Ovozli foydalanuvchi interfeysi Vikipediyadan, bepul ensiklopediya

Ovozli ilovalar uchun foydalanuvchi interfeyslari
Kandes Kamm

XULOSA
Nutq sintezi va nutqni tanib olish texnologiyalari takomillashgani sari murakkabroq va tabiiyroq inson va mashina o‘zaro ta’sirini talab qiluvchi ilovalar amalga oshirilishi mumkin bo‘lmoqda. Yaxshi ishlab chiqilgan foydalanuvchi interfeysi ushbu ilovalarning muvaffaqiyati uchun juda muhimdir. Ehtiyotkorlik bilan ishlab chiqilgan foydalanuvchi interfeysi, hatto texnologiya nomukammal ishlagan taqdirda ham, foydalanuvchi nuqtai nazaridan muvaffaqiyatli natijaga erishish uchun mavjud texnologiyaning ko'plab cheklovlarini engib o'tishi mumkin. Keyingi texnologik yaxshilanishlar bilan foydalanuvchi interfeysining asosiy roli asta-sekin foydalanuvchi kiritishini texnologiyaning cheklovlariga moslashtirishga qaratilgan e'tibordan tegishli suhbat belgilarini tanib olish va ta'minlash orqali inson va mashina o'rtasidagi interaktiv muloqotni osonlashtirishga o'tadi. Ovozli interfeyslarni loyihalashda e'tiborga olinishi kerak bo'lgan omillar qatoriga (a) ilovaning vazifalarga qo'yiladigan talablari, (b) texnologiyaning imkoniyatlari va cheklovlari va (c) foydalanuvchi populyatsiyasining xususiyatlari kiradi. Ushbu maqolada ushbu omillar foydalanuvchi interfeysi dizayniga qanday ta'sir qilishini ko'rib chiqadi va so'ngra samarali va samarali inson va mashina ovoziga asoslangan shovqinlarni osonlashtirish uchun ishlatilishi mumkin bo'lgan foydalanuvchi interfeyslarining tarkibiy qismlarini tavsiflaydi.

Ovozli interfeyslar multimodal, multimedia tizimining komponenti sifatida yoki boshqa kirish va chiqish usullari band bo'lgan, mavjud bo'lmagan yoki inson tomonidan foydalanilmaydigan (masalan, ingl. yoki vosita nogironligi). Ovoz orqali inson va kompyuter o'zaro ta'sirining sabablaridan biri shundaki, ovozli interfeyslar boshqa turdagi interfeyslarga (masalan, klaviatura, sichqoncha, sensorli ekran) nisbatan "tabiiyroq" hisoblanadi. Ya'ni, nutq interfeyslari odamlar o'rtasidagi muloqotga o'xshash "ko'rinish va his" ni ta'minlay oladi. Asosiy taxmin shundan iboratki, foydalanuvchiga ushbu "tabiiyroq" interfeysni taqdim etish orqali tizim foydalanuvchi va mashina o'rtasida ma'lumotni yanada samarali va samarali uzatishni yaratish uchun foydalanuvchi kundalik kommunikativ tajribalar orqali ishlab chiqqan ko'nikmalar va umidlardan foydalanishi mumkin ( Leiser, 1989).

Muvaffaqiyatli inson va mashina o'zaro ta'siri, xuddi inson va insonning muvaffaqiyatli o'zaro ta'siri kabi, inson nuqtai nazaridan vazifani samarali va oson bajaradi. Biroq, hozirgi odam va kompyuterning ovoziga asoslangan o'zaro ta'sirlari nutq kiritish [ya'ni, avtomatik nutqni aniqlash (ASR) yoki nutqni tushunish] yoki nutq uchun ko'pchilik odamlar va inson o'zaro ta'sirida erishilgan boylik, murakkablik, aniqlik yoki ishonchlilikka hali mos kelmaydi. chiqish (raqamlashtirilgan yoki sintetik nutq). Bu kamchilik qisman nutq texnologiyasining nomukammalligi bilan bog'liq. Shu darajada muhimki, joriy avtomatlashtirilgan tizimlar dastur haqida yetarli domen bilimlarini o'z ichiga olishi mumkin bo'lsa-da, ular hamkorlikdagi o'zaro ta'sirlarni osonlashtiradigan boshqa turdagi bilimlarni etarli darajada o'z ichiga olmaydi. Odatda, avtomatlashtirilgan tizim ham lingvistik, ham kontseptual bilimlarda cheklangan. Bundan tashqari, ovozli interfeyslardan foydalanadigan avtomatlashtirilgan tizimlar, shuningdek, suhbat dinamikasini, jumladan, navbatni to'g'ri saqlash uchun prosodik signallardan foydalanishni va ishtirokchilar o'rtasida muvofiqlikni o'rnatish uchun tasdiqlash protokollaridan foydalanishni yomon baholaydi.

Yaxshi ishlab chiqilgan ovozli interfeys vazifani muvaffaqiyatli bajarish ehtimolini maksimal darajada oshirish uchun o'zaro ta'sirni tizimlash orqali ushbu kamchiliklarning oqibatlarini engillashtirishi mumkin. Texnologik cheklovlar tabiiy suhbat nutqidan foydalanishni taqiqlasa, interfeysning asosiy roli foydalanuvchini texnologiya talablariga mos keladigan tarzda o'z xatti-harakatlarini o'zgartirishga undashdir. Ovozli texnologiyalar ko'proq tabiiy kirish bilan shug'ullanish qobiliyatiga ega bo'lganligi sababli, foydalanuvchi interfeysi tegishli suhbat va fikr-mulohazalarni taqdim etish orqali foydalanuvchi va tizim o'rtasida ma'lumotlarning silliq oqimini osonlashtirish uchun hali ham muhim bo'ladi. Yaxshi mo'ljallangan foydalanuvchi interfeyslari muvaffaqiyatli ilovalar uchun zarur; yomon foydalanuvchi interfeysi tizimni yaroqsiz holga keltirishi mumkin.

Ovozli dastur uchun samarali foydalanuvchi interfeysini loyihalash (a) vazifaning axborot talablarini, (b) ovoz texnologiyasining cheklovlari va imkoniyatlarini, (c) foydalanuvchining taxminlari, tajribasi va afzalliklarini hisobga olishni o'z ichiga oladi. Ushbu omillarni tushungan holda, foydalanuvchi interfeysi dizayneri ilovaning muvaffaqiyatiga ta'sir qiladigan ba'zi qiyinchiliklar va nomuvofiqliklarni oldindan bilishi va ularning ta'sirini minimallashtirish uchun o'zaro ta'sirni loyihalashi mumkin. Optimal natijalarga erishish uchun foydalanuvchi interfeysi dizayni tizimning umumiy dizaynida ajralmas va dastlabki komponent bo'lishi kerak. Foydalanuvchi interfeysini loyihalash va amalga oshirish iterativ jarayon sifatida eng muvaffaqiyatli bo'ladi, interfeyslar vakillik foydalanuvchilar guruhlarida empirik tarzda sinovdan o'tkaziladi, so'ngra kamchiliklar aniqlangandan keyin qayta ko'rib chiqiladi va tuzatiladi va tizimning ishlashi barqaror va qoniqarli bo'lgunga qadar qayta sinovdan o'tkaziladi.

Ushbu maqolada ovozli interfeys dizayniga ta'sir qiluvchi vazifalar talablari, foydalanuvchi kutishlari va texnologik imkoniyatlarning ba'zi jihatlari ko'rib chiqiladi va keyin muvaffaqiyatli ovozli ilovalarda ayniqsa muhim bo'lgan foydalanuvchi interfeyslarining bir nechta komponentlari aniqlanadi. Ushbu komponentlar samarali ovozli interfeyslarni yaratish uchun qanday ishlatilishini ko'rsatish uchun bir nechta ilovalardan misollar keltirilgan.

FOYDALANUVCHI INTERFESYONI MUKOLASALARI

Ilovaning vazifalar talablari, foydalanuvchi populyatsiyasining ehtiyojlari va umidlari va texnologiya imkoniyatlari o'rtasidagi o'zaro bog'liqlikni hisobga olgan holda, interfeys dizayneri o'zaro ta'sir orqali foydalanuvchini optimal tarzda boshqaradigan dastur uchun boshqaruv oqimini aniqroq belgilashi mumkin. va muloqotdagi xatolarni vazifani bajarishni osonlashtiradigan tarzda hal qiling.

Vazifaga qo'yiladigan talablar

Joriy nutq ilovalari juda oddiy vazifalardan tortib, tizim foydalanuvchining bitta so‘zli, ikkilik tanlovli bitta savolga javobini tan olishni talab qiladigan vazifalarni o‘z ichiga oladi (masalan, “Agar bu yig‘ilgan qo‘ng‘iroqni qabul qilsangiz, “ha” deb ayting; agar qabul qilsangiz, “yo‘q” deb ayting”) t") foydalanuvchi kiritishi cheklangan domendagi vazifani hal qilishi mumkin bo'lgan murakkab so'rov bo'lgan nutqni tushunishning yanada murakkab tizimlariga (masalan, "Dallas va Boston o'rtasidagi dushanba kuni parvozlar soat nechada?"). Bundan tashqari, ushbu ilovalarning interfeyslari yuqori darajada tuzilgan bo'lishi mumkin, bunda kompyuter yoki foydalanuvchi o'zaro ta'sirni nazorat qilish va boshqarish uchun birinchi navbatda mas'uldir yoki kompyuter va foydalanuvchi rollarni tez-tez direktivdan passiv ishtirokchiga o'zgartirishi bilan ko'proq suhbatlashadi. dialogda. Bu ilovalar oʻzaro taʼsir davomida almashinishi kerak boʻlgan maʼlumotlarning miqdori va turi, shuningdek, amaliy lugʻat hajmi va tarkibi bilan farqlanadi. Bundan tashqari, ilovalar foydalanuvchi uchun mavjud bo'lgan kirish va chiqish usullarida, shuningdek, o'zaro ta'sir o'tkazmaslik xarajatlarida farq qilishi mumkin.

Axborot elementlari

Shubhasiz, ilovaning axborot talablari har qanday foydalanuvchi interfeysini ishlab chiqishda markaziy komponent hisoblanadi. Aks holda, inson va inson muloqoti sifatida yuzaga keladigan ilovalar uchun, odatda, odamlar o'rtasidagi muloqot qanday davom etishini tushunish, vazifani bajarish uchun foydalanuvchidan olinishi kerak bo'lgan ma'lumotlarni aniqlashga yordam beradi. Inson va inson o'zaro ta'sirini o'rganish, shuningdek, foydalanuvchi tomonidan taqdim etilishi mumkin bo'lgan, ammo topshiriqni bajarish uchun muhim bo'lmagan yoki boshqa manbadan olinishi mumkin bo'lgan qo'shimcha ma'lumotlarni ko'rsatishi mumkin. Foydalanuvchi interfeysi dizayneri ushbu bilimlardan ma'lumot elementlarini olishning yanada tabiiy tartibini va har bir elementni olish uchun qancha kuch sarflash kerakligini aniqlash uchun foydalanishi mumkin (Mazor va boshq., 1992). Foydalanuvchilarning mashinalar bilan inson agenti bilan o'zaro aloqada bo'lganidan farqli o'laroq o'zaro munosabatda bo'lishlari kuzatuvi inson va inson muloqotini aniq modellashtirishga urinishlarga qarshi. Biroq, inson va inson o'rtasidagi o'zaro ta'sirni tahlil qilish ilovaning lug'atini aniqlashga yordam beradi, so'rovlar uchun mos so'zlarni taklif qiladi va tez-tez javoblarning ehtimoliy sintaksisini aniqlashga yordam beradi.

Boshqa ilovalar inson-inson analogiga ega emas, balki dastlab avtomatik tizimlar sifatida qat'iy ovozsiz usullardan foydalangan holda ishlab chiqilgan. Garchi bunday tizimlarni tahlil qilish ovozli interfeyslarni loyihalash uchun foydali tushunchalar berishi mumkin bo'lsa-da, ovozli bo'lmagan o'zaro ta'sirni ovozga asoslangan hamkasbiga qat'iy konvertatsiya qilish maqbul bo'lmasligi mumkin. Masalan, telefon klaviaturasidan kiritilgan ma'lumotlardan foydalangan holda avtomatlashtirilgan bank orqali telefon ilovasi foydalanuvchini "Tekshirish uchun (hisob balansi) 1 ni, tejash uchun 2 ni bosing" ga yo'naltirish uchun audio menyudan foydalanishi mumkin. Bunday tizimlar uchun ovozli interfeyslarning dastlabki tatbiq etilishi bu soʻrovni tabiiyroq buyruq soʻzlarini (masalan, “Tekshirish yoki tejash uchun hisobingiz balansini xohlaysizmi? "). Garchi ushbu ilovadagi lug'at tanlovi, ehtimol, noto'g'ri interfeys dizayni qarorlari emas, balki spikerga bog'liq bo'lmagan ASR uchun shablonlarning mavjudligidagi cheklovlar natijasi bo'lsa-da, foydalanuvchi uchun mazmunli va esda qolarli lug'atlardan foydalanish o'zaro ta'sir samaradorligini oshirishi kerak. Ilovaga xos spikerdan mustaqil lug'atlarni osongina yaratadigan nutqni aniqlash tizimlari keng tarqalgan bo'lib bormoqda, shuning uchun ularning kalitlarga asoslangan analoglarida ovozli interfeyslar uchun lug'atni to'g'ridan-to'g'ri modellashtirishning texnologik zarurati tez orada yo'qolishi kerak.

Vazifa usullari

Foydalanuvchi uchun mavjud bo'lgan kirish va chiqish usullari to'plami foydalanuvchi interfeysi dizayniga ta'sir qiladi. Ovozdan tashqari, kiritish usullari klaviatura, sichqoncha, sensorli ekran yoki telefon klaviaturasini o'z ichiga olishi mumkin. Ko'p kiritish usullarining mavjudligi foydalanuvchiga kirishning eng samarali usulini tanlash imkonini beradi, shuningdek, agar foydalanilayotgan modal vazifani bajarishga olib kelmayotganligini aniqlasa, tizimga muqobil kiritish usulini so'rashga imkon beradi. Masalan, agar telefon ilovasida juda yuqori darajadagi fon shovqinining mavjudligi doimiy ravishda noto'g'ri tan olinishiga olib kelsa, tizim vazifani muvaffaqiyatli bajarish uchun foydalanuvchidan telefon klaviaturasiga o'tishni so'rashi mumkin.

Tizimdan foydalanuvchiga ma'lumotni chiqarish uchun audio (nutq) yoki matnli usullar yoki ikkalasi ham mavjud bo'lishi mumkin va tegishli modal vazifaga bog'liq. Masalan, ovozli diktant tizimlarining ko'pchiligi kompyuter monitorida matnli chiqishdan foydalanadi, chunki tizim so'zlarni taniydi, chunki foydalanuvchi tizimdagi xatolar yoki noaniqliklardan xabardor bo'lib, tuzatish choralarini ko'rishi mumkin. (Ko'pincha, tuzatish harakati ovoz yoki klaviatura yordamida, foydalanuvchining ixtiyoriga ko'ra amalga oshirilishi mumkin.) Ushbu ilovada fikr-mulohazalar uchun ovozli chiqishdan foydalanish juda samarasiz bo'ladi, chunki bu foydalanuvchining eshitish xotirasiga jiddiy soliq solishga olib kelishi mumkin fikr yuritadi va, ehtimol, foydalanuvchi nutqini tizim tomonidan qabul qilinishiga ham xalaqit berishi mumkin.

Ovoz chiqish uchun yagona usul bo'lgan hollarda (ko'pgina zamonaviy telefon ilovalarida bo'lgani kabi) interfeys dizayneri nutq chiqishining vaqtinchalik xususiyatini va uning foydalanuvchi xotirasiga qo'yiladigan talablarini hisobga olishi kerak. Misol uchun, agar ovozli menyular ishlatilsa, ular har bir tugunda juda kam sonli variantlardan iborat bo'lishi kerak va foydalanuvchilarga kerak bo'lganda ma'lumotni takrorlashni so'rash uchun yo'l berilishi kerak.

O'zaro aloqadagi nosozliklar narxi

Xatolar inson va kompyuter o'zaro munosabatlarida, xuddi odamlar o'rtasidagi o'zaro munosabatlarda bo'lgani kabi, muqarrar ravishda yuzaga keladi. Ushbu aloqa nosozliklari inson tomonidan kutilmagan yoki noto'g'ri kiritish, tizim foydalanuvchi nutqini noto'g'ri tanib yoki noto'g'ri talqin qilish yoki ikkalasining kombinatsiyasi natijasi bo'lishi mumkin. Xatolarni tan olish yoki tushunish xarajatlari to'g'ridan-to'g'ri (masalan, avtomatlashtirilgan bank operatsiyalarida noto'g'ri depozitlar yoki avtomatlashtirilgan telefon xizmatlarida ushlab turish muddatini ko'paytirish) yoki bilvosita (masalan, xizmat yoki mahsulotdan foydalanishni kamaytirishga olib keladigan foydalanuvchi noroziligi) bo'lishi mumkin. Xatolarning narxiga qarab, interfeys noaniq yoki to'liq bo'lmagan kiritishga javoblarida ko'proq yoki kamroq konservativ bo'lishi uchun ishlab chiqilishi mumkin. Misol uchun, axborot-qidiruv tizimida xatoning narxi faqat so'rovni bajarish va noto'g'ri javobni eshitish uchun sarflangan vaqt bo'lishi mumkin, chunki noto'g'ri javob foydalanuvchi uchun dastlabki so'rov noto'g'ri tushunilganligini aniqlash uchun etarli ma'lumot beradi. Agar tasdiqlovchi kichik dialog notoʻgʻri javobga oʻxshash vaqt sarfiga ega boʻlsa, avval soʻrov toʻgʻri tushunilganligini aniq tasdiqlamasdan, tizimga foydalanuvchining ovozli kiritishi boʻyicha harakat qilishiga ruxsat berish samaraliroq boʻlishi mumkin. Bunday holda, tizim foydalanuvchidan noto'g'ri javoblar va to'g'ri javoblarni ajrata olishini va tizimni xatosi haqida xabardor qilishini yoki so'rovni qayta qurishini kutadi. Boshqa tomondan, agar dastur noto'g'ri bajarilgan bo'lsa, yuqori xarajatga ega bo'lgan yoki vazifani bajarishga katta xalaqit beradigan harakatni o'z ichiga olsa, ushbu harakatni bajarishdan oldin foydalanuvchi kiritgan ma'lumotlarning aniq tasdiqlanishini so'rash maqsadga muvofiqdir yoki hech bo'lmaganda kutilayotgan harakat haqida fikr-mulohaza bildirish va foydalanuvchiga uni bekor qilish buyrug'ini berishga ruxsat berish. Bunday turdagi misol sifatida ovozli terish ilovasi bo'lishi mumkin, bunda tanib olish xatosi foydalanuvchi amalga oshirish niyatida bo'lmagan telefon qo'ng'irog'i uchun to'lovga olib kelishi mumkin. Xatolar narxi juda yuqori bo'lgan ilovalar uchun tizimlar foydalanuvchi va tizim o'rtasidagi takroriy almashinuvlar davom etmaganligi aniq bo'lsa, foydalanuvchini nutqsiz kiritish usuliga yoki inson agentiga yo'naltirish uchun mo'ljallangan bo'lishi kerak. vazifani bajarish uchun.

Texnologik imkoniyatlar va cheklovlar

Ovozli kiritish
Hozirgi nutq ilovalari ovozli kiritish imkoniyatlarining keng doirasini namoyish etadi. Ilova talablari, odatda, tizim (a) ma'ruzachi tomonidan o'rgatilgan, dinamikga moslashuvchi yoki karnaydan mustaqil aniqlash texnologiyasi va (b) ajratilgan so'z, so'zni aniqlash yoki doimiy nutqni aniqlash texnologiyasidan foydalanishini belgilaydi. 300 dan 1000 so'zgacha bo'lgan lug'atga ega bo'lgan og'zaki tilni tushunish tizimlarining prototipi foydalanuvchi ro'yxatisiz o'z-o'zidan uzluksiz nutq kiritishni qabul qilishi mumkin (Appelt va Jekson, 1992; Pallett, 1992). Ushbu tizimlar sayohatni rejalashtirish va yo'nalishlarni ta'minlash kabi cheklangan sohalarda cheklangan shovqinlarni amalga oshirishga imkon beradi va hozirda tushunish darajasi taxminan 70 foizni tashkil qiladi (Cole va boshqalar, 1992). Savdoda mavjud bo'lgan bir nechta ovozli diktant tizimlari 5000-100 000 so'zli lug'atlar uchun ma'ruzachiga bog'liq yoki karnayga moslashtirilgan izolyatsiyalangan so'zlarni aniqlash texnologiyasini o'z ichiga oladi (Makhoul va Shvarts, ushbu jildda). Aksincha, ko'pchilik telefon ilovalari umumiy kommutatsiyalangan telefon tarmog'ining yanada noqulay va o'zgaruvchan elektroakustik muhitida tanib olishning maqbul aniqligini ta'minlash uchun kichik lug'atlar uchun ajratilgan so'z yoki so'zlarni aniqlash texnologiyasi bilan cheklangan. Agar foydalanuvchi kiritishi tan oluvchining so'z boyligi va nutq uslubi cheklovlari bilan cheklangan bo'lsa, oxirgi ilovalarda tanib olish unumdorligi ancha yuqori bo'lishi mumkin.

Ilova uchun tanlangan ovozli kiritish texnologiyasining imkoniyatlari foydalanuvchi interfeysi dizaynidagi ustuvorliklarga ta'sir qiladi. Keyingi bo'limda muhokama qilinadiganidek, foydalanuvchilarning talablari va ehtiyojlari ba'zida texnologiya imkoniyatlari bilan to'qnash kelishi mumkin. Hayotiy dasturni yaratish uchun qisqa muddatli yechim foydalanuvchini texnologiya talablariga rioya qilishga majburlashdan iborat. Masalan, texnologiya faqat cheklangan, yuqori darajada tuzilgan ma'lumotlarni qabul qila olsa, foydalanuvchi interfeysi birinchi navbatda foydalanuvchini texnologiya cheklovlariga mos uslubda gapirishga yo'naltirishi kerak. Uzoq muddatli yechim - bu vazifani bajarishda foydalanuvchining afzal ko'rgan xatti-harakatlariga kamroq moslashishni talab qilish uchun texnologiyani yaxshilash. Texnologiya ko'proq tabiiy so'zlashuv kiritish imkonini berganligi sababli, foydalanuvchi interfeysining asosiy roli foydalanuvchini qanday gapirishni yo'naltirishdan noaniqliklar va xatolarni yanada oqilona hal qilishni ta'minlashga o'tishi mumkin.

Ovozli chiqish

Ovozli interfeyslar uchun ikki xil ovoz chiqarish texnologiyalari mavjud: oldindan yozib olingan (odatda raqamlashtirilgan) nutq va sintetik nutq. Oldindan yozib olingan nutq keyinchalik kombinatsiyalash va ijro etish uchun tabiiy nutqni yozib olish va saqlashni o'z ichiga oladi. Oldindan yozib olingan nutq tabiiy nutq sifatiga ega va agar yozib olingan elementlarni birlashtirishda tabiiy prosodiyani saqlashga e'tibor berilsa, u odatda sintetik nutqqa qaraganda tabiiy prosodiyaga ega. Agar ilovaning ovoz chiqarish talablari toʻliq maʼlum boʻlsa va vaqt oʻtishi bilan barqaror boʻlsa, oldindan yozib olingan nutq ovoz chiqarish uchun mos texnologiya boʻlishi mumkin.

Biroq, agar ovoz chiqarish talablari keng va o'zgaruvchan bo'lsa, sintetik nutq talab qilinishi mumkin. Nutq sintezi texnologiyasi harflarni fonemaga aylantirish va fonemalarni akustik hodisalarga aylantirish uchun qoidalar to‘plamidan foydalangan holda matn ma’lumotlarini nutqqa aylantiradi. Natijada, xabarlar kerak bo'lganda tuzilishi mumkin. Biroq, bir nechta sintetik nutq tizimlari yuqori segmental tushunarliligini namoyish qilsa-da, ular hali ham inson nutqining tushunarliligi yoki tabiiyligiga mos kelmaydi (Spiegel va boshqalar, 1988). Bundan tashqari, sintetik nutqni idrok etish tinglovchiga tabiiy nutqni idrok etishdan ko'ra ko'proq qayta ishlash talablarini qo'yishi haqida dalillar mavjud (Luce va boshq., 1983). Ovozli chiqish uchun sintetik nutqdan foydalanadigan foydalanuvchi interfeyslari tinglovchilarni tushunishni osonlashtirishga qaratilgan usullardan foydalanishi kerak. Tushunishga yordam berish uchun sintaktik va semantik kontekstni o'z ichiga olgan xabarlarni taqdim etish va iloji bo'lsa, nisbatan sodda tuzilishga ega xabarlardan foydalanish foydalanuvchining kognitiv va xotira talablarini kamaytiradi. Bundan tashqari, past kontekstli xabarlarga ega bo'lgan ilovalar (masalan, telefonning teskari ma'lumotnoma so'rovida tegishli nomlarni etkazib berish) foydalanuvchiga xabarning takrorlanishini va foydalanuvchi uchun qiyin bo'lishi mumkin bo'lgan so'zlarning imlosini so'rash mexanizmini taqdim etishi kerak. tushunmoq.

Tizim imkoniyatlari

Nutq texnologiyasi bilan bevosita bog'liq bo'lmagan bir nechta tizim imkoniyatlari ovozli interfeyslarning muvaffaqiyatiga ta'sir qilishi ko'rsatilgan. Ba'zi tizimlar bir vaqtning o'zida nutqni ishlab chiqarishda nutq kiritishni "tinglash" ga qodir emas. Ushbu tizimlar yordamida so'rovni to'xtatib bo'lmaydi va foydalanuvchi javob berishdan oldin so'rov tugashini kutishi kerak. Ushbu tizimlar uchun foydalanuvchi interfeysi ushbu protokol buzilishini aniqlash va oldini olish uchun mo'ljallangan bo'lishi kerak.

Ko'rsatmalar paytida nutqni aniqlaydigan va foydalanuvchi kiritgan so'rovga javoban so'rovni qisqartiradigan tizimlar ko'proq tabiiy interfeyslarni ta'minlaydi, biroq bu imkoniyatni qo'shish, shuningdek, foydalanuvchi kiritgan so'rovni hal qilish uchun mo'ljallangan noaniqlikning kuchayishiga olib kelishi mumkin. Natijada, tezkor suhbatga ega tizimning foydalanuvchi interfeysi so'rovlarni to'xtatuvchi javoblar oldingi so'rovlarga kechiktirilgan javoblar yoki uzilgan so'rovga kutilgan javoblar ekanligini aniqlash uchun yanada murakkab strategiyaga muhtoj bo'lishi mumkin.

Tizimning javob vaqti foydalanuvchi qoniqishiga ta'sir qilishi mumkin (Shribberg va boshq., 1992). Nutq va tilni qayta ishlash komponentlari uchun javob vaqtlari sekin boʻlgan tizimlar interfeyslari oraliq xabarlarni oʻynashi mumkin (masalan, “Iltimos, kuting. Sizning soʻrovingiz koʻrib chiqilmoqda”). Protsessor tezligi va tanib olish qidiruvi va tilni qayta ishlash algoritmlari samaradorligi bo'yicha davom etayotgan o'sish natijasida tizimning real vaqt rejimidagi javobi hatto nutqni tushunish bo'yicha murakkab vazifalar uchun ham mumkin bo'lib bormoqda, shuning uchun tizimning javob vaqti tez orada muhim interfeys muammosi bo'lib qolishi mumkin. .

Ko'pgina ilovalarda nutq tizimi kattaroq tizimning faqat kichik bir qismidir. Ushbu kattaroq tizimning cheklovlari dastur uchun foydalanuvchi interfeysiga katta ta'sir ko'rsatishi mumkin. Masalan, telefon tarmog'i ilovalarida, tizim imkoniyatlari va resurs cheklovlari mijoz telefonni ko'targanida nutqni aniqlash quyi tizimiga darhol kirish imkoniyatiga ega bo'lishi mumkinligini yoki tan oluvchiga kirish uchun maxsus kodni terish kerakligini ko'rsatishi mumkin. Foydalanuvchi interfeysi dizayniga ta'sir ko'rsatishi mumkin bo'lgan boshqa tizim cheklovlari tanib bo'lmagan taqdirda inson agentining mavjudligi va tegishli ma'lumotlar va ma'lumotlar bazalarining o'zaro ta'sir davomida yoki faqat belgilangan qismlarda mavjudligini o'z ichiga oladi.

Foydalanuvchi kutishlari va tajribasi

Suhbatdagi nutq xatti-harakatlari
Foydalanuvchilar inson va inson nutqining o'zaro ta'sirida juda ko'p tajribaga ega bo'lganligi sababli, yangi foydalanuvchilar inson-kompyuter ovozli interfeysi odamlar o'rtasida qo'llaniladigan bir xil suhbat nutqi uslubiga ruxsat berishini kutishlari ajablanarli emas. Agar ilovada qoʻllaniladigan nutqni aniqlash texnologiyasi oddiy soʻzlashuv nutqi kiritish bilan toʻgʻri ishlay olmasa, foydalanuvchi odatda tanib olish tizimi qabul qilish uchun moʻljallangan tarzda gapirishni buyuradi. Biroq, ko'plab nutq xatti-harakatlari ortiqcha o'rganilgan va foydalanuvchilarga bu odatlarni engish qiyin. Bunday uchta xatti-harakat: (a) uzluksiz gapirish (ya'ni, so'zlar orasida to'xtamasdan), (b) javoblarni kutish va boshqa suhbatdosh bilan bir vaqtda gapirish va (c) boshqa suhbatdoshning pauzasini yashirin almashinuv sifatida talqin qilish. navbat va gapirishga ruxsat.

Uzluksiz nutq Har bir so'z orasida pauza bilan iboralarni gapirish g'ayritabiiydir va doimiy gapirishga moyillikni engish qiyin, ayniqsa foydalanuvchi diqqati vazifani bajarishga qaratilgan bo'lsa. Izolyatsiya qilingan so'zli nutqni aniqlash texnologiyasidan foydalangan dastlabki telefon ilovasida foydalanuvchilar qo'ng'iroq qilish uchun ishlatiladigan telefonning etti xonali raqamini har bir raqamdan keyin qisqa to'xtab turishlari kerak edi. Bir tadqiqotda yetti xonali raqamlarni gapirgan mijozlarning 35 foizi raqamlarni alohida gapirmagan, bu odamlar so'zlarni to'xtatmasdan gapirishning tabiiy xulq-atvorini engib o'tishlari qiyinligini ko'rsatib beradi, hatto ularga buni qilish buyurilgan bo'lsa ham (Vilpon, 1985). Raqamlarni aniqlash bo'yicha yana bir telefon tadqiqotida mijozlarning atigi 37 foizi tegishli interword pauza bilan javob berishdi (Yashchin va boshq., 1989).

Interaktiv dialoglarda uzluksiz gapirishga moyillikdan tashqari, begona nutq va ikkilanish tovushlari ("uhh" yoki "um" kabi) keng tarqalgan. Odamlarni lug'atga ega bo'lmagan so'zlar yoki tovushlarsiz alohida gapirishga ishonchli tarzda ishontira olmaslik so'zlarni aniqlash va doimiy tanib olish algoritmlarini rivojlantirish uchun harakatlantiruvchi kuch bo'ldi. So'zni aniqlash kichik lug'atni lug'atsiz iboralar mavjud bo'lganda, hatto ular doimiy nutq orqali kiritilgan koartikulyatsiya effektlari bilan o'zgartirilganda ham aniq tanib olish imkonini beradi.

Suhbat suhbati muhitida ishtirokchilar ko'pincha ma'ruzachining so'rovini tushunishlari bilanoq javob berishni boshlaydilar . Telefon xizmati vakillari va mijozlar o'rtasidagi 50 ta suhbatni tahlil qilishda Karis va Dobrot (1991) bir vaqtning o'zida xizmat ko'rsatish vakillarining 12,1 foizida va mijozlarning 14,4 foizida bir vaqtning o'zida nutq sodir bo'lganligini kuzatdilar. Bu bir vaqtdalik inson va inson muloqotlarida axborot oqimini kamdan-kam hollarda buzadi va natijada ko‘pchilik foydalanuvchilar o‘z nutqi suhbatning boshqa ishtirokchisi gapirayotganda ham aytilsa ham eshitilib, tushunilishini kutishadi. Avtomatik javob berish mashinasining ko'pgina xabarlari odamlarning cheklangan javob oralig'iga mos kelishi qiyinligini tasdiqlovchi "Govush signalini kuting" degan ogohlantirish bilan tugaydi.

Suhbat dinamikasi Inson va inson muloqotida, asosan nutq signalida olib boriladigan nozik belgilar ishtirokchilar tomonidan nutq rolini boshqarishni o'z zimmasiga olishni yoki bo'shatishni xohlashlarini ko'rsatish yoki boshqa tomon tomonidan tushunilgan yoki tushunilganligini tasdiqlash uchun ishlatiladi. . Ushbu belgilarni buzish foydalanuvchi interfeyslarida qiyinchiliklarga olib kelishi mumkin. Burilish ruxsati ko'pincha prosodik pauzalar bilan beriladi. Qo'ng'iroqlarni yig'ish uchun avtomatlashtirilgan hisob-kitob xizmatining erta joriy etilishida mijozlar muddatidan oldin (ya'ni, tizim nutq kiritishni qabul qilishga tayyor bo'lgunga qadar), lekin tizim so'rovi vaqtida ma'lum bir ibora tanaffusida (ya'ni, qisqa pauza) izchil javob berishdi (Bossemeyer va Shvab, 1990). Tanaffusdagi pauzani bu mijozlar so'z olish va javob berishga taklif sifatida talqin qilishdi va ular shunday qilishdi. So'rovdagi pauza muddati qisqartirildi va natijada foydalanuvchi interfeysi yanada muvaffaqiyatli bo'ldi, chunki foydalanuvchilar javob berish uchun tegishli javob oynasi paydo bo'lguncha kutish ehtimoli ko'proq bo'ldi. Shu bilan bir qatorda, foydalanuvchi interfeysi, Balentine va Scott (1992) tomonidan tasvirlangan interfeys kabi, pauzalar paytida aylanish jarayoni sodir bo'lishi mumkin bo'lgan bilimlardan foydalanishi mumkin. Ushbu tizimda foydalanuvchi o'zi xohlagan menyu bandini eshitgandan so'ng darhol javob bersa, ob'ektlar orasidagi pauzalar vaqtida taniyuvchi faollashtiriladi. Agar tan olingan so'z foydalanuvchi kiritishdan oldin darhol taqdim etilgan menyu bandiga mos kelsa, tizim ushbu tanlovga o'tadi. Agar tan olingan so'z noaniq bo'lsa, tizim uzilishdan oldin taqdim etilgan menyu elementi kerakli tanlov ekanligini tasdiqlashni so'raydi.

Mumkin bo'lgan xatolarni tasdiqlash yoki signalizatsiya qilish uchun ishoralar ko'pincha tasdiqlanishi kerak bo'lgan ma'lumotlarni takrorlash va maxsus intonatsiya naqshlari bilan ta'minlanadi. Masalan, intonatsiyaning tushishi tan olishni anglatishi mumkin, tasdiqlovchi iboraning intonatsiyasi esa noaniqlik va potentsial xatolikdan dalolat beradi (Karis va Dobroth, 1991). Hozirgi vaqtda bunday intonatsion signallar avtomatlashtirilgan tizimlar tomonidan ishonchli tarzda tan olinmaydi, ammo intonatsiya naqshlarining dialog oqimiga qo'shgan hissasini tushunishdagi yutuqlar foydalanuvchi interfeyslarini nafaqat tasdiqlash va xatolarni tuzatish, balki foydalanuvchi ikkilanishlari va tuzatishlarini aniqlash uchun ham kuchli takomillashtirishni ta'minlaydi ( ya'ni, foydalanuvchi so'z ichida o'z-o'zini tuzatishlari). Niyatni etkazish uchun intonatsiya qanday ishlatilishini yaxshiroq tushunish, ovozli chiqish uchun prosodik jihatdan mos keladigan xabarlarni yaratishda ham foydali bo'ladi (Karis va Dobroth, 1991).

Ajam va Mutaxassis foydalanuvchilar. Foydalanuvchilar tizim bilan ishlash tajribasiga qarab turli xil kutish va ehtiyojlarga ega. Birinchi marta yoki kamdan-kam foydalanuvchilarga tizim qanday ishlashi va u bilan qanday munosabatda bo'lish haqida kognitiv modelni yaratishga imkon berish uchun tizim orqali ko'rsatmalar va/yoki ko'rsatmalar talab qilinishi mumkin. Aksincha, tizim bilan tez-tez aloqada bo'lgan tajribali foydalanuvchilar ko'rsatmalarni chetlab o'tish va o'zaro ta'sirni yanada samarali o'tkazish yo'llarini xohlashadi. Odamlar inson va inson hamkorlikdagi muloqotining o'ziga xos talablari bilan ko'proq tajribaga ega bo'lgach, ular muloqotning qismlarini vazifani bajarish uchun zarur bo'lgan minimal etarli ma'lumotga qisqartirish orqali o'zaro ta'sir samaradorligini oshirishni boshlaydilar (Leiser, 1989). Masalan, tasdiqlovchi iboralar qisqaradi yoki kamroq uchraydi, keraksiz vazifali so‘zlar tushib qolishi mumkin (masalan, “I jildda 48 sahifa, II jildda 42 sahifa, III jildda 36 sahifa bor”). Avtomatlashtirilgan tizimlar uchun muvaffaqiyatli foydalanuvchi interfeyslari yangi boshlanuvchilarning ehtiyojlarini ham, tajribali foydalanuvchilarning afzalliklarini ham qondirishi kerak.

FOYDALANUVCHI INTERFEYSINI DIZAYN STRATEGIYASI

Ilova uchun interfeys talablari vazifalar talablari, foydalanuvchi xususiyatlari va texnologik omillarni tahlil qilish orqali aniqlangandan so'ng, foydalanuvchi interfeyslarining bir necha jihatlari mavjud bo'lib, ular ko'pincha tizim cheklovlarini yumshatish va ilovadan foydalanish qulayligini oshirish uchun samarali ekanligini isbotladi. Bularga ko'rsatmalarga kirishni ta'minlash, foydalanuvchi kiritgan ma'lumotlari to'g'ri tan olinganligini tasdiqlash, xatolarni aniqlash va ularni qayta tiklash uchun tegishli direktiv va ma'lumot beruvchi takliflardan foydalangan holda dialog oqimi strategiyalari va subdialog modullaridan foydalanish kiradi.

Ushbu xususiyatlarsiz o'zaro ta'sir qanchalik uzoqqa borishi mumkinligini ko'rsatish uchun 1-jadvalda ASRning juda erta qo'llanilishidan olingan inson va kompyuter muloqotining transkripti keltirilgan. Ilova izolyatsiyalangan so'zli ma'ruzachidan mustaqil tanib olish texnologiyasidan foydalangan. Ushbu dasturni amalga oshirgan kompaniya xodimlari tizimga qo'ng'iroq qilishdi va avtorizatsiya kodini aytishdi. Tizim aytilgan kodlarni tanib olishi, ushbu kod bilan bog'liq kirish imtiyozlarini tekshirishi va foydalanuvchining kirish huquqlaridan kelib chiqqan holda shaharlararo telefon qo'ng'iroqlarini joylashtirishga ruxsat berishi yoki taqiqlashi kerak edi. 1-jadvaldagi transkriptni ko'rib chiqishda (va shunga o'xshash boshqa muvaffaqiyatsiz o'zaro ta'sirlar), foydalanuvchilar tizimdan qanday foydalanishni bilmaganligi aniq. (Bir o'zaro muloqotda foydalanuvchi hatto "Men nima qilishim kerak?" Deb so'raydi) Agar foydalanuvchilar avtorizatsiya kodining raqamlarini har bir raqam o'rtasida pauza bilan gapirish bo'yicha yozma ko'rsatmalar olgan bo'lsalar, ular ularni o'qimagan yoki eslamagan. Tizimga qo'ng'iroq qilganda, foydalanuvchi "Avtorizatsiya raqami, iltimos" sintezlangan xabarni eshitdi. Foydalanuvchi bu so'rovga javoban raqamlar qatorini gapirib, unga rioya qila boshladi. Tizim uning gapini to'xtatdi va undan takrorlashni so'radi, u buni qildi: yana uzluksiz, lekin biroz balandroq ovoz bilan gapiradi. Biroq, uning dastlabki nutqidagi muammo uning nutq darajasida emas, balki tizimning doimiy ravishda aytiladigan raqamlarni bajara olmasligida edi. (Bundan tashqari, "oltmish- bir" va "yuz" tizim lug'atida aniq emas.) Foydalanuvchining takrorlashiga javoban tizim "to'rt" raqamini gapirdi, bu xato tanilgan raqamni tasdiqlash so'rovi sifatida. doimiy kiritish raqam bo'lishi mumkin emas, deb tizimga ota-ona, tizim yana takrorlash uchun so'radi. Keyin foydalanuvchi mantiqiy savol bilan javob berdi, lekin yana, tizim hal qila olmaydigan so'z emas. Shu payt foydalanuvchi telefonni o'chirib qo'ydi. Ushbu ilovaning boshqa transkriptlari tizimda o'zaro aloqani yakunlashning ikkita usuli borligini ko'rsatdi: biri "Rahmat" deb javob berdi.

1-JADVAL Muvaffaqiyatsiz ovozli shovqinning transkripti

Tizim:

Iltimos, avtorizatsiya raqami.

Foydalanuvchi:

231 oltmish wa-

Tizim:

iltimos takrorlang

Foydalanuvchi:

(balandroq gapirib) 231 oltmish bir yuz

Tizim:

to'rtta (pauza) iltimos takrorlang

Foydalanuvchi:

buni necha marta takrorlashimni xohlaysiz? [qo'yadi]

ikkinchisi esa "Kechirasiz" so'zini chiqaradi. Ikkinchisi faqat foydalanuvchi tomonidan noto'g'ri kiritilgan ma'lumotlardan iborat bo'lgan tsikl orqali hosil bo'lmagan iteratsiyalar seriyasidan so'ng sodir bo'ldi va tizimdan yana bir "Iltimos, takrorlang" so'rovi paydo bo'ldi.

Ushbu foydalanuvchi interfeysi bilan bog'liq asosiy muammolar qanday? Birinchidan, foydalanuvchilar nima qilishlari kerakligini bilishmaydi. Bu raqamlarni ular orasidagi pauzalar bilan aytilishini aniq so'rab ko'rsatuvchi buyruq yordamida engillashtirish mumkin. Ikkinchidan, tizim kirishdagi muammoni aniqlaganda (chunki u yuqori aniqlik bilan biron bir raqamni taniy olmaydi), u xabar bergan xato xabari (“Iltimos, takrorlang”) foydalanuvchiga muammo nima bo'lishi mumkinligini ko'rsatmaydi. Garchi tizim muammoning manbasiga ishonch hosil qilmasa ham, kiritilgan so'zning uzunligiga qarab oqilona taxmin qilish mumkin bo'lishi mumkin. Agar aniqlangan iboraning uzunligi, agar kiritilgan soʻz bir raqam boʻlsa, taxmin qilinganidan ancha uzunroq boʻlsa, xato xabari foydalanuvchiga raqamlarni birma-bir aytishni koʻrsatishi yoki hatto “Iltimos, keyingisini ayting. hozir avtorizatsiya raqamining raqami." Uchinchidan, tasdiqlash xabarlarining o'zi chalkash edi, ayniqsa, foydalanuvchining kiritgan so'zlarida tan olingan raqam raqam bo'lmasa. Foydalanuvchi "to'rt" so'zi tasdiqlashga urinish ekanligini tushunganligi aniq emas, shuningdek, foydalanuvchi tizimni noto'g'ri tan olinishi haqida ogohlantirish qobiliyatiga ega yoki yo'qligi aniq emas. Tasdiqlash so'rovi ko'rsatma va ma'lumot beruvchi bo'lishi mumkin edi - masalan, "Birinchi raqam to'rtmi?" Ha yoki yo'q javobini olishga qaratilgan. Biroq, har bir raqamdan keyin tasdiqlashni so'rash juda zerikarli shovqinga olib keladi. Agar tanib olish unumdorligi etarlicha yaxshi bo'lsa, tasdiqlash so'rovlarining chastotasini bir vaqtning o'zida uch yoki to'rtta raqamdan iborat to'plamlarni o'z ichiga olgan tasdiqlash xabarlarini qisqartirish orqali kamaytirish yaxshiroqdir. Nihoyat, foydalanuvchining tizim bilan bog'liq qiyinchiliklarga yagona yo'li telefonni o'chirish bo'lib tuyuladi. Ko'rinishidan, foydalanuvchiga o'zaro ta'sirni boshqa hech qanday nazorat qilish imkoniyati yo'q. Ushbu takliflarning barchasi o'zaro aloqani uzoqroq qiladi, lekin hech bo'lmaganda foydalanuvchi tizimdan qanday foydalanishni va vazifani bajarishni tushunish uchun yaxshiroq imkoniyatga ega bo'ladi. (2-jadvalga qarang

2-JADVAL Tavsiya etilgan interfeys tahrirlari

Tizim:

Iltimos, avtorizatsiya raqami.

Foydalanuvchi:

ikki uch bir oltmish wa-

Tizim:

[noodatiy uzun gapni aniqladi] Iltimos, har bir raqamdan keyin pauza qilib, avtorizatsiya raqamining raqamlarini gapiring.

Foydalanuvchi:

ikki [pauza] uch [pauza] bir [pauza] olti [pauza] bir [pauza] oh [pauza] oh [pauza]

Tizim:

Men ikki uch to'qqiz olti bir oh oh eshitdim. Bu to'g'rimi?

Foydalanuvchi:

Yo'q, ikkita uch bir.

Tizim:

[g'ayrioddiy uzun so'zni aniqlaydi, salbiy javob beradi] Iltimos, ha yoki yo'q deb javob bering. Birinchi raqam ikkimi?

Foydalanuvchi:

Ha.

Tizim:

Ikkinchi raqam uchmi?

Foydalanuvchi:

Ha.

Tizim:

Uchinchi raqam to'qqizmi?

Foydalanuvchi:

Yo'q.

Tizim:

Iltimos, uchinchi raqamni yana ayting.

Foydalanuvchi:

Bir.

Tizim:

Uchinchi raqam bittami?

Foydalanuvchi:

Ha.

Tizim:

[agar tan oluvchi maʼlumotni “toʻqqiz” deb notoʻgʻri tan olsa ham, tizim toʻqqizni nomzod sifatida qabul qilmaydi va keyingi eng yaxshi tanlovni tanlaydi.] Avtorizatsiya raqami ikki uch bir olti bir oh ohmi?

Foydalanuvchi:

Ha.

Tizim:

Avtorizatsiya raqami ikki uch olti bir oh oh tekshirilmoqda.

Tizim:

Avtorizatsiya raqami qabul qilindi. Siz hozir qo'ng'iroq qilishingiz mumkin.

Izolyatsiya qilingan so'zlarni aniqlash texnologiyasi cheklovlariga mos keladigan qayta ko'rib chiqilgan shovqin namunasi.) 1-jadvaldagi transkript ko'rsatmalar, tasdiqlash va xatolarni tiklashni o'z ichiga olmagan foydalanuvchi interfeysi qanday qilib ilovani deyarli yaroqsiz holga keltirishi mumkinligini ko'rsatadi. Ushbu elementlarning ahamiyati keyingi bo'limlarda yanada muvaffaqiyatli ovozli interfeyslarda ulardan foydalanishni ko'rsatadigan misollar yordamida batafsilroq muhokama qilinadi.

Dialog oqimi

Har bir foydalanuvchi interfeysi asosida vazifani bajarish uchun zarur bo'lgan ma'lumot elementlarini olish rejasi mavjud. Ko'proq tuzilgan o'zaro ta'sirlarda ushbu elementlarni olish tartibi aniq belgilanishi mumkin, ko'proq suhbat interfeyslarida ma'lumotni yig'ish tartibi foydalanuvchi tomonidan ko'proq nazorat qilinishi mumkin. Foydalanuvchiga aniq ko'rsatma beradigan ko'rsatmalar o'zaro aloqani boshqarish uchun foydalidir. Ular texnologiya cheklangan kiritishni talab qilganda (masalan, ajratilgan so'zlarni kiritish, kichik lug'at yoki cheklangan vaqt oralig'ida) ayniqsa muhimdir, lekin ular ham

3-JADVAL Tezkor so'zlarning mijozlarning javoblariga ta'siri

Javoblar nisbati (%)

Mijoz javobi

Ko'rsatma: Qo'ng'iroqni qabul qilasizmi?

Ko'rsatma: Agar qo'ng'iroqni qabul qilsangiz, ha deb ayting; aks holda, yo'q deb ayting.

Izolyatsiya qilingan ha yoki yo'q

54.5

80.8

Ko'p so'zli ha yoki yo'q

24.2

5.7

Boshqa ijobiy yoki salbiy

10.7

3.4

Nomaqbul javob ( masalan, "U bu yerda emas", "Bu siz uchun")

10.4

10.2

ko'proq tabiiy kirishga ruxsat berilgan tizimlardagi noaniqliklarni hal qilish uchun foydalidir.

Direktiv ko'rsatmalar foydalanuvchilarning tizim cheklovlariga muvofiqligini sezilarli darajada oshirishi mumkin. 3-jadvalda ko'rsatilgandek, mijozlarning muqobil hisob-kitob so'rovlariga bo'lgan javoblarini o'rganish bo'yicha Bellcore tadqiqoti shuni ko'rsatdiki, ikki so'zli lug'atga ega ("ha" va "yo'q" so'zlari) ajratilgan so'zlarni tanib olish tizimiga qabul qilinadigan kirishlar foizi taxminan o'sgan. So'rov "To'lovlarni qabul qilasizmi (to'lov qo'ng'irog'i uchun)?"ga o'zgartirilganda 55 foizdan 81 foizgacha. "Agar qo'ng'iroqni qabul qilsangiz, "ha" deb ayting, aks holda "yo'q" deb ayting." Shunga o'xshash ilovalarning boshqa tadqiqotlari shunga o'xshash tezkor ta'sirlarni ko'rsatdi (Bossemeyer va Schwab, 1990; Spitz va boshq., 1991).

Ko'rsatma so'rovlari noaniq yoki xatolik holatlaridan keyin ham foydalanuvchiga muvaffaqiyatli kiritish imkoniyatini yaxshilash uchun keyingi kiritishni qanday o'zgartirish kerakligini aytish uchun ishlatilishi mumkin. Misol uchun, agar tizim (a) tezkor suhbatga ruxsat bermasa, (b) tan oluvchiga kirishning boshida yuqori energiyani aniqlasa va (c) tan olingan so'z yoki iboraning aniqligiga ishonchi past bo'lsa, tizim foydalanuvchi soʻrov tugashidan oldin gapira boshlagan deb taxmin qilishi mumkin va “Iltimos, ovozli signaldan keyin gapiring” (”keyin” soʻziga urgʻu berilgan) bilan takror soʻrovni kuchaytirib, foydalanuvchiga kirish uchun qayta soʻrov beradi.1

1 Aslida, bu strategiya NYNEX tomonidan ishlab chiqilgan ovoz bilan faollashtirilgan terish ilovasida amalga oshirilgan.

Fikr-mulohaza va tasdiqlash

Tizim tomonidan noto'g'ri harakatlarni cheklash usullaridan biri foydalanuvchiga ilova holati haqida fikr-mulohaza bildirish va tizim tomonidan kiritilgan ma'lumotni talqin qilish yoki ushbu kiritish bo'yicha kutilayotgan harakat foydalanuvchi niyat qilgan narsa ekanligini tasdiqlashni so'rashdir. Biroq, foydalanuvchi va tizim o'rtasida almashinadigan har bir ma'lumot bo'yicha fikr-mulohazalarni taqdim etish va tasdiqlashni olish ko'pincha uzoq, zerikarli va samarasiz shovqinga olib keladi. Yuqorida aytib o'tilganidek, agar xatolarning narxi minimal bo'lsa va foydalanuvchi tizimning javobi mos ekanligini aniqlash uchun etarli ma'lumot bilan ta'minlangan bo'lsa, ba'zi ilovalar uchun ko'plab tasdiqlash almashinuvlaridan voz kechish oqilona bo'lishi mumkin. Masalan, Bell Northern Research kompaniyasida (Lennig va boshq., 1992) ishlab chiqilgan tadqiqot prototipi qimmatli qog'ozlar kotirovkasi xizmatida tizim darhol birjalar ma'lumotlar bazasini qidiradi va foydalanuvchiga har qanday kirish so'zlari uchun birja kotirovkasini taqdim etadi (tan olingan iboralar bundan mustasno). ilovadagi buyruq iboralari). Agar tizim foydalanuvchi so'raganidan boshqa aktsiyani olsa, foydalanuvchi kiritilgan so'zga keyingi eng yaxshi mos keladigan aktsiya uchun birja ma'lumotlarini olish uchun "Noto'g'ri aktsiya" deb aytishi mumkin yoki agar foydalanuvchi ushbu variantdan xabardor bo'lmasa , foydalanuvchi aktsiya nomini takrorlashi mumkin. Ushbu strategiya foydalanuvchiga xatolarni ko'rsatish va muloqotdagi barqaror nuqtaga qaytish uchun boshqaruvni o'z qo'liga olish yo'lini taqdim etadi.

Ko'pgina ilovalar tasdiqlash uchun so'rovlarni kiritishda ma'lum darajada noaniqlik mavjud bo'lganda (masalan, eng ehtimol tan olinishi mumkin bo'lgan nomzod nisbatan past ehtimollik yoki ishonchga ega bo'lsa yoki og'zaki til tizimiga kiritilgan so'zni tahlil qilib bo'lmasa) beradi. Bunday hollarda, iloji bo'lsa, tasdiqlash so'rovi kiritilgan so'zni takrorlash uchun oddiy so'rov bo'lmasligi kerak, chunki bu so'z muvaffaqiyatli ishlanmagan tarixga ega. Buning o'rniga, tasdiqlash so'rovi noaniqlikni hal qilishga va vazifani bajarishga erishishga harakat qiladigan ko'rsatma bo'lishi kerak. Strategiyalardan biri soʻrovni “ha/yoʻq” yoki tan olingan soʻzning eng yaxshi taxminining toʻgʻriligiga oid majburiy tanlash savoli sifatida ifodalash orqali tasdiqlashni soʻrashdir. Katai va boshqalar. (1991) ta'kidlashicha, ha/yo'q tasdiqlash strategiyasidan foydalanilganda ham foydalanuvchilar ko'pincha buyruqni takrorlash bilan javob berishadi, bu esa tasdiqlash savoliga javoblar to'plamini ma'lum bir so'z yoki iborani kiritish uchun kengaytirish foydali bo'lishi mumkinligini ko'rsatadi. tasdiqlanmoqda.

Tasdiqlash uchun fikr-mulohazalarni taqdim etish ovozli chiqishni ta'minlamaydigan interfeyslarda ham muhim ahamiyatga ega. Misol uchun, ba'zi ovozli diktant tizimlari foydalanuvchiga eng mumkin bo'lgan so'z nomzodlarining qisqa ro'yxatini taqdim etadi, shunda foydalanuvchi to'g'ri alternativani ko'rsatishi mumkin.

ro'yxatdagi o'rnini yoki uni imlo orqali aniqlash. Har qanday dasturda foydalanuvchi interfeysi foydalanuvchiga tuzatish harakatlarini boshlash imkonini berishi kerak.

Ko'rsatmalar

Tizimdan samarali va samarali foydalanish uchun foydalanuvchi tizimdan nimani kutayotganini va tizim qanday ma'lumotlarni taqdim etishi mumkinligini bilishi kerak. Oddiy vazifalar uchun foydalanuvchi uchun ko'rsatmalar bitta so'rovdan iborat bo'lishi mumkin. Turli xil variantlar bilan murakkabroq shovqinlar uchun ko'rsatmalar juda uzoq va batafsil bo'lishi mumkin. Ajam foydalanuvchilarga ko'proq yordam kerak bo'ladi va tajribali foydalanuvchilarga tizimdan foydalanish uchun hech qanday ko'rsatma kerak bo'lmasligi mumkin (agar xatolik yuz bermasa). Optimal foydalanuvchi interfeysi ko'rsatmalarga kirish imkoniyatini ta'minlashi kerak yoki agar foydalanuvchining xatti-harakati ularga kerak bo'lsa, avtomatik ravishda ko'rsatmalarni taklif qilishi mumkin. Oxirgi strategiyaning namunasi Bolt, Baranek va Nyumanda ishlatiladigan ovozli faollashtirilgan katalog xizmati prototipida amalga oshiriladi. Ushbu tizimda foydalanuvchi tizimga ulanganida dastlabki so'rov berilmaydi. Mutaxassis foydalanuvchilar murojaat qilmoqchi bo'lgan odamning ismini va familiyasini aytishni bilishadi. Biroq, agar tizim 2 soniya ichida nutqning boshlanishini aniqlamasa, u foydalanuvchiga ko'rsatma beradigan qisqacha tezkor xabar beradi (J. Makhoul, BBN, shaxsiy aloqa, 1992).

Yuqorida tilga olingan Bell Northern Research birja kotirovkalari ilovasi (Lennig va boshq. 1992) tizimning imkoniyatlarini tavsiflovchi keng ko'rsatmalarga ega. Ushbu xizmatni qisqacha kutib olish so'rovi foydalanuvchiga aktsiya nomini yoki ko'rsatmalarni eshitish uchun "Ko'rsatmalar" ni aytishni aytadi. Shunday qilib, mutaxassis foydalanuvchi ko'rsatmalarni chetlab o'tib, to'g'ridan-to'g'ri asosiy vazifaga o'tishi mumkin. Biroq, yangi foydalanuvchilarga ko'rsatmalarga kirish imkoniyati taqdim etiladi. Ko'rsatmalarning boshida foydalanuvchiga istalgan vaqtda ko'rsatmalardan qanday chiqish va dastlabki taklifga qaytish kerakligi aytiladi. Bu foydalanuvchiga istalgan vaqtda o'zaro ta'sir nazoratini qo'lga kiritishi va bunga qanday erishish mumkinligi haqida xabar beradi.

Xatoni tiklash

Xatolar muqarrar bo'lgani uchun, xatolarni tiklash protseduralari ham foydalanuvchi interfeysida muqarrar talab hisoblanadi. Xatolarni tiklash tartib-qoidalarining maqsadi tizimning to'liq ishdan chiqishini beqaror yoki takroriy holatga keltirishning oldini olishdan iborat bo'lib, bu vazifani bajarishda muvaffaqiyatga erishishga to'sqinlik qiladi. Shubhasiz, xatolarni tiklash foydalanuvchining hamkorligini talab qiladi va tizim ham, foydalanuvchi ham xatolarni tiklash ketma-ketligini boshlash imkoniyatiga ega bo'lishi kerak. Yuqorida tavsiflangan fikr-mulohazalar va tasdiqlash dialoglari xatolarni aniqlashda birinchi qadamdir.

Bell Northern Research birja kotirovkalari ilovasida (Lennig va boshq., 1992) foydalanuvchi xatoni tuzatishni "Noto'g'ri aktsiya" deb boshlaydi. Keyin tizim asl kiritishga keyingi eng yaxshi moslik uchun aktsiya ma'lumotlarini taqdim etadi va foydalanuvchidan bu to'g'ri zaxira ekanligini so'raydi. Tizim bir nechta muqobil nomzodlarni taklif qiladi va agar foydalanuvchi ularning hech birini tasdiqlamasa, foydalanuvchidan aktsiya nomini takrorlashni so'raydi. Agar yangi nomzodlar paydo bo'lmasa, tizim foydalanuvchiga so'ralgan aktsiya haqiqatan ham ushbu fond birjasida taklif qilinganligiga ishonch hosil qilishini tekshirishni taklif qiladi.

Boshqa ilovalarda tizim xato yoki noaniqlikni belgilaydi va xatolarni tiklashni boshlaydi. Misol uchun, ovozli diktant vazifasida tizim o'zaro ta'sirni nazorat qilish va foydalanuvchi tasdiqlashi uchun mumkin bo'lgan muqobillar to'plamini taklif qilish orqali tan olinayotgan noaniqlik haqida signal beradi. Foydalanuvchidan roʻyxatdagi band raqamini koʻrsatish yoki imlo orqali toʻgʻri alternativani koʻrsatishni talab qilish orqali xatoni tiklash moduli foydalanuvchining tuzatish javobini toʻgʻri tanib olish ehtimolini oshirish uchun “umumiy diktant” topshirigʻiga qaraganda ancha cheklangan lugʻatdan foydalanadi. .

Xato xabarlari bilan ta'minlanganda, foydalanuvchilar keyingi xatti-harakatlarini o'zgartiradilar. Oz sehrgarining tadqiqotida inson tinglovchisi sayohatni rejalashtirish uchun og'zaki tilni tushunish tizimining tabiiy til komponentiga foydalanuvchi nutqining aniq transkriptlarini kiritgan, Hunnicutt va boshqalar. (1992) foydalanuvchilar o'zlarining so'rovlarini qayta ifodalash uchun tizim xato xabarlaridan foydalanishlari mumkinligini va vaqtning taxminan 80 foizi xatolardan ishonchli tarzda tiklanganligini kuzatdi. Xuddi shu mualliflar tomonidan olib borilgan qo'shimcha tadqiqotlar shuni ko'rsatdiki, vaqti-vaqti bilan noto'g'ri so'zlarni taxmin qiladigan to'liq avtomatlashtirilgan tizimda foydalanuvchilar odatda tizimdan noto'g'ri javoblarni aniqlay olishgan va tizim xatosi haqida xabarlar unchalik aniq bo'lmagan taqdirda ham ulardan muvaffaqiyatli tiklangan. Ushbu natijalar shuni ko'rsatadiki, agar tizim xatoning mumkin bo'lgan sababi haqida asosli taxmin qila olsa, direktiv xato xabarlari (masalan, tizim taym-autidan keyin "Men sizning javobingizni eshitmadim. Iltimos, balandroq gapiring") foydalidir. Bundan tashqari, tizimning taxmini noto'g'ri bo'lsa ham (masalan, foydalanuvchi juda yumshoq gapirmagan, lekin umuman gapirmagan), foydalanuvchi odatda tizimning noto'g'ri farazlaridan kelib chiqadigan nomaqbul xabarlarni e'tiborsiz qoldirish uchun etarli ma'lumotga ega.

Va nihoyat, xatolarni aniqlash va tiklash strategiyalari qanchalik oqilona bo'lishidan qat'i nazar, ba'zi ovozli o'zaro ta'sirlar muvaffaqiyatli bo'lmaydi. Bunday hollarda foydalanuvchi interfeysi foydalanuvchini muammo va uning mumkin bo'lgan sabablari haqida xabardor qilishi va foydalanuvchini muqobil yechimga yo'naltirishi kerak, masalan, agar mavjud bo'lsa, inson agenti yoki ishonchliroq bo'lishi mumkin bo'lgan muqobil kiritish usuli. Umumiy printsip sifatida, foydalanuvchi interfeyslari foydalanuvchiga o'zaro ta'sirning istalgan bosqichida dasturdan oqilona chiqishni boshlashga imkon berishi kerak.

TEXNOLOGIYALARNING TAYYORLIGINI BAHOLASH

Ushbu maqola muvaffaqiyatli ovozli interfeysni loyihalashda dastur talablari, foydalanuvchi ehtiyojlari va tizim imkoniyatlari o'rtasidagi o'zaro bog'liqlikni ta'kidladi. Ko'pincha ovozli interfeysni ishlab chiquvchilardan nutq texnologiyasi muayyan vazifani bajarish uchun "etarlicha yaxshi" yoki "tayyor"mi, deb so'raladi. So'rov sodda tarzda berilgan bo'lsa-da, batafsil javob faqat texnologiyaga e'tibor qaratishdan tashqari, boshqa savollarga javob berishi kerak:

1. Oddiy foydalanuvchi avtomatlashtirilgan o'zaro ta'sirni qoniqarli deb baholaydimi, ya'ni foydalanuvchi topshiriqni muvaffaqiyatli bajara oladimi va foydalanuvchi nuqtai nazaridan o'zaro ta'sir oson va samaralimi?

2. Muvaffaqiyatli avtomatlashtirish darajasi dastur provayderi uchun undan foydalanishni moliyaviy jihatdan jozibador qilish uchun etarlimi? Avtomatlashtirish harakatlaridan olingan foyda va tejamkorlik amalga oshirish xarajatlarini qoplaydimi?

“Tayyorlik” savoli nafaqat texnologik imkoniyatlarni, balki maxsus ilova konteksti, uning foydalanuvchilari va ilova yaratilgan butun tizimni ham qamrab olishi kerak. "Tayyorlik"ni baholashning optimal usuli - bu dastur xizmat ko'rsatishi mo'ljallangan aholini ifodalovchi prototip tizimlari va foydalanuvchilardan foydalangan holda dasturning dala sinovlarida. Bunday dala sinovlarining muvaffaqiyatini baholash uchun samaradorlik ko'rsatkichlari vazifalarni bajarish tezligi va foydalanuvchi reaktsiyalarini o'z ichiga oladi. Agar dala sinovi ilova foydalanuvchi uchun muvaffaqiyatli ekanligini ko'rsatsa, undan keyin dasturni joylashtirishga "tayyor" yoki yo'qligini aniqlash uchun xarajat/foyda tahlili qo'llanilishi mumkin (ya'ni, iqtisodiy jihatdan asosli).

XULOSA
Ovozli ilova nisbatan sodda (masalan, kalit so‘zlarning cheklangan to‘plamini taniy oladi) yoki ancha murakkab (masalan, ko‘proq tabiiy so‘zlashuv o‘zaro ta’siriga ruxsat beruvchi nutqni tushunish tizimlari) bo‘ladimi, yaxshi mo‘ljallangan foydalanuvchi interfeysi har doim muhim element bo‘lib qoladi. ovoz orqali inson va mashinaning muvaffaqiyatli aloqasi. Ovozli interfeysning dizayneri "foydalanish qulayligi" va inson va mashinaning o'zaro ta'sirining tabiiyligini ta'minlaydigan interfeysni amalga oshirishda vazifalar talablari, texnologik imkoniyatlar va foydalanuvchi kutishlari o'rtasidagi o'zaro bog'liqlikni hisobga olishi kerak. Ovozli interfeyslarni asosiy vazifalar dialogiga, shuningdek, tasdiqlash so'rovlariga direktiv so'rovlarni kiritish va foydalanuvchi ko'rsatmalariga kirish, xatolarni ko'rsatish va tuzatish hamda kerak bo'lganda tizimdan chiqish uchun boshqaruvni ta'minlash orqali kamroq mo'rt bo'lishi mumkin. Kuchli ovozli interfeysni ishlab chiqishda vakil foydalanuvchilar bilan iterativ testlar zarur. Tasdiqlash, xatolarni tiklash, ikkilanishlar va tuzatish uchun prosodiya va xabar mazmuni suhbat dinamikasiga qanday ta'sir qilishini yaxshi tushunish va bu signallarni avtomatik ravishda tanib olish va taqdim etishning ishonchli usullarini ishlab chiqish bilan ovozli interfeyslar "ko'proq" va'dasini amalga oshirishni boshlashi mumkin. inson va kompyuter o'zaro ta'siri uchun tabiiy" interfeys.

MAQDAT
Muallif Meri Jo Altom, Syuzan Dyumais, Den Kan va Sharad Singxalga ushbu maqolaning dastlabki loyihalari bo'yicha foydali izohlar uchun minnatdorchilik bildiradi.

ADABIYOTLAR

Appelt, D. va E. Jekson. "SRI Xalqaro fevral 1992 ATIS benchmark test natijalari." DARPA nutq va tabiiy tillar seminari materiallari, M. Markus (tahr.), Morgan Kaufmann, San-Mateo, Kaliforniya, 1992 yil.

Balentine, BE va BL Scott. "Og'zaki inson interfeysida maqsadga yo'naltirilganlik va moslashuvchanlik." American Voice I/O Society jurnali, 11:46-60, 1992 yil.

Bossemeyer, RW va EC Schwab, Ameritechda avtomatlashtirilgan muqobil hisob-kitob xizmatlari. American Voice I/O Society jurnali, 7:47-53, 1990 yil.

Cole, R., L. Hirschman va boshqalar. Og'zaki tilni tushunish bo'yicha seminar. Oregon magistratura instituti texnik hisoboti № CS/E 92-014, Oregon magistratura instituti, Beaverton, Oregon, 1992 yil.

Hunnikutt, S., L. Xirshman, J. Polifroni va S. Seneff. "Inson-mashina sayohatini rejalashtirish vazifasida tizim xatosi haqidagi xabarlarning samaradorligini tahlil qilish". Og'zaki tilni qayta ishlash bo'yicha xalqaro konferentsiya materiallari '92, 196-200-betlar, Alberta universiteti, Edmonton, Alberta, Kanada, 1992 yil.

Karis, D. va KM Dobroth. "Ommaviy kommutatsiyalangan telefon tarmog'i orqali nutqni aniqlash bilan xizmatlarni avtomatlashtirish: inson omillarini hisobga olish". IEEE Journal on Selected Areas in Communications, 9:574-585, 1991.

Katai, M., A. Imamura va Y. Suzuki. "HMM-ga asoslangan karnaydan mustaqil so'zlarni aniqlashga asoslangan ovoz bilan faollashtirilgan o'zaro ta'sir tizimi." American Voice I/O Society '91 da taqdim etilgan maqola, Atlanta, Ga., 1991 yil.

Leiser, RG "Metalingvistik hodisalarni qo'llash orqali tabiiy til va nutq interfeyslarini takomillashtirish". Amaliy ergonomika, 20:168-173, 1989 yil.

Lennig, M., D. Sharp, P. Kenni, V. Gupta va K. Prekoda. "Nutqning moslashuvchan so'z boyligini aniqlash." Og'zaki tilni qayta ishlash bo'yicha xalqaro konferentsiya materiallari, Alberta universiteti, Edmonton, Alberta, Kanada, 93-96-betlar, 1992 yil.

Luce, P., T. Fuestel va D. Pisoni. "Qisqa muddatli xotirada sintetik va tabiiy nutq uchun imkoniyatlar talablari." Inson omillari, 25: 17-32, 1983.

Mazor, B., B. Zeigler va J. Braun. "Suhbat interfeyslarini avtomatlashtirish." Amerika Ovozli I/O Jamiyatining materiallari, San-Xose, Kaliforniya, 1992 yil.

Pallett, D. "ATIS ko'rsatkichlari." DARPA nutq va tabiiy tillar seminari materiallari, M. Markus (tahr.), Morgan Kaufmann, San-Mateo, Kaliforniya, 1992 yil.

Shribberg, E., E. Wade va P. Price. "Og'zaki til tizimlari (SLS) yordamida inson-mashina muammolarini hal qilish: ishlash va foydalanuvchi qoniqishiga ta'sir qiluvchi omillar". DARPA nutq va tabiiy tillar seminari materiallari, M. Markus (tahr.), Morgan Kaufmann, San-Mateo, 1992 yil.

Spiegel, MF, MJ Altom, MJ Macchi va KL Wallace. "Sintezlangan va tabiiy nutqning tushunarliligini baholash uchun monosyllabic test korpusidan foydalanish." Amerika Ovozli I/O Jamiyatining materiallari, San-Xose, Kaliforniya, 1988 yil.

Spits, J. va sun'iy intellekt nutq texnologiyalari guruhi. "Haqiqiy foydalanuvchilardan ma'lumotlarni to'plash va tahlil qilish: nutqni aniqlash/tushunish tizimlariga ta'sir qilish". DARPA nutq va tabiiy til ustaxonasi materiallari, P. Price (tahr.), Morgan Kaufmann, San-Mateo, Kaliforniya, 1991 yil.

Wilpon, JG "Katta mijozlarning telefon sifati nutqini avtomatik ravishda tanib olish qobiliyati bo'yicha tadqiqot." AT&T Technical Journal, 64:423-451, 1985 yil.

Yashchin, D., S. Basson, N. Lauritzen, S. Levas, A. Loring va J. Rubin-Spitz. "Nutqni aniqlash qurilmalarining ishlashi: telefon tarmog'i orqali ishlab chiqarilgan nutqni baholash". Proc. IEEE ICASSP, Piscataway, NJ, 552-555-betlar, 1989 yil.

Milliy fanlar, muhandislik va tibbiyot akademiyalari. 1994. Odamlar va mashinalar o'rtasidagi ovozli aloqa. Vashington, DC: Milliy Akademiyalar matbuoti. https://doi.org/10.17226/2308.