AI 交互设计
如何改善 AI 设备的语音交互体验？
从开场重复、专有词识别错误、旁人干扰和过早结束四类问题入手，结合演示与测试清单，分清提示词、识别配置和会话控制的作用。
先回答：先定位哪一层影响体验，再选择设置
设备能回答问题，只代表基本链路已经连通。开场重复、品牌名听错、旁人插话或告别后立刻断开，可能分别涉及提示词、语音识别、说话人处理和会话控制。本指南将探鸽公开能力材料按问题整理，演示用于辅助理解，实际效果需要用目标设备、环境和版本验证。
以下是测试与选型思路，不假定每个平台或固件都提供相同开关。配置名称、开通条件与参数应以当前接入文档为准；视频没有给出可复现测试条件的部分，不作为识别率、抗噪或时延承诺。
问题一：每次开机都是同一句话
可尝试把固定欢迎语改成按角色提示词生成的短开场。先写清语言、长度和表达范围，再让欢迎语在问候、陪伴或轻松邀请之间变化。不要编造上次见面、学习进度或用户刚刚做过的事。时间与节日问候需要系统提供可靠信息。
建议重复启动多次，记录欢迎语、长度、生成等待和重复情况。例如先收集 20 次作为初步观察，但不要把小样本当成统计证明。检查开场是否适合角色、是否连续追问、是否与聊天首次介绍重复。生成失败时应有简短默认开场或可理解的等待反馈。
问题二：品牌名、产品名和业务术语经常听错
可检查识别服务是否支持热词配置。先从真实错误中挑出少量常用专有词，确认正确写法，再比较配置前后相同语句的识别结果。热词作用于识别环节；把词写进角色提示词，不等于已经配置识别热词。
固定设备和距离，分别说包含目标词的完整句子，记录识别文本与最终回复。
加入同音词、近音词和不包含热词的普通句子，检查是否把原本正确的词过度替换。
覆盖不同说话人和实际使用环境，再决定是否保留该热词；不要只保留最成功的演示样本。
如果识别文本已经正确而回复仍然错误，应继续检查知识资料、提示词与工具返回值，不要继续扩大热词列表来解决模型回答问题。
问题三：如何通过声纹锁定，让设备持续与目标用户对话？
声纹关注的是“谁在说话”，语音识别关注的是“说了什么”。设备可以把当前声音与目标说话人的声纹特征进行比较，再决定是否将这段话作为有效对话输入。对于 AI 设备，建立目标声纹可以采用下面两种方式；区别在于目标是提前登记的固定用户，还是本次会话中首先开口的人。
方式一：预先录入声纹，面向固定用户
先采集目标用户的语音并建立声纹档案。启用相应配置后，后续对话以该档案作为匹配依据，只有匹配目标声纹的输入才进入对话处理。它适合需要持续服务固定使用者的设备；产品需要提供录入、更新和删除入口，并明确重启或新会话是否沿用该档案。
方式二：首句声纹锁定，面向当前会话
无需提前建立固定用户档案，而是从本次交互的第一句有效语音提取声纹，锁定当前说话人，后续对话只接受与该声纹匹配的输入。它适合希望直接开口使用、又不希望旁人插话打断的场景。首句需要足够清晰、包含可用语音；最短时长和有效条件由具体实现决定。
首句锁定识别的是“本次首先开口的人”，不等于知道对方是谁，也不自动建立长期身份。何时解除锁定、换人后如何重新锁定、断线或新会话是否重置，都需要由产品明确设计，不能假定设备始终记住同一个人。
演示：声纹锁定开启前后的区别
下面两段视频用于观察声纹锁定对对话的影响：目标说话人建立后，旁人的话是否仍会进入对话。预录入与首句锁定是理解这项能力的两种使用方式，不能仅凭这组演示推断设备已提供完整的声纹档案管理功能。
如何验证锁定与换人逻辑
预录入方式：完成目标用户声纹录入后，让已录入与未录入的人分别说同一句话，检查设备是否只接受符合目标声纹的输入；再验证新会话中是否按配置继续使用已保存的声纹。
首句锁定方式：让 A 先说第一句有效语音，锁定后由 B 插话，再让 A 继续，检查是否拒绝 B 的输入并正常接续 A 的对话。
换人使用：按照产品设计解除锁定或开始新会话，让 B 成为新的目标说话人；同时测试首句被旁人抢先说出或被电视人声误触发时如何恢复。
分别记录非目标说话人的误接收与目标说话人的漏接收，再逐步改变距离、音量及背景声音。测试重点是锁定对象和切换是否正确，不能只看设备有没有回应。
声纹锁定的目标是只接受匹配说话人的输入，不代表任何距离、噪声或多人同时讲话时都能完全隔离声音，也不等于麦克风不再采集其他声音。它与降噪、回声消除各有分工：如果设备被自身播放的声音打断，仍需检查回声处理；涉及敏感操作时，也不能把对话锁定直接当作可靠的身份认证。
问题四：刚说再见，又想补一句却已经结束
可采用延迟结束策略：识别到结束意图后保留短暂接话窗口，在收到新输入时按业务规则继续。这既需要模型理解结束意图，也需要会话状态与超时控制配合；只在提示词中写“不要立刻结束”不能保证设备连接和采集状态正确。
说“再见”后保持安静，确认会话最终结束，录音和媒体发送随之停止。
在等待窗口内说“等等，再问一个问题”，检查是否接续当前交流，避免丢失输入或重新重复欢迎语。
按下明确的结束按钮，确认产品遵守用户操作，不被等待策略拖延。
测试背景声音、网络中断和重复结束事件，检查界面、连接与采集状态是否一致。
等待时长应结合实际使用场景选择，并通过界面或提示音让用户知道仍可接话。不要把演示里的时间直接当作所有产品的默认参数。
一次只改变一个因素，保留可比较的记录
先保存基础配置，再分别测试欢迎语、热词、说话人处理和结束策略。记录设备与固件、模型与配置版本、网络、距离、输入内容、识别文本、回复、状态变化和失败现象。相同测试输入在修改前后重跑，才容易知道改善来自哪里。
声音是否清晰、打断是否自然、响应是否及时属于不同指标。需要量化时，先定义起止点和采样方法，再记录多次结果；单段视频无法证明所有硬件或网络下的性能。
什么时候需要回到角色或设备接入层？
如果设备听清了却答非所问，先检查角色任务和知识来源；如果回答合理但声音断续，检查传输、解码和播放；如果模型说“已经开灯”而灯没有变化，检查工具调用和设备执行反馈。这些问题不应全部归因于提示词。
本页演示来自探鸽公开商务材料，按原材料的功能标签归类，未作为独立性能测试。视频可按需打开，不观看也能完成上述文字检查。资料核对：2026 年 11 月 7 日。