語音用戶界面（VUI，Voice User Interface）是人與語音對話系統(tǒng)交互時所接觸到的。它的元素包括提示音，語法和對話邏輯（即對話流程）。提示音是在所有對話中播放給用戶的錄音或合成的語音。語法定義了用戶對不同的提示音的可能的回答。對話邏輯定義了系統(tǒng)的行為。例如回應(yīng)用戶所說的話或從數(shù)據(jù)庫中獲取信息。

下面的例子是一個用戶和一個航班信息系統(tǒng)的一次交互過程：

系統(tǒng)：你好，多謝致電“藍天”航空。我們最新的自動系統(tǒng)可以幫你查詢你需要的航班信息。請問你知道航班號嗎？

用戶：對不起，我不知道。

系統(tǒng)：沒關(guān)系，請告訴我航班的出發(fā)城市。

用戶：北京。

VUI的設(shè)計原理和方法與其它用戶界面的設(shè)計原理及方法有相似之處。然而有一些語音界面的特征使它成為獨特的設(shè)計挑戰(zhàn)和機會。兩個最主要的特征包括：

1、感覺器官是聽覺器官：聽覺器官界面的獨特性在于它通過瞬態(tài)的或不能長久存在的信息（語音）來交流。用戶聽到了，然后就消失了。用戶沒有可能回顧系統(tǒng)的輸出或以他們希望的速度說出，相對而言系統(tǒng)對節(jié)奏有更多的控制。聽覺界面的這種瞬態(tài)特征對用戶的知識有一定的要求。而VUI設(shè)計的原則之一就是不要讓用戶認知超載，不要挑戰(zhàn)人類短時記憶的能力，從而提供用戶影響對話節(jié)奏的途徑。

另一方面，聽覺器官提供的界面也為VUI設(shè)計創(chuàng)造了獨特的機會。人類從不同的層次與聽覺系統(tǒng)交互。他們不僅從所聽到的字詞和句子結(jié)構(gòu)，也從這些信息傳達的方式來獲取它的意義：如重音和語調(diào)模式，聲音品質(zhì)及其它特征。通過仔細選擇錄音演員并有效指導(dǎo)他/她提示音的講法，你可以創(chuàng)建協(xié)調(diào)，統(tǒng)一的系統(tǒng)形象特征。這就為設(shè)計者提供了為其設(shè)計建立品牌的機會。設(shè)計者也可以利用聽覺界面的特征，用非語音的聲音解決用戶界面的一些問題及為系統(tǒng)增值。一成不變或重復(fù)提示音常常會引起用戶的反感。即使是同一種提示音或回答同一問題，也應(yīng)當(dāng)用不同的說法，不要只用一種固定的語音，以避免聽者的反感。這一點相當(dāng)重要。

2、交互媒介是口語語言：我們每日花很長時間通過交談來溝通，理解人類的交談有利于改善人與機器的對話。人類有許多對話的慣例，假設(shè)和期望，有些是共有的，有些則專于某種語言社會。違背這些語言已有的東西所設(shè)計的用戶界面會使用戶感覺不適應(yīng)，不易理解而更多的導(dǎo)致錯誤。有效使用這些人類共享的語言特征可以使人機對話更豐富，流暢。

VUI作為系統(tǒng)與用戶的直接交互界面，對語音系統(tǒng)用戶的經(jīng)歷影響很大。而好的用戶經(jīng)歷會帶來用戶對系統(tǒng)的認可及多次使用；高自動化率；最好的客戶滿意度和投資回收率。用戶會感到“系統(tǒng)能識別我說的所有話”，“它隨時給我提供幫助，我從不會感到迷失”，“很簡單，我還會再使用它”。反之，用戶會感到迷失，開始責(zé)怪系統(tǒng)或不再使用該系統(tǒng)。

VUI是怎樣影響用戶經(jīng)歷的呢？

首先，在語音技術(shù)方面，好的VUI設(shè)計使得系統(tǒng)能在第一次交互時就得到正確的結(jié)果，減少用戶確認次數(shù)及從錯誤返回的次數(shù)。

其次，在對話方面，好的VUI設(shè)計是技術(shù)和藝術(shù)的結(jié)合，使得用戶使用起來很簡便而且多樣化不乏味。它提供有效的主菜單提示音，可選的自然語言對話捷徑，與對話上下文相關(guān)的幫助及錯誤恢復(fù)和對新用戶的使用指南等。

最后，在系統(tǒng)形象（Persona）方面，好的VUI設(shè)計體現(xiàn)有趣而有吸引力的形象特征。它能拓展品牌；創(chuàng)造理想的“呼叫中心職員”；讓用戶感到系統(tǒng)高效，有幫助，令人愉快且有娛樂性。

語音識別系統(tǒng)不僅僅是一種技術(shù)產(chǎn)品。它要滿足用戶及商業(yè)目標(biāo)的雙重需求。而用戶界面，包括對話(Dialog)及形象(Persona)的設(shè)計則是建立一個充滿魅力的語音系統(tǒng)，使用戶樂于重復(fù)使用的關(guān)鍵。

語音用戶界面設(shè)計的原則：說起語音用戶界面設(shè)計，許多人可能就會想到許多瑣碎而細節(jié)的方法。例如，如何寫提示音，如何平衡提示音和語法等。毫無疑問，這些都是語音用戶界面設(shè)計的有效的技巧。本文限于篇幅，無法對這些技巧一一介紹。這里，我們就其對設(shè)計原則，即如何應(yīng)用這些技巧的原則作一些介紹：

1）在設(shè)計中應(yīng)從用戶那里取得意見來驗證和優(yōu)化設(shè)計。從某種意義上來說，VUI設(shè)計者是最糟的適用性（Usability）測試者。設(shè)計者明確知道每一個提示音后面的意義，他們知道如何使用自己設(shè)計的界面，而對其它人則可能有困難。語音界面以語言作為媒介。語言的前后聯(lián)系，個人的經(jīng)歷，知識及語言技能都會影響對話。VUI設(shè)計者可能很難注意到用戶對他們的設(shè)計的困惑和不解。而用戶的反饋就成為解決問題的關(guān)鍵。

2）要同時考慮商業(yè)的需求和用戶的需求。并且要通過早期的工作來提高設(shè)計的效率。這是多年來軟件工業(yè)的經(jīng)驗。作為設(shè)計者，在埋頭于諸多的設(shè)計細節(jié)之前，從商業(yè)目的考慮用戶需求，對應(yīng)用系統(tǒng)進行深入的理解是必要的。通過這些理解確定VUI界面高層的，貫穿整個系統(tǒng)的設(shè)計，例如系統(tǒng)形象（Persona）等。

3）進行對話式的設(shè)計并考慮上下文的語言環(huán)境。設(shè)計者經(jīng)常專著于每個對話狀態(tài)的機械的細節(jié)而沒有注意到更大的上下文對話環(huán)境。人類的對話語言的上下文關(guān)系很重要，每個人都有這方面的技巧和經(jīng)驗。有時也許是不自覺的。而作為設(shè)計者，在VUI中考慮和運用人類固有的這些習(xí)慣是必要的，這樣可以設(shè)計出更有益于理解，更流暢和自然的對話。

總的來說，VUI設(shè)計是一個以用戶為中心的設(shè)計過程。目的是為了給用戶最優(yōu)的經(jīng)歷。創(chuàng)建有吸引力的交互過程，用用戶習(xí)慣的，靈活多樣而有引導(dǎo)性的方式，使用戶樂于使用，贏得用戶的忠誠，提高自動化率，從而獲得高投資回收，幫助公司擴展形象和品牌。