Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych - ebook

Możliwość porozmawiania ze swoim komputerem od lat rozpalała wyobraźnię inżynierów, użytkowników i... artystów. Jak się okazało, sprawa nie jest - i nigdy nie była - oczywista: rozumienie naturalnej mowy to skomplikowany proces. Języki, którymi posługują się ludzie, są bowiem przepełnione subtelnościami i niejednoznacznością, a ich zrozumienie wymaga znajomości kontekstu. Intensywny rozwój technologii VUI doprowadził do tego, że komputer wykonujący polecenia głosowe nie jest niczym nadzwyczajnym. Wciąż jednak sporo można w tej dziedzinie poprawić. Szczególnie ważne wydaje się wzięcie pod uwagę wrażeń użytkownika: interfejs VUI, który jest uciążliwy dla odbiorcy, nie podaje potrzebnych informacji lub podaje zupełnie nieprzydatne, będzie użytkowany z niechęcią albo wcale.

W tym przewodniku znajdziesz przegląd najważniejszych zasad projektowania interfejsów głosowych, a także opis narzędzi służących do tego celu. Poza najbardziej podstawowymi informacjami o mechanizmach rozpoznawania głosu omówiono złożone strategie rozumienia języka naturalnego, analizę nastroju, zbieranie danych oraz techniki przekształcania tekstu w mowę. W książce wyczerpująco opisano zagadnienia wydajności interfejsu VUI: dowiesz się, co na tę wydajność wpływa i w jaki sposób można ją podnieść. Przedstawiono również problematykę systemów sterowanych głosowo, takich jak asystenty domowe czy interfejsy projektowane dla samochodów. Z przewodnika skorzystają zarówno menedżerowie oraz projektanci biznesowi, jak i projektanci interfejsów VUI, niezależnie od tego, czy samodzielnie piszą swoje VUI, czy korzystają z istniejących platform.

W książce:

• kluczowe koncepcje projektów interfejsów głosowych
• wizualne reprezentacje interfejsów głosowych
• technologie rozpoznawania mowy
• metody testowania aplikacji głosowych
• poprawa wydajności aplikacji głosowych
• rzeczywiste przykłady interfejsów głosowych

Przedmowa do wydania polskiego 11

Wstęp 13

1. Wprowadzenie 19

• Krótka historia interfejsów VUI 19
  
  • Druga era interfejsów głosowych 20
  • Po co nam interfejsy głosowe? 21
• Konwersacyjne interfejsy użytkownika 23
  
  • Wywiad z Alexą 23
• Kim jest projektant interfejsów VUI? 25
• Chatboty 26
• Wnioski 28

2. Podstawowe zasady projektowania interfejsów głosowych 29

• Różnice między projektami dla urządzeń mobilnych a projektami dla systemów IVR 29
• Projekty konwersacyjne 32
• Ustalanie oczekiwań użytkownika 35
• Narzędzia projektowe 37
  
  • Przykładowe dialogi 37
  • Próby wizualne 38
  • Przepływy 38
  • Narzędzia do prototypowania 39
• Potwierdzenia 40
  
  • Metoda 1. Pewność trójstopniowa 43
  • Metoda 2. Potwierdzenia niejawne 43
  • Metoda 3. Potwierdzenia niewerbalne 43
  • Metoda 4. Potwierdzenia ogólne 44
  • Metoda 5. Potwierdzenia wizualne 45
• Sterowanie poleceniami a konwersacja 47
  
  • Sterowanie poleceniami 47
  • Konwersacja 50
• Znaczniki konwersacji 52
• Obsługa błędów 53
  
  • Nie wykryto mowy 55
  • Mowa wykryta, ale nie rozpoznana 56
  • Mowa rozpoznana, ale nie obsłużona 57
  • Mowa rozpoznana nieprawidłowo 57
  • Poszerzanie opisu błędu 58
• Nie zrzucaj winy na użytkownika 59
• Użytkownicy początkujący i zaawansowani 59
• Pamiętaj o kontekście 60
• Pomoc i inne uniwersalne elementy 65
• Opóźnienia 68
• Dwuznaczności 69
• Dokumentacja projektowa 70
  
  • Teksty zachęty 71
  • Gramatyka i frazy kluczowe 71
• Dostępność 71
  
  • Interakcje powinny być krótkie 72
  • Nie przedłużaj 73
  • Mów szybciej! 74
  • Przerwij mi w dowolnym momencie 75
  • Podawaj kontekst 75
  • Gdzie jestem? 76
  • Personalizacja mechanizmu TTS 76
• Wnioski 78

3. Persony, awatary, aktorzy i gry wideo 81

• Persony 81
• Czy mój interfejs głosowy powinien być widoczny? 84
• Używanie awatara - czego nie robić? 85
• Używanie awatara (lub nagrania z aktorem) - co robić? 88
  
  • Opowiadanie historii 88
  • Praca zespołowa 89
  • Gry wideo 90
• Kiedy korzystać z nagrań w moim interfejsie? 93
• Wizualny interfejs głosowy - najlepsze praktyki 94
  
  • Czy użytkownicy muszą widzieć swój obraz? 95
  • A co z interfejsem graficznym? 95
  • Obsługa błędów 97
  • Kolejność mówienia i wchodzenie w słowo 98
  • Utrzymywanie zaangażowania i iluzja świadomości 99
• Wizualne (ale bez awatara) informacje zwrotne 102
• Wybieranie głosu 105
• Zalety awatara 105
• Wady awatara 107
  
  • Dolina niesamowitości 109
• Wnioski 110

4. Technologia rozpoznawania mowy 111

• Wybieranie mechanizmu 111
• Wchodzenie w słowo 112
  
  • Limity czasowe 116
  • Limit czasu na zakończenie wypowiedzi 116
  • Limit czasu bez mowy 117
  • Zbyt dużo tekstu 122
• Listy N-najlepszych 123
• Wyzwania związane z rozpoznawaniem mowy 124
  
  • Hałas 125
  • Wiele mówiących osób 125
  • Dzieci 126
  • Nazwy, literowanie i znaki alfanumeryczne 127
• Prywatność danych 128
• Wnioski 129

5. Projektowanie zaawansowanych interfejsów głosowych 131

• Wybieranie ścieżki interakcji na podstawie informacji głosowych 132
  
  • Odpowiedzi ograniczone 132
  • Mowa otwarta 133
  • Kategoryzacja danych wejściowych 134
  • Znaki wieloznaczne i wyrażenia logiczne 135
• Rozwiewanie dwuznaczności 136
  
  • Brak informacji 136
  • Więcej informacji niż to potrzebne 138
• Obsługa negacji 139
• Wychwytywanie intencji i celów 141
• Zarządzanie dialogiem 142
• Nie zostawiaj użytkownika bez pomocy 144
• Czy interfejs głosowy powinien wyświetlić to, co rozpoznał? 144
• Analiza uczuć i wykrywanie emocji 146
• Mechanizm syntezy mowy lub nagrania aktorów 148
• Weryfikacja mówiącego 150
• Słowa wybudzające 151
• Kontekst 152
• Zaawansowana wielomodalność 153
• Wstępne zbiory danych 153
  
  • Dane ze stron WWW 153
  • Dane z centrum telefonicznego 154
  • Zbieranie danych 154
• Zaawansowane rozumienie języka naturalnego 154
• Wnioski 158

6. Testowanie interfejsów głosowych przez użytkowników 159

• Szczególne cechy interfejsów głosowych 159
• Różne badania na temat użytkowników i przypadków użycia 160
  
  • Nie próbuj wymyślać ponownie koła 160
• Projektowanie badania z rzeczywistymi użytkownikami 161
  
  • Definicja zadania 161
  • Wybieranie uczestników badania 163
  • Jakie pytania zadawać? 164
  • Na co zwracać uwagę? 168
• Testowanie na wczesnym etapie 169
  
  • Przykładowe dialogi 169
  • Próbki 171
  • Testy "Czarnoksiężnika z krainy Oz" 171
  • Różnice między testami WOz i testami użyteczności 173
• Testowanie użyteczności 174
  
  • Testy zdalne 174
  • Testy w laboratorium 178
  • Testy "partyzanckie" 178
• Miary wydajności 179
• Kolejne kroki 179
• Testowanie interfejsów głosowych w samochodach, urządzeniach i robotach 180
  
  • Samochody 180
  • Urządzenia i roboty 181
• Wnioski 182

7. Twój interfejs głosowy jest ukończony! Co teraz? 183

• Testy przed wydaniem systemu 183
  
  • Testy przechodzenia przez dialog 183
  • Testowanie rozpoznawania mowy 185
  • Testy obciążeniowe 186
• Mierzenie wydajności 187
  
  • Wskaźnik ukończenia zadań 188
  • Wskaźnik przerwań 189
  • Inne elementy, które warto sprawdzić 189
• Rejestrowanie zdarzeń 195
• Transkrypcje 196
• Fazy wdrożenia 197
  
  • Pilotaż 197
• Ankiety 198
• Analiza 199
  
  • Poziom pewności 200
  • Limity czasowe zakończenia mowy 200
  • Wyniki pośrednie i wyniki końcowe 201
  • Własne słowniki 201
  • Teksty zachęty 201
• Narzędzia 202
  
  • Testy regresji 204
• Wnioski 205

8. Interfejsy głosowe samochodów i urządzeń 207

• Urządzenia 207
  
  • Asystenci domowi 207
  • Zegarki, opaski i słuchawki 215
  • Inne urządzenia 217
• Samochody i pojazdy autonomiczne 218
  
  • Wyzwania związane z projektowaniem interfejsu głosowego dla samochodu 218
  • Projektowanie systemów dla samochodów 219
  • Rozproszenia podczas jazdy 222
  • Zmiana urządzenia 224
  • Tryb interakcji 225
  • Wnioski dotyczące samochodów 226
• Wnioski 226

Epilog 227

Produkty wymieniane w tej książce 229