设也需每场景中分别出判断，行业通用的部分沉淀，以及行业特性的性化设思考，都需不断的去试打磨的。智能互动设备作为一种趋势，是设计师发挥长的沃土。
一、5号小蜜：智能互动设备的初期准备
在如今智能硬件设备，语音互动的大趋势下，我们针对智能互动的硬件，从想法 – 设备 – 技术 – 设计 – 场，总结沉淀部分探索经验。
首先代一下背：
在阿里小蜜语音助手的形态，延伸了很多智相的研究和探索，中智硬件是我们想要发展的一分。在这种情况，「5号小蜜」为名称的智互硬件设备应势而生。
（称解释：决这产品的初，以落到公司的5行政场景的提下行的设，所以叫「5小蜜」）。
在有了这个想法后，5号小蜜进了1.0版本研究和设计，在项目初期我们承载硬件主要是以55寸，比例为16：9液晶屏幕为主，用虚拟形象进语音互动，其场景设定也是在访客进入到5号楼进互动能力。
二、智能互动设备的框架拆解
了初的展之后，我们以设师的视角总结了智能互动类设备的基础框架，我们之后的升级完善行了整体的方向指导。
首先智能互动设备的核支撑能力一算法的能力，当市面的智能硬件多数以语音理的形态出的，因此对于设师，VUI 重的一环，5小蜜不单单语音的交互，也视觉的交互。因此感知层面的设，「VUI+GUI」也就听觉视觉的互动（但硬件多样发展的今天，触觉类也应该考虑到感知层面的一部分）。
VUI+GUI 比传统语音交互会一些优势体：互动方面，语音可以理解面，单一面传递信息限的，如果语音界面结合起，就从两单一面形了空间，可以承载多的信息。
举个例子：与在交流不止是语言传递互动，可以从部表情传递出喜怒哀乐；肢体语言传递出兴奋度和性格特质。综合起来，我们交流才会更畅。
在物理层面而言，是硬件备的选择：液晶屏幕、玻璃屏幕（透、非透）、全息投等。
在初期，我们的选择是液晶屏幕，个是最基础的承载硬件，也是成最低的硬件。而其它选择的硬件也有优劣之分，透明玻璃屏适合导购的场，背是否有品的出现，是从传统的触互动进行更承载信息的进化。非透明玻璃屏适合更沉浸的助理场，息投影更接近人的感受，也是智能感受最强的一类，每一种硬件方式有适合的场，个是我们需要去权衡的。
在以设计师的身份参与程中，我们更的是以设计的视角和硬件、场、技术等进行搭合，所以在程中，参考方面的因素，影响最落地的结果。
1. 感知层面的设计策略：视觉层
在2.0初期，先整理了最直的官层的一部——视觉受，以此为基础为产品定调，以最直的表现层为段帮助产品建立视觉体系。
首先我们内部脑暴统一同步次升级的目标：让小蜜更智能，更有服务感。一个是身我们在做的情就是智能相关的研究，另外在落地的场访客中心承载的也是服务的属，所以在设计方面就抓取两个心智方向的关键词：智能、服务。
在关键词的引导下，先建立情绪板，整合出表现的特。
抽出智能感受类的关键词，以是抽象或者具象的描述。
接着整理出服务相关的视属。
根据关键词的延展，得了视觉语言的方向，但是在推导中发现智能和服有些画面更像是互补色之间的关系，有一定的对立面，所以要从中调和每个关键词在界面中的占比。同要考虑是不是有减少者冲突的法，所以在多次尝后决定将1.0版本中的机器形象换成真人。
首先在行政楼场中，人带来更的亲切感，与服务场更契合；其次界面关键词的分方面也有考量，在氛围中我们更希望带来智能感受、在对中我们更希望是亲切的服务感，因此人的形象出现是一个比合适的策略。
而且务的视觉概念从我们感知到的二维变成了多维的角，从单一的界面变成了人设、、肢体语言、面表情等多方结合的综合体。因此这两个键词延展来的分就有了各自的分工：智感更多的体现在界面氛围上；务感更多体现在人物上，两者结合的会更润滑。
下图关键词占比的界面试过程灰机稿。
试过程中，画面一清晰了起，智能+服务也能多体出，终通过提炼过程中的视觉语言，形了终的画面。
整体视觉感受设的同时，人的视觉点也同行，我们对人行了性别、装、动作、面部表的设，整体目标以之服务感中总结出的友善、轻松关键词。
终画面（其中一款服装考虑之后场景的拓展性，整以智能感受主）。
2. 感知层面的设计策略：听觉层
在描述视觉设定后，来看一听觉的方面，就是语音的互。
首先，语音互的核心还是在算法上面，因此语音交互是和技术相辅相成，5号小蜜的技术手较丰富，要是几种：ASR、TTS、QA、面跟踪、面重塑面跟踪渲染等 AI 技术模。论上只要获得充足的人物视频+语音数据，技术可模拟任意指定人物。数据越多，面和语音的还原越逼真。
中，为获取原始数据，需要进行数据的采集，要是在采集室里对语音、图像进行收录，大致技术的流程如示：
在这些技术背景，语音的互更多的是考虑如何在与真人的对话中，体验更顺畅。
下图核的 Flow：
小蜜与用户交流的部分了标记，也语音交互的核内区。了方便整流程连贯起，还从初的部分始，讲述一完整的剧本。
用户从楼走进，般会有几意图：开会（查找会议）、来访（了解里文化等）、参观（闲聊）根据这些场景我们进了两个关键节设定：吸引、交流。由于结束话属于弱互动，所以暂不列入。
上为语音互的核心分，余还有户结束对话的声音作反馈——「再见」+挥手等；未知问题的复处——进行多种兜话术的配置；中途离场的户——小蜜15S复初始状态等。
3. 物理层面策略：硬件、场景
在考虑界面语音互动的同时，也要考虑硬件方面带给验的影响，比设备的主要构成，MIC、音响、支架、外观显示器等主要硬件。
MIC 的技术手段是单轨拾音，因此需要证在有效距离内收音（机器前贴最佳距离的脚印贴纸，以证对收音）。显示器整的15°角倾斜，考虑反光、身高视角等情况。机器总高度控在1.8M，用户眼睛与小蜜眼睛持平视，最佳观看高度在1.7M左右的平均值，以覆盖大部分用户的使用感受。
△ 年亮相图
图为整个硬件的构成分及作传输图。
在硬件组毕后，会进行收音的测试，在实际使场景 – 公共环境（嘈杂环境）录音（ASR识别）的方式来收集同位置的收音状况（保证同等条件，如分贝相同）来收集数据，最后判定这个 MIC 的硬件是是最合适的。
经过综合多方位设计后，设备才见到雏形，本身智互领域就是多维的综合体，设计师参与在中会从单一的视觉、交互维向更全面的维思考，使每一个环节串联起来，打更好的 UX体验。
最后的思考
从这次的项目来看，我们在做事情的初期就需要有一个整的目标定义，Lot设备的应场景考量等等，这次综合升级只是考虑了单一的行政场景，解决的是咨询类的问题，因此设计的链路是单一且浅薄的。但是产的发展一定是要向商迈步的，如：热门的导购场景，与淘系零售的战役契合，结合淘宝生态配合多种垂直行，机器人作为智客现在售前、售中、售后的务等等。
设也需每场景中分别出判断，行业通用的部分沉淀，以及行业特性的性化设思考，都需不断的去试打磨的。智能互动设备作一种趋势，也设师去发挥所的沃土。
浙公网安备33011002017549号