半个世纪之前，我们在电影《2001太空漫游》中初次遇见了感觉敏锐的计算机Hal 9000。而50年之后，我们基本能用声音指挥计算机，更期望他们不只听见我们，还要听懂我们。但为了真正改善我们的生活，移动设备除了处理所说的话，还要处理我们的意图，以及我们所处情境。
开车时，手机不应期望你去触碰它；睡觉时，它要清楚要把来电直接送至语音信箱，除非是紧急来电，而且它也应该能弄清楚来电原因；自拍时，你应该只用说“拍张自拍照”就好了。简单地说，智能手机应该名副其实。
第二代Moto X的Moto Voice与Moto Assist软件就以此为目标，而公司产品管理高级总监Mark Rose也对开发过程作出了阐释。
手机要具有适应性与反馈性，为此Moto X就得时刻听取来自用户以及情境氛围暗示的口令。这种行为由软件与硬件间复杂的相互作用产生，来电时，如果是非必须接听，那么它就会淡入屏幕背景，而这一动作则是来自手机的传感器以及软件的结果。它们会同时分析输入信息，引发立即回应。这一切的妙处都发生在界面的幕后。
Rose说：“所有这些进程都会通过某种方式连接和分离，无缝使用。所以从用户的角度说，只需对它说话，它就会为你办事了。”
让智能手机听从指令是一项巨大挑战，麦克风的信号必须过滤掉背景杂音，比如附近的交谈声、音乐声、电视节目的声音。
想想人类是如何在潜意识里运用脑力，比如在人声嘈杂的聚会上，人脑就会自动无视所有其他人的聊天声，只关注自己参与的对话。经过训练后，Moto X能在其他人的杂音中识别出用户声音，而这涉及到性别、口音以及各种语言的计算机处理。
Rose对此表示：“测试与改善语音性能尤为艰难，人们是通过训练才理解的语音，但在移动设备上使其奏效则存在着很多细微差别。我们已进行了很广的内部测试，但真正的工作是在把软件推向公众之后。到那时我们拥有更大的样本规模来改善技术。”
所谓的情境感知源自设备一系列红外传感器、加速计，以及麦克风对于用户样本数据的协调。当用户对麦克风说话，或是在屏幕前面挥手，这些输入数据会经过“情境引擎”软件处理。软件会推测用户在当下所做的是什么，之后再决定最佳回应。在很多情况下，正确的反应也许就是不打扰用户。例如，在驾驶的时候，Moto X就能调至纯语音命令。
当绝大多数人在使用自己的设备，思考它们会如何反应的时候，Moto X软件设计团队花费了很多时间研究被称之为“无用户交互”的东西。这是一个有趣的设计问题：当你在绝大多数时间不与手机互动，会发生什么？而Rose对此给出的答案就是，手机应该能想清楚这问题。
拿Rose的例子来解释就会非常清晰。某天早晨6点，正当他在上班路上时，用口令给远在加州的妻子发了一条信息，告诉她现在室外有多冷。她回复道，”你知道我这里是凌晨4点吗？“他回复说，”我没意识到你的手机会叫醒你，我的手机就不做这种事。“
via medium
正在生成分享图...
王悦