語音接口和助手

1）什麼是VUI,什麼時候需要

語音接口（VUI）是語音交互的一種方式：應用程序/瀏覽器中的助手，智能揚聲器，IVR/電話，汽車和電視中的語音。
適合：手忙腳本（駕駛，廚房），快速命令（「打開……」，「打電話……」），可用性，瀏覽復雜的菜單。
不適合：精確的視覺選擇（目錄、表格）,在沒有屏幕的情況下長時間輸入結構化數據。

2）對話模式： 內容、實質和上下文

Intent（目標）：用戶想要什麼：「創建_付款」、「檢查_資產負債表」。
插槽/實體：目標參數：金額、貨幣、目的地、日期。
上下文/對話狀態：我們已經知道我們指定分支的位置。
確認規則：明確確認（金錢，個人數據）。

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）對話模式

1.該團隊用一個短語表示：「為500格裏夫納Apple Pay補充賬單。」→確認→行動。
2.澄清對話：「誰翻譯？」→「金額是多少？」→確認。
3.分步向導：具有數據驗證和反向步驟的復雜腳本。
4.意識識別+NLU重寫：支持可變語言。
5.快速幫助：「輸出限制是什麼?」-簡短回復+「顯示在屏幕上」。

4）表述： 聲音和語氣

品牌聲音：自信，鎮定，友好；在關鍵步驟（付款，安全）中沒有小巧和「笑話」。

馬克斯。助理副本的長度： 1-2句子；冗長的答案-打破並提出「繼續？」

問題是具體的： 「補充多少錢？」而不是「接下來要做什麼？」

5）確認、安全和道德

嚴格確認敏感行為： 說出關鍵參數（"用500格裏夫納卡補充……4581？»)

不可逆轉操作的雙重確認。
沒有發聲完整的個人數據。
取消/回滾選項：取消、停止、取消最後一步。

6）錯誤和誤解

• ASR錯誤（沒有聽到）："沒有聽說過金額。 請重復一遍
• NLU不清楚："我不理解請求。我可以補充帳戶或顯示余額。選擇什麼？"
• 無數據/限制："此方法在您所在區域不可用。命名其他選項？"
• 網絡/服務："現在與支付服務沒有聯系。一分鐘後重復？"

規則：最多2次輪詢嘗試→提供替代方案（屏幕上/人類）。

7）速度和barj-in（打斷）

TTFB潛伏期：目標<300-500 ms；如果更長的時間是短的「em-mm」-signal/earcon。
Barge-in：用戶可以隨時打斷助理；我們正確處理中斷。
流式傳輸答案：開始說話比整個文本準備就緒，但沒有意義的懸崖。

8）TTS/ASR和SSML： 如何說「人性化」

數字/貨幣/日期的發音：本地格式（「p'yatsotgriven」，「15 listopada」）。
暫停和重音：SSML「<break time=」300 ms「/>」，「<emphasis level=」moderate「>」。
閱讀縮寫/代碼：'<say-as interpret-as='characters'> IBAN </say-as>'。
速度和音色：不比0快。9 ×基礎，以便清晰可見。

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： 語音+屏幕

視覺提示：確認卡，方法列表，進展。

在屏幕上放手： "我已經向屏幕發送了選項。選擇方法"

狀態同步：語音啟動,屏幕結束（反之亦然）。

10）多語言和本地化

通過會話/設置而不是單個短語自動定義語言。
術語表：RU/UA/TR/EN的統一術語。
區域數字/貨幣/日期格式，名稱/地名發音。
切換到對話框：「切換到ukraїnsku」-顯式命令。

11）語音中的可用性（A11y）

確認行動-明確和簡短。
按需重播：「重播」表示最後一個副本。

音量/速度： 「說話更慢/更安靜/更響亮。」

對於聽力障礙者：屏幕上的字幕/轉錄，振動信號。
語音障礙：替代輸入方式（按鈕、預設）。

12）隱私、寫作和合規性

Wake-word和記錄指示符：「我聽」的顯式狀態。
在可能的情況下進行本地處理；否則-將數據最小化。
在邏輯中掩蓋敏感片段（PAN，IBAN，地址）和自動編輯音頻。
保留期限和根據要求處置的權利；「不要保存歷史記錄」設置。
年齡限制/父母控制（孩子們的聲音/團隊）。

透明度： "我正在錄制這個團隊，以提高識別能力。可以在設置中禁用"

13）助理角色

姓名/人物：簡短傳記，能力領域，知道什麼/不懂什麼。
語氣按情況：普通（友好），關鍵（中立），培訓（支持）。

界限： 「我不提供財務建議，但我可以出示證書。」

14） VUI質量指標

Intent recognition rate（NLU精度）。

Slot fill rate и avg.turns to fill.

ASR WER/CER（單詞/字符識別錯誤）。

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

逃逸率（在操作員/屏幕上）。

Barge-in usage и Latency p95.

腳本後面的User Satisfaction/CSAT。
步入式。

15）測試和QA語音

測試短語集：同義詞，口語形式，口音，錯誤。
環境噪音：街道/汽車/廚房，不同的麥克風。
對話反射：可復制的腳本，用於回歸的金集。
奧茲巫師處於早期階段。
法律情景：助理如何應對潛在危險的查詢。

16）產品集成（iGaming案例）

余額/存款/提取："什麼余額？"，"在200 UAH補充……"，"撤軍狀態"。
獎金/任務："哪些獎金可用？"，"激活每周現金返還"。

負責任的遊戲： 「設置每周1000 UAH存款限額。」

系統狀態： 「現在有技術工作嗎？」

17）反模式

助手的長篇獨白無法打斷。
貨幣交易的隱式確認。
沒有爭議的「不理解」沒有線索的選擇。
過度的聲音/叮當聲幹擾感知。
嘗試「語音」解決需要詳細視覺選擇的任務。

18）促銷和響應模板

• 助手：「為賬單補充多少錢？」
• 用戶：「五百」。
• 助手："補充500格裏夫尼亞？請確認"

• "通過地圖確認500格裏夫納的補充……4581。說"我確認"或"取消""

• "我沒有聽說過付款方法。我可以提供：Apple Pay，卡，密碼短褲。選擇什麼？"

• "將可用的方法發送到屏幕。選擇並說"完成"以繼續"

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）支票單

發布前的對話/內容

• 每個intent是同義詞/短語變體的列表。
• 每個強制性插槽是一個明確的問題。
• 敏感行動-明確確認。
• 屏幕上/操作員有一個簡短的選擇。

［……］≤ 2項提案的復文；長-與"繼續？».

技術和質量

• 支持在中斷後重新進入對話。
• p95的潛伏期是正常的；延遲時有earcons。
• SSML配置為：暫停、數字、重音。
• Logi是非人格/偽裝的；歷史管理。
• 多語言和本地格式已驗證。

A11y和安全

• 「重復/慢說話/響亮」工作。
• 沒有公布完整的個人/支付數據。
• 有聲音取消/回滾動作。
• 年齡和區域限制已得到檢驗。

21）對話框規範（模板）

腳本的目的： （例如「90秒存款≤」）

含義和同義詞：示例短語列表。

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

確認規則：哪些值/閾值需要重復。
錯誤選項：ASR, NLU,沒有服務-文本+分支。
多模式輸出：我們顯示哪些卡/屏幕。
博客和隱私：我們如何掩蓋存儲的TTL。

最終的spargalka

首先是要點/插槽/確認規則，然後是文本。
簡短地說話，讓打斷和取消。
根據上下文配置SSML、本地格式和音調。
保持隱私和邏輯控制。
測量Intent/Slot/ASR度量、任務成功和潛伏期。
總是可以選擇屏幕和人行道。