返回资讯中心
外部精选
软件工程
#开发者实时流

Jon Yoder提出「语音渗透」概念:语音融入现有界面而非新增聊天入口

来源标题:Your app already has a voice interface. It just can't hear yet.

开发者Jon Yoder提出「语音渗透」(voice-permeable)理念,主张语音应直接融入用户已有的界面,而不是另建聊天窗口或语音助手。他在自研记账应用中演示:用户对着空白收据说话,传统表单自动填充,出错时点按修改即可。他认为这一思路可推广到问题追踪、病历、成绩册和现场服务清单等场景。

Hacker News 最新jonyoder2026/11/14 · 3 天前13 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

你的应用早就有语音界面了,只是它还听不见。

你不需要新界面,也不需要聊天标签页。你现有的屏幕可以学会倾听。我们开始把这种理念称为“语音可渗透”。

Jon Yoder · 2026年11月7日 · 阅读时间4分钟

我妻子忍受了我们正在开发的预算应用中的许多bug。但有一样东西她会展示给朋友看。她打开一张空白收据,说“看这个”,按下一个按钮,然后开始说话。

让我印象深刻的是接下来发生的事。没有任何新东西。没有聊天窗口,没有带个性的助手。一个相当传统的屏幕自己填满了,如果某个字段错了,你点一下就能修正。

这就是我们所说的“语音可渗透”。语音渗透进你已有的界面,而界面保持原样。

我们从收据开始。然后你可以在问题追踪器、诊所病历、成绩册或现场服务清单中尝试同样的思路。

没有人需要学习新屏幕。语音只是成为填写你已经信任的表格的另一种方式。

没有人需要学习新屏幕。语音只是成为填写你已经信任的表格的另一种方式。

第二部分

填写空白是简单的部分。大多数软件中乏味的部分是逐项处理列表。一张有八个项目的收据就是八个小决定,而其中大多数是相同的决定。

所以有趣的句子不是命令。它包含一个例外,就像人们真正说话的方式。例外用复选框处理很笨拙,但说出来很容易。

试一试,然后点击一行自己修改。你用语音修改的列表和你手动修改的是同一个列表。它只有一份副本,所以语音和触摸不会产生分歧,下一句话就直接从你上次停下的地方继续工作。

这些演示是脚本化的,没有麦克风,背后也没有AI模型:点击一个短语,页面就会演示那句话会做什么。

昨天去Corner Market的采购:八个项目,两个还没有分类。

不是你的世界?第四部分在问题追踪器、诊所病历、成绩册或现场服务清单中有同样的思路。

按下并点击一个短语。在你接受之前什么都不会改变。点击任何一行自己修改,然后再次询问。

它会听错你,当它听错时,代价是一次点击。它在任何改变发生之前,就在行本身上显示它理解了什么。猜测可能每次尝试都不同。屏幕和检查不会变。

人们已经知道该怎么处理这种情况。Sharon Oviatt在1999年关于语音和笔输入系统的文章中指出,“当识别错误确实发生时,用户会交替使用输入模式,这往往能有效解决问题。”给某人第二种输入方式,当第一种失败时他们就会去用它。聊天记录让这变得困难,因为结果是一句你无法触摸的句子。而屏幕让这成为显而易见的下一步。

同样的收据,但这次它听错了你。每个短语回来时都有一个词错了。

按下,点击一个短语,然后读它听到了什么。一个错误的猜测代价是一次点击。

猜测可能是错的。屏幕仍然是屏幕。

猜测可能是错的。屏幕仍然是屏幕。

第四部分

这里没有什么收据特有的东西。选择你从事的产品类型。同样的按钮,同样的思路,在一个完全不同的屏幕上。

这次是整个应用,一个表单和一个列表,两者上都有一个按钮。切换屏幕,按钮跟着你走,准备好应对那个屏幕需要的任何东西。

这些产品是虚构的,所以如果你以做这个为生,你会看出我弄错了什么。

选择一个产品,切换屏幕,按下,然后尝试那些短语。

什么都没被记录。也试试应用的另一个标签页。它有自己的短语。

这些都不是全新的想法。Richard Bolt在1980年就将语音和指点结合起来,研究人员从那以后一直在研究它,称之为多模态交互。Oviatt的“十个迷思”至今读起来仍像是给设计师的简报。人们喜欢两者兼有,但他们会混合使用:在一项研究中,只有20%的命令结合了两种模式,而当他们这样做时,两个信号往往是先后到达而不是同时到达。她的证据来自笔和地图,而不是手机和语言模型,所以把它当作一个提示。这个提示是:语音不必做所有事情。它必须能很好地交接。

我找不到的是,在人们每天使用的产品中有多少这样的东西。这就是“语音可渗透”这个词所要填补的空白。

它并不适用于一切。如果一次点击就能搞定,那就点击。说话需要注意力:Ben Shneiderman在2000年警告说,“由于说话消耗宝贵的认知资源,同时解决问题是很困难的。”所以语音在枯燥、可预测和重复的工作中赢得了一席之地,在这些工作中你已经知道答案并且讨厌输入它。

这也不是唯一提供的未来。Julian Lehr主张一个AI层横跨你所有的工具,通过语音调用,有些人期望你的应用迁移到一个助手内部。这是一个不同的赌注:倾听移动到你的应用中,进入到人们已经信任的屏幕上。

关于这如何运作以及最初激发它的应用,还有更多内容即将推出。

在你自己的产品上试过这个吗?我很想听听发生了什么。

Jon Yoder是Posit的软件工程师。在业余时间,他经营着Keavi,一个小型工作室,制作Parleq、Stu以及一个目前处于私人测试阶段的预算应用。

我用AI辅助写作,发布前我会阅读每一个字。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →