを測定します。
常に画面と人へのパスに代わるものを持っています。