语音交互是未来UI设计的趋势吗？

Sam Lessin最近写了一篇叫做Time to Hang Up on Voice（是时候和语音说再见了）的文章，称语音不可能是未来UI交互的发展趋势。他主要提出了3个理由：第一，语音在公共场所嘈杂的坏境下很难被机器分辨和翻译，同时公共场所人多耳杂，用户隐私是一大问题；第二，对着机子说话比直接打字或者使用手势的效率来得低；第三，键盘这类工具更适合文字编辑。

但是Redpoint VC的Tomasz Tunguz有截然相反的看法。他在The Fastest User Interface一文中指出，Sam Lessin只要考虑到一点就知道自己错了：速度。

语音输入要比文字输入来得快。Barbara Blackburn拥有打字速度最快的世界纪录，也就每分钟212个单词，而说话速度最快的世界纪录得主Steve Woodmore每分钟可以说637个单词。也就是说，在人类自身的极限上，语音要比文字快3倍。而正常的普通人，打字速度大概在30-40个单词/分钟，说话速度大概在120个单词/分钟，依然是3倍关系。可见，这一比率关系是比较稳定的。

当然有同学要说Tomasz Tunguz耍赖了，因为打字速度可以基本转化为UI交互速度，说话说多快就不见得UI交互能多快了吧，机器还要翻译语音的时间呢。但我想指出的是，我们的讨论是基于未来的UI发展，未来的语音技术会大面积减小语音转化为交互的时间，而文字输入几乎已经没有多少可以提升的空间了。

Tomasz认为，正是因为速度的原因，我们更习惯给别人打电话而不是发邮件。他尝试学习Dvorak来改进打字的速度，但发邮件比起打电话还是慢太多了。也因此，语音邮件看起来似乎更有吸引力，更方便，也更人性化。

他还指出，Siri和谷歌语音搜索的成功也是受益于语音的速度。使用语音搜索时，每日搜索量将达到惊人的数以亿计。直接说“导航到XXX”或者“查询旧金山的天气情况”毕竟要比在狭小的键盘上一个一个的打字来得快得多。

至于公共场所的语音问题，Tomasz认为，我们事实上早就习惯了这一点。因为电话早已发明了一百多年了。声音去噪技术和社会道德意识让声音保真和隐私问题不再难以解决。

对于语音，真正的挑战其实是编辑问题。文字的再编辑很直观、很容易，语音如果想进行修正和再编辑，难度就高得多。如果再编辑的内容过多的话，语音结合键盘和鼠标或许是个好方式，起码会比单纯使用键盘来得快。

事实上，语音永远不会成为单一的UI交互方式。如果儿童在学校都利用语音代替打字的话，后果将难以想象。语音可能永远无法成为 显性的 UI交互方式。

但随着语音识别技术的发展，MotoX，Moto Hint 和 Google Glass的面世，语音因为速度快的优点在未来的UI交互和人机交互上一定会变得越来越重要。

我十分同意上面的最后一段话。未来的UI交互一定是多种方式相结合来进行的，而语音会是其中重要的一种交互方式。打字、手势操作、语音、眼球、脑电波等等多种交互方式的融合，或许会是未来界面设计的趋势。欢迎同样脑洞大开的同学和我一起探讨。