“如果机器在某些现实的条件下 ， 能够非常好地模仿人回答问题 ， 让提问者在相当长时间里误认它不是机器， 那么机器就可以被认为是能够思维的 。”
—— 阿兰·图灵
“ 一个人的成功 ， 约有 15% 取决于技术知识 ，85% 取决于口才艺术 。”
—— 戴尔·卡耐基
“ 与机器像和人一样对话” 大概是人类对人工智能最初的设想 ， 也是人类希望在人工智能领域实现的目标 。
在不少科幻电影或小说里， 人工智能可以和人自然交流 ， 甚至可以谈情说爱 ( 如电影 《her》中的萨曼莎 )。 但我们不得不承认 ， 现实和理想差距很大 。 现在的人工智能虽然已经 “可以说话 ”， 但大多数都 “ 不会说话 ”， 我们经常可以听到 “ 这个问题我还理解不了 ， 如果你想……，可以这样对我说……”。
为了教会机器“ 像人一样说话 ”， 人们在语音识别 、 自然语言理解 、 语音合成等诸多方面进行了大量探索 ， 但这些探索主要集中在技术维度 ， 而对机器话术涉猎较少 。
在汉语中 ，“ 术” 有技艺 、 方法之意 ， 话术即指说话的技艺和方法 。 和技术相比 ， 话术更偏艺术和人性 。 乔布斯说 “ 只有技术是不够的——技术与人文艺 术结合 、 与人性结合 ， 才能带来让我们内心喜爱的结果 ”。 因此 ， 我们本次从用户视角出发 ， 尝试 从艺术和人性的角度对话术进行探索 。
研究主要包含以下内容 ：
话术设计研究： 我们如何做的
话术设计原则：用户关注什么 ? 哪个更重要
话术设计建议：原则如何指导话术设计
一 、 话术设计研究： 我们如何做的 ?
当下的话术研究多从研究者视角出发，原则主要源自研究者的日常观察 、 哲学思辩和专业判断。 本次 ， 我们从用户视角出发来探讨话术 ，研究过程如下 ：
1. 案头研究
我们对人与人的对话结构和对话原则进行了系统梳理， 特别推荐 Grice 的 “ 合作原则”( 出自 《逻辑与会话 》 演讲 ，1967) 和索振羽的 “ 得体原则”( 出自 《 语用学教程 》 第二版，2014)。 这一步至关重要 ， 它加深了我们对 “对话” 的理解 ， 这些原则也成为我们设计实验话术时的重要参考依据 。
2. 对话场景设计
为覆盖尽可能多的场景， 我们系统梳理了语音交互的典型场景 ， 如听音乐 、 问天气 、 家居控制 、 生活服务等 。 同时 ， 每个场景下也细分了机器的不同状态 ， 如是否听清 、 能否识别 、是否有能力满足等 。
3. 具体话术设计
对话场景梳理清晰后， 我们针对每个场景设计实验所需话术 。 话术来源主要有二 ， 一是主流语音交互产品的现有话术 ， 二是研究者基于人与人的对话原则撰写而成的话术 。
4. 话术实验
上述准备完成后， 进入正式实验阶段 。 在实验中 ， 我们创设了各类场景 ( 具体场景见 “对话场景设计” 部分 )， 并且模拟了真实的人机对话过程 ( 所有实验话术均转为语音合成音进行播报 )， 要求用户基于真实体验对不同场景下每类话术的喜好度进行评价 。
同时， 我们使用了 “ 参与式设计”， 以“ 假如你是机器， 你会如何回答 ” 为起点 ， 引导用户更深地参与到话术设计中 ， 共同探讨实验话术以及更为理想的表 达方式 。 这一过程使我们获得了大量源自用户的鲜活话术 ， 也使我们能从更丰富的角度挖掘用户构建话术的原则、 方法与技巧 。
5. 设计原则提炼与验证
基于案头研究和实验发现 ， 我们提炼了初步的设计原则。 之后 ， 要求用户对原则的可理解性、 全面性 、 适用性等进行评估 。 经过多轮评估 ， 我们不断调整原则， 最终获得了现在的话术设计原则。
二、 话术设计原则：用户关注什么 ? 哪个更重要 ?
我们发现， 在用户心中 ， 好的话术要兼顾理性和感性原则。 理性原则体现在 “机器的话是有用的 ”， 话术应该是以目标为中心 、 准确 、 简洁的 ; 感性原则强调 “对话过程令人愉悦 ”， 话术应该是自然 、 友好 、 有个性的 。
同时， 我们要求用户基于自身体验对各原则的重要性进行了 1 -10 级评价 ， 其中 1 分代表非常不重要 ，10 分代表非常重要， 分数越高 ， 重要性越高 。
结果发现， 现阶段 ，用户更看重理性原则， 尤其是以目标为中心 ， 准确 ， 而自 然 、 友好等感性原则暂居相对次要的位置 。
此外 ， 我们也梳理了不同原则下的具体评估指标 ， 这些指标代表在该原则下 ，用户在对话中具体的关注点 。 不同指标的重要性有所不同 ， 详见下表 。
三、 话术设计建议：原则如何指导话术设计?
接下来， 我们一起看看上述这些原则如何指导具体的机器话术设计。
1. 以目标为中心原则
以目标为中心是用户最为看重的原则。用户非常重视效率 ( 闲聊场景除外 )， 他们希望机器的回复与自己的需求高相关 ，可以快速达成心中所想 。
同时，用户表示在语音交互中 ， 需要更多 “ 引导 ”， 尤其需要了解机器当下和未来状态 。 语音看不见摸不着 ， 我们无法像在图形用户界面 (GUI) 中那样——通过导航条判断所在的位置 ，看到按钮可以判断是否点击等 。 如果缺少必要的引导 ，用户在语音交互中很容易迷茫 ， 产生各类负面情绪 。
因此， 话术设计时 ， 必须遵循以目标为中心原则， 做好引导 ， 让用户可以通过声音 “ 看到 ”通往需求的路径 。 基于此原则，设计话术时可考虑以下几条建议：
建议 1： 优先回应用户的核心意图
围绕用户最关心的问题优先给出适合的回应 。
建议 2： 清楚传达机器当前的情况
如果因为各种原因无法直接满足用户需求时 ， 应及时告知 ， 避免用户困惑 。
建议 3： 澄清目标 ， 不轻易终结对话
对话过程中 ， 引导用户不断澄清目标 ， 不轻易做话题的终结者 。
建议 4： 告诉用户接下来怎么做
不能清晰识别用户意图时 ， 可主动询问用户有可能的意图 ， 引导用户完成目标 。
建议 5： 提供相关替代方案
在无法直接满足用户时 ， 可考虑提供相关度较高的替代方案 ， 间接满足用户。
2. 准确原则
用户认为表达准确是最基本的原则。 表述不准确可能导致用户误解 、 无法判断机器所要传达的真正含义 ， 使对话脱离正轨甚至无法进行 。
基于准确原则，设计话术时可考虑以下建议：
建议 1： 避免表述有歧义
表述的含义要确定， 不要说让用户“ 这样理解可以， 那样理解也可以” 的话 。 口语中最常见的歧义是同音歧义 ， 即语音相同带来的歧义 。 以下两类同音歧义 ， 话术设计时需要注意 ：
同音异形词歧义， 如播放菜谱时提到 “ 切 ji 放糖 ”， 是“ 记 ” 还是 “ 忌 ”?
同音同形词歧义 ， 如闲聊时提到 “ 我最喜欢杜鹃啦 ”， 是杜鹃这种花还是杜鹃这种鸟 ?
建议 2： 避免表述过于笼统模糊
表述要尽可能具体明确 ， 避免过于笼统模糊 。
我们来看下面一个案例，研究中 ， 面对第一种话术 ， 大多数用户表示 “ 有点懵 ”，“ 是给音箱起名字， 还是告诉音箱自己的名字 ? 不知道该怎么回答 ”。 而第二种话术则明确指出是 “ 音箱对自己的称呼 ”。
3. 简洁原则
在研究中 ，用户多次提到 “ 不喜欢这个话术 ， 太啰嗦了 ， 能不能 拣 重点说 ”，“ 说太多了 ，压根没记住啊 ”， 这些抱怨体现了用户对简洁的重视 。
用户如此重视简洁是必然的。 语音是一维线性的 ， 只能一个字一个字的听完 ， 无法快进 ， 不能后退 。 哪怕信息不相关 、 无意义 ，用户都无法略过 。 这些冗余信息既浪费用户时间 ， 也会增加用户的烦躁情绪 。
更重要的是， 大脑能处理的语音信息量有限 ， 一旦超出会给人的工作记忆造成负担 。 长期以来 ， 神奇数字 7±2 被认为是工作记忆的容量 ， 但近期这一标准遭到质疑 ， 普遍认为这一估计偏高 。 有研究者 (Mastin，2010) 认为这一数字可能是 4±1。
基于此原则，设计话术时可考虑以下几条建议：
建议 1： 表述简单明了 ， 不啰嗦
传递必要信息前提下 ， 保持话术简洁 。
建议 2： 避免信息量过大 ， 一次提供的选项不超过三个
单次交互提供的信息量不要过大 ， 以免给用户造成认知和记忆负担 。
4. 自然原则
在研究中， 听到某些话术 ，用户纷纷表示 “ 这太生硬了 ， 一点都不自然 ”，“ 这明显就是机器说的话 ， 人怎么可能这么说呢 ”。用户希望话术可以贴近生活 ， 尽可能自然 。
这是非常好理解的。 在人机语音交互中 ， 人类最想使用的肯定是自然语言 。 口头语言是人类最擅长 ， 使用门槛最低的自然语言 ， 人类使用口头语言进行交流的历史已跨越十万年 。 与之相比 ， 书面语言的发展不过五千年 ， 计算机语言更是刚刚萌芽 。 因此 ，设计话术时 ， 可参考汉语口头语言的特点 ， 营造 “ 自然感 ”。
基于此原则，设计话术时可考虑以下几条建议：
建议 1： 措辞口语化
日常对话中 ， 我们会使用丰富多彩的重叠词 ( 如看看 、 马上马上 )、 语气词 ( 如吧 、 呢、哈 )、 感叹词 ( 如哎 ! 天 !)、 惟妙惟肖的象声词 ( 如噗通 、 呼啦 )、 填补词 ( 如嗯， 呃 )， 也会妙用各种副语言 ， 如 “ 哼哼 ” 之类的鼻化音 、 笑声 、 颤音等等 。 话术设计中，可以参考这些口语化的表达 。
尤其注意 ， 话术设计时要尽可能避免专业术语 、 技术名词 、 晦涩用语等 。
建议 2： 句式自然 ， 可使用话语标记
口语中句子多短小 ， 结构简单 。 语言学研究发现 ， 口语中长句占比仅 19%， 短句占比达到 81%(超过 7 个实词的单句为长句 ， 反之为短句 。 实词指具有实际含义且能单独充当句子成分的词 )。 话术设计时可考虑这一特点 ， 尽可能使用短句 。
另外 ， 口语对话中会使用 “ 话语标记语 ” 做句子之间的过渡 ， 话术设计时也可参考 。 常见的话语标记有 ：“ 首先…然后…最后 ” 之类的序列标记 ;“ 开始 ”、“ 以后 ” 之类的时间标记 ;“这”、“ 那 ” 之类的指示词等 。
建议 3： 增加措辞多样性
使用同义词为固定的答案增加多样性 ， 比如表示确认的时候 ，可以随机呈现 “ok”、“ 收到 ”、“好的 ”、“ 没问题 ” 等等 。 这些同义词可以增加对话活力 ， 让对话更自然 。
5. 友好原则
研究中， 我们发现 ，用户很反感机器以 “ 高人一等 ” 的姿态说话 ， 尤其反感被机器指责 。 高人一等的话语和指责会让用户觉得 “ 不忿 ”、“ 挫败 ”， 甚至会丧失对机器的 “ 信任 ”。
人是社会性动物。 日常交往中 ， 我们更喜欢对我们友好 、 喜欢我们的人 ， 而倾向远离那些不够友善的人 。 判断对方是否友善 ， 语音是最直观的线索 。 在人机语音交互中 ， 我们同样能根据机器的应答判断其是否友好 。 因此 ， 话术设计时要重视友好 。
基于此原则， 话术设计时可考虑以下几条建议：
建议 1： 错误归为机器， 而非人
错误发生时 ， 从机器的角度说明出错原因 。
建议 2： 避免要求用户按照特定的方式表达
尊重用户的说话方式 ， 不要试图教给用户怎么说话 。
建议 3： 体现 “ 关注用户需求 ” 的服务态度
即使不能满足用户需求 ， 也要体现出努力帮助用户的态度 。
6. 有个性原则
必须强调， 话术体现的个性必须与产品人设保持一致 ， 比如冷静成熟的产品人设就不太适合嗲嗲说话撒娇卖萌的话术 。
本次我们发现，用户对 “ 幽默 ” 的话术接受度较高 。 在人际交往中 ， 幽默能提升他人对自己的印象 ， 让人感觉亲密并能帮助人们缓解压力 。 语用学研究也发现 ， 只要适合特定场景 ， 幽默话语的交际效果是最佳的 。
不过， 幽默具有明显的文化和群体差异 ，“ 甲之蜜糖 ， 乙之砒霜 ”，设计话术时需特别注意 。
建议 1： 遇到难题时 ， 可考虑使用幽默话术回应
遇到无法实现的功能时 ， 通过幽默话术回应用户， 调节氛围 。
建议 2： 娱乐话题的表述可以更加活泼有趣
讨论一些娱乐话题或闲聊时 ， 话术可以考虑增添更多趣味元素 。
四、 小结
本文从用户视角出发 ， 阐述了机器话术设计的 6 大普适性原则， 以及如何基于这些原则设计话术 。 我们定义的设计原则及提供的设计建议如下 ：
话术研究具有挑战性。 话术与对话场景 、 对象 ， 产品本身的人设 、 特性 ， 系统语音识别 、语义理解能力等均具有密切关系 。 但这不妨碍我们通过参与式的用户研究探索话术设计的普适性原则。 所谓 “ 深根固柢 ”， 这些原则是机器话术设计时的基础与根基 ， 有助于我们打造更自然和极致的语音对话体验 。
我们也以此研究为契机， 开始探索在 AI 时代 ， 在机器话术这个领域 ， 如何将技术和艺术 、人性结合 ， 希望能带来让用户内心真正喜欢的体验 。
机器话术作为一个充满艺术特色又与人性密不可分的主题， 还有着许多未知且充满魅力的方面值得探索 。 希望本次研究可以抛砖引玉 ， 引发更多同仁更深入的研究。
