如何開發語音 AI 技能，小雅和小豹的產品經理做了一篇詳細的總結
在今年 9 月， ofollow,noindex" target="_blank">亞馬遜宣佈 Alexa 平臺上的技能已經超過 5 萬個 。這是一件令語音 AI 從業者歡欣鼓舞的事。越來越多的人注意到語音互動的潛力，開始製作語音互動技能。在國內，在 百度 DuerOS 等語音平臺的教育和推動 下，有超過 2 萬名開發者參與了技能開發的開發實踐。
本文的作者是一名產品經理，曾經參與了小雅 AI 音箱、小豹 AI 音箱的技能打造，以個人開發者的身份為 DuerOS 平臺開發過一些技能。藉著參與小度技能開發大賽的機會，他對技能開發的經驗做了總結，分享給大家。全文授權深圳灣編輯整理併發布。
前世
語音互動技能，也叫「技能」，這是個新鮮事物。在兩年前，它還只有英文名 skill，而定義語音 skill 的，就是亞馬遜的現象級語音互動產品 Echo 智慧音箱。
時間回到 2015 年，當時雖然已有不少廠商釋出了智慧音箱，但是大家還只是用來聽聽歌，查查天氣，雖然這兩個最常用的技能，在當時也沒有很完善。
2015 年 7 月，亞馬遜宣佈向第三方開放部分語音互動能力，正是這個嘗試，讓 Alexa 平臺誕生了最早的一批第三方技能，如：Crystal Ball（水晶球），Math Puzzles（猜數字），StubHub（今晚幹啥）。
現在看來，這三個技能都很基礎，甚至有點簡陋。比如，Crystal Ball 水晶球這個技能，簡單到任何問題，Alexa 的回答都是 Yes 或 No，而且還是隨機的，作用就是協助使用者在面對糾結的問題時做出選擇。你問裝置：Alexa，我該減肥嗎？裝置回答：Yes。第二次你問裝置：Alexa，我該減肥嗎？裝置回答的可能就是 No。你問什麼問題裝置不管，裝置只管回答 Yes 和 No。我猜這個技能也許實現起來只用了 3~4 行程式碼吧。
Math Puzzles，猜數字，這個技能實現起來也不難。裝置會播報一串數字，這串數字有一定邏輯，你說出下一個數字就可以了。比如，裝置會問 2,4,6,8 的下個數字是多少？你對 Alexa 說 10，就算答對了。
StubHub，今晚幹啥，稍微複雜些。Alexa 會把裝置的地理位置給到開發者，所以當你問 Alexa 今晚幹啥的時候，Alexa 可以根據地理位置，向你推薦附近的電影、沙龍、活動和派對。對話示例如下：
使用者提問：Alexa，今晚乾點啥？
但是，如果使用者追問：Alexa，演講人是誰？裝置就回答不上了。是的， Alexa 開放出來的技能，最早並沒有多輪對話。
進化
2016 年 1 月，Alexa 的 skill 數量達到了 130 個。Alexa 團隊興高采烈的釋出了一個 infographic（資訊圖）來向公眾介紹成果。
這一行為，把亞馬遜的老大貝索斯搞炸了，趁著開會，把 Alexa 團隊教育一番：130？Wtf，怎麼這麼少...（據美國媒體 The information 報道，但亞馬遜官方不予置評。） 貝索斯要求技能開發的速度要加快、加快、再加快。
2016 年 11 月，也就是 10 個月之後，Alexa 的 skill 數量達到了驚人的 5000 個！這個時候，美國人民已經可以用 Alexa 叫 Uber、聽 Twitter 的內容了，智慧音箱終於擺脫了只能聽歌、查天氣的窘境。回過頭來看，這是不是還要部分感謝貝索斯開會時拍桌子啊。
等冬天過完，到了 2017 年上半年，對矽谷隨時保持敏感的國內網際網路大佬們，順利把國內智慧音箱的大戰點燃，做智慧音箱裝置的廠商多到上百家，BATJM 等一線網際網路公司和語音 AI 公司，紛紛上線語音智慧開放平臺。在深圳，三個月內，更是連續上演了兩場 影響深遠的語音智慧峰會 。
定義
伴隨著行業熱潮，平臺推動，開發 skill 的人逐漸多了起來。也正是在這個時候，skill 開始有了中文名，而翻譯為「技能」是再合適不過了。
根據《辭海》的詞條說明，技能是運用知識和經驗執行一定活動的能力。放到語音 AI 的場景裡， 語音互動技能就是運用自然語言對話的互動方式，實現影音娛樂、資訊查詢、生活服務等的功能，簡稱「技能」 。
關於技能的前世今生，還可以參考深圳灣在 2017 年的兩篇關於語音技能的特稿（1、 2 ）
技能有哪些分類？
有了名稱，就要把技能再做一下歸類。
目前，不管是亞馬遜 Alexa 平臺，還是國內的各家語音 AI 平臺。技能的分類標準都很像，基本是把技能分成三大類：自定義技能、智慧家居技能、內容播報技能。
自定義技能 主要有兩類，生活服務類、娛樂遊戲類。比如上文介紹的幾個技能，都屬於自定義技能。
智慧家居技能 主要是用來對其他智慧裝置進行語音控制，介面的完善性和語音互動已經趨於成熟，我聽說有的團隊把硬體接入 Alexa 可能一天時間都用不到（稽核時間不算）。這方面，對 Alexa 智慧裝置做過大量報道的深圳灣，給到我的解釋是，Echo 的熱銷帶動了大批的智慧裝置廠商湧入，這背後少不了 IoT 方案商的推動，他們提供的 Alexa 接入方案，可以大大提高裝置智慧化的速度。
而 內容播報技能 則是對新聞和資訊所做的語音傳遞。Alexa 平臺在很早的時候，就集合了幾乎所有美國的主流媒體：NYT、WSJ、NPR、CNN 等等，而當時，媒體機構對於語音這個新興的平臺，還是處於卡位階段。
有媒體稱，在和 CNN 的受眾發展部副總裁艾倫·西格爾交流時，就發現他們暫時還是把 Alexa 這個媒體投放渠道放在了戰略圈的最外層，和 Apple Watch 等渠道平級。但他依然看好這種形式的潛力，畢竟，美國已經有五分之一的家庭擁有了智慧音箱。
而在國內，騰訊新聞和新華社等媒體機構，都已經開始嘗試把新聞 feed 流接入到語音智慧平臺，並且在小雅 AI 音箱、小豹 AI 音箱、小度音箱等裝置上落地。
技能開發的核心：VUI
以上這三種技能分類，在開發上側重點也會不同。比如，自定義技能，它的核心就是是語音互動（voice interactive）。
語音互動就是將人的語言轉換成應用的 request（面向系統的請求）的模式，也就是 VUI（Voice UI），而我們之前談論的 UI 更多意義上是 GUI（Graphic UI）。要做好 VUI 的互動和 GUI 一樣，都需要對細節提出更多更高的要求。
亞馬遜的 VUI 設計師 Amdrew Ku 就曾經說過：「 人類對於聲音的敏感是超出很多人的想象的。 」
過去很長一段時間，VUI 方面積累的理論遠遠少於 GUI。市面上相對經典的一本書是今年剛剛出版的《語音使用者介面設計》。
當然，對於 VUI 這樣的新鮮事物，雖然著作出版物並不多，網路資訊還是比較的豐富，亞馬遜 Alexa 平臺和國內各家語音 AI 平臺也積累了不少經驗，大家感興趣的話，平時可以多多關注。
技能開發有哪些 Know How？
1、起個好名字
技能開發和 App 開發有很多相同點，首先一點，名字非常重要。
在語音互動中，技能名字不僅影響到使用者的開啟意願，更會影響到識別率。如果技能的名字太長，或者不好識別，使用者是根本無法進入技能的，如果這樣的情況發生，即便體驗再優良的技能也無法被使用者使用。
另外，技能最好不要用生僻字。因為據我觀察，目前 DuerOS 和其他語音 AI 平臺有很多的使用者可能是小朋友~
總結起來，一個好的名字應該考慮到以下幾點：
清晰易讀 。釋出技能前，可以自己一口氣讀三遍技能的名字，看看是否能順利的讀出來。另外一定要用真機測試功能，確保可以識別，不然等上線再去改，可是會影響到線上使用者的體驗。
體現技能功能 。讓使用者知道這個技能是做什麼的。如果能做的事情比較多，就要拆分成幾個技能。基本原則是 Do one thing and do it well。
技能名稱不會產生混淆，能讓使用者記住 。技能商店的技能會越來越多，很多相似名稱的技能也會出現。這時，可以借鑑 App 起名字的方法，採用一些關聯實體物品的起名方法。比如，笑話類的技能，就可以叫香蕉笑話、大象笑話。
2、看資料
同樣可以借鑑 App 的做法，在設計技能的初期，可以採用 MVP（Minimum Viable Product 最簡化可實行產品）的原則，先發佈一個簡化的技能，技能上線後再分析語音互動資料，根據潛在需求對技能進行迭代和完善，逐步增加功能和優化體驗。
資料能完整的呈現使用者使用路徑。通過分析語音互動資料，你可以很容易的發現使用者卡在什麼地方，或者語音識別哪裡出錯。
舉例來說，朋友開發了「周公解夢」這個技能，在檢視裝置互動資料時，他發現使用者會說到一些裝置無法識別的語句，比如「我們的懸崖」。很明顯，使用者想表達的意思是「我夢到懸崖」，所以需要在常用語句識別模型中提供「我們到XX」的語句。這樣，以後再識別成「我們到XX」，裝置就可以成功解析了。
3、關注外表
技能的外表很重要。技能開發者應該多花時間做個漂亮的 logo，這個點容易被忽視，畢竟，開啟技能是通過語音識別，而不是視覺發現。但這不能想當然，要知道，使用者發現和安裝技能，主要還是通過 App 端的操作。
除了 logo，技能的文字介紹也要好好優化。還要選擇一個技能分類，這樣使用者可以更方快捷的找到技能。
4、聽取使用者反饋
還可以做的是，通過各種渠道接觸使用者，聽取反饋。比如，把聯絡方式放到技能簡介中，發動親朋好友幫你測試技能，追著他們多提意見反饋。這樣，技能的迭代和優化才有了方向。我會在技能介紹裡留下我的 QQ 郵箱，當技能的策劃開發遇到迷茫時，使用者的反饋往往能起到撥雲見日的效果。
結語
小結一下，這篇文章主要分享了我作為一名 AI 音箱產品經理、開發 AI 語音技能的經驗。 介紹了語音技能（skill）的前世和進化，技能的定義，技能的分類，語音介面互動（VUI），以及開發技能的經驗總結 。全文授權深圳灣編輯整理併發布。
是的，人類對於聲音的敏感是超出很多人的想象的。亞馬遜的 VUI 設計師 Amdrew Ku 列舉了一個技能開發的案例：
在過去，當你與 Alexa 裝置對話喊出「turn on my lights」的時候，它的回覆是「OK」。當我們把「OK」改成一個「叮」的聲音後，收到上萬名使用者抱怨，反饋說我們把裝置變成了一個機器人。我們就又把它改回「OK」。 產品經理要設計和開發一個優秀的語音技能，要對體驗中的每一個細節都做持續優化。
百度 DuerOS 聯合深圳灣共同舉辦的「喚醒之旅 Workshop」系列活動即將開啟！11 月 18 日，優質對話式 AI 技能的互動設計與開發演練， 喚醒之旅 Workshop 北京站 ，歡迎報名參與 ！
本文作者：毛川，語音 AI 產品經理，原小雅 AI 音箱、小豹 AI 音箱技能及軟體產品經理，在嘗試了一段時間的獨立開發者之後，現任喜馬拉雅小雅智慧產品總監和高階產品經理。
本文編輯、審校：陳壹零 / 深圳灣