陈宪涛，王任振，邹黎明，徐濛

(百度AI用户体验部，北京 100193)

1 引言

人工智能技术的发展催生了很多自然的交互方式，语音交互作为比较成熟的交互方式目前正在被广泛的使用。语音交互依托于语音识别、语义理解、语音合成等语音处理技术，实现了人与设备间通过自然语言进行信息的传递，极大提升了人机交互的效率和自然度[1]。近几年，针对智能家居[2-4]、智能车载[5-6]、可穿戴设备、智能机器人[7-8]等场景或相关产品的语音交互体验，已经得到企业界和学术界的广泛关注，并开展了很多研究实践。按照研究的关注点，可以将这些研究大致分为两类：基础的交互体验和进阶的交互体验，前者主要关注语音交互的可用性和效率等体验，后者侧重解决语音交互中较复杂的问题，如情感和对话等体验。然而，目前语音交互的基础体验并不完善[9-10]，国际知名用户体验咨询公司NNGroup对智能语音助理的体验进行研究，发现语音交互过程中仍存在较多的可用性问题[11]。

按照用户的交互行为，可以将语音交互分为语音唤醒和语音对话两个交互环节。唤醒是启动语音交互的第一步操作，用户需要首先对设备进行唤醒，然后才能开启语音对话的交互功能[12]。语音唤醒是目前用户与智能设备交互常见的唤醒方式，主要指用户通过特定的唤醒词，将激活信号传递给设备以便实现语音识别系统的智能开启[13]，例如唤醒词“小度小度”可以唤醒内置百度DuerOS对话式系统的智能设备。……