Действительно ли голосовое взаимодействие делает детективную игру более захватывающей?
Голосовой ввод может сделать детективный сюжет более живым и непосредственным, когда игрок может задать вопрос естественным образом и получить релевантный ответ, не сражаясь с интерфейсом. Однако сама по себе речь не гарантирует погружения. Ошибки распознавания, неловкие паузы, перебивания и невидимая расшифровка могут отвлечь внимание от сюжета. Чтобы оценить, помогает ли голос, сравните его с текстовым вводом по ключевым вопросам: поняла ли игра заданный вопрос? Ответила ли она в подходящий момент? Мог ли игрок увидеть и исправить то, что она услышала? Был ли по-прежнему доступен текст?
Начните с точности распознавания вопросов, а не с новизны голосового ввода
В детективной игре голосовая система должна делать нечто большее, чем просто преобразовывать звук в слова. Она должна сохранять изначальный смысл вопроса игрока и связывать его с нужной уликой или репликой персонажа. Расшифровка, которая превращает «Where was the key?» («Где был ключ?») в «Where was the case?» («Где был кейс?»), может увести разговор в другое русло, даже если система распознавания речи считает свой результат вполне правдоподобным.
Распознавание речи не идеально точно, и стандартный уровень пословных ошибок (WER) не отражает всей картины: некоторые подмены слов имеют гораздо большее значение, чем другие. В документации Google поясняется, что частота пословных ошибок учитывает вставки, подстановки и удаления, но при этом предупреждается, что данная метрика оценивает ошибки исключительно по количеству слов. Для детективной игры это означает, что результат короткого теста следует дополнять проверкой смыслообразующих слов, таких как имена, названия мест, предметы и вопросительные конструкции. Google Cloud: Оценка и повышение точности распознавания речи
Практичный способ сравнения — подготовить небольшой набор типичных вопросов, которые игрок мог бы задать об одной и той же улике, а затем опробовать каждый из них голосом и текстом. Зафиксируйте, касается ли ответ нужной темы, было ли не расслышано ключевое имя или деталь и пришлось ли игроку повторять или перефразировать сказанное. Включите вопросы с именами персонажей и менее распространенными названиями улик: системы речи могут испытывать трудности со словами, отсутствующими в словаре, и Google рекомендует предоставлять подсказки для фраз (phrase hints) при использовании своего сервиса. Google Cloud: Рекомендации
Это сравнение служит подспорьем при принятии решений, а не универсальным общепринятым тестом для любой игры или речевого движка. Тестируйте в реальных игровых условиях, включая привычные фоновые звуки игры и микрофон, который будет использовать игрок. Результат из тихой комнаты или с другим микрофоном может не соответствовать реальным игровым условиям; руководство Google по оценке точности также рекомендует использовать репрезентативные аудиозаписи из целевой среды. Google Cloud: Оценка и повышение точности распознавания речи
Проверьте, поступает ли ответ в подходящий момент
Вопрос может быть распознан абсолютно верно, но ситуация всё равно будет казаться неуклюжей, если игра слишком долго медлит перед отображением или озвучиванием ответа. И наоборот, чересчур быстрый ответ, который прерывает реплику актера или срабатывает, пока игрок еще не закончил фразу, может выбивать из колеи. Полезной метрикой является не просто среднее время отклика системы; наблюдайте за диалогом целиком: когда игрок начинает говорить, когда игра фиксирует окончание фразы, когда появляется обратная связь и когда начинается сам ответ.
Это различие обусловлено тем, как устроено голосовое взаимодействие. Интерфейс распознавания речи Android, например, разделяет частичные результаты, окончание речи и финальные результаты; частичные результаты могут поступать ноль, один или несколько раз в зависимости от реализации сервиса. Это наглядно показывает, почему отображаемая игроку расшифровка или реакция могут меняться прямо во время обработки речи, и почему разработчикам следует тестировать видимое поведение системы, а не исходить из того, что все распознаватели работают одинаково. Android Developers: RecognitionListener
Для простого игрового теста зафиксируйте два вида задержки: время между окончанием вопроса и подтверждением того, что он был понят, и время между этим подтверждением и содержательным сюжетным ответом. Также отметьте, ждет ли игра четкой паузы, не реагирует ли она слишком поспешно на минутное замешательство и не оставляет ли игрока в неведении, продолжает ли микрофон слушать. Всё это — наблюдения, которые нужно собрать, а не универсальные временные нормативы: источники не устанавливают единого времени отклика, гарантирующего более глубокое погружение в детектив.
Относитесь к прерыванию речи как к естественной части разговора
Детективные сцены часто включают диалоги, закадровый текст или персонажа, завершающего ответ. Если игрок пытается задать уточняющий вопрос прямо во время речи игры, поведение системы должно быть однозначным: остановиться, сделать паузу, поставить вопрос в очередь или проигнорировать его. Голосовой интерфейс, который плохо справляется с перебиваниями, может вынудить игрока выслушивать уже понятную информацию или говорить поверх важных сюжетных деталей.
Исследования в области интерфейсов голосового диалога напрямую затрагивали эту проблему. В исследовании 1995 года было предложено планировать речевой вывод информационными блоками и отслеживать очередность реплик, чтобы прерывание со стороны пользователя обрабатывалось более плавно. В отчете отмечалось, что более половины участников сочли такое взаимодействие естественным, хотя конкретные выводы исследования относительно времени выполнения задач и структуры диалога относятся к его собственным условиям, а не к детективным играм в целом. Применимый к проектированию вопрос заключается в том, сохраняет ли игра ту часть улики, которую игрок уже услышал, и дает ли понять, что происходит после прерывания. Kikuchi et al., «Handling of user interruption to achieve timing-free utterances for spoken dialogue interface»
Во время тестирования попробуйте прервать голосовой ответ в естественной паузе, а затем задать короткий уточняющий вопрос. Проверьте, быстро ли игра замолкает, фиксируется ли вопрос и может ли игрок повторно прослушать или просмотреть прерванную информацию. Если ответ отрицательный, голос может превратиться в дополнительную рутину по распределению очередности реплик вместо того, чтобы стать более удобным способом расследования происходящего на сцене.
Сделайте распознанные слова видимыми и доступными для исправления
Читаемая текстовая расшифровка дает игроку возможность заметить ошибку в имени или вопросе до того, как игра отреагирует на них. Это также делает состояние системы менее загадочным: игрок понимает, не услышала ли она вообще ничего, услышала неправильно или же распознала слова верно, но выдала неожиданный ответ. Расшифровка полезна только тогда, когда ее легко читать во время игры и когда она предлагает понятный способ повторить попытку или исправить значимую ошибку.
API различных платформ показывают, что некоторые системы могут выдавать частичные и окончательные результаты распознавания, однако время появления и доступность промежуточного текста могут зависеть от сервиса распознавания. Не рассматривайте промежуточную расшифровку как подтвержденный ввод, если интерфейс четко ее не обозначает. При тестировании игры проверяйте, остается ли финальный распознанный вопрос видимым достаточно долго для ознакомления, легко ли вносить исправления и объясняет ли сообщение об ошибке, что игрок может предпринять дальше. Android Developers: RecognitionListener
Отображаемый текст не следует ошибочно принимать за доказательство точности. Google отмечает, что показатели уверенности и уровень пословных ошибок — это независимые метрики, поэтому результат, выглядящий вполне надежно, не гарантирует правильного распознавания ключевого имени или улики. Для игрока более безопасное решение — иметь возможность увидеть слова и исправить или повторить вопрос, а не слепо полагаться на скрытую оценку уверенности системы. Google Cloud: Оценка и повышение точности распознавания речи
Сохраняйте текстовый ввод как полноценную альтернативу
Резервный текстовый ввод — это не просто удобство для тихой комнаты. Он позволяет игроку выбрать другой способ того же сюжетного взаимодействия, когда речь недоступна, неудобна или постоянно распознается с ошибками. Руководство Европейского института телекоммуникационных стандартов (ETSI) по человеческим факторам рекомендует предусматривать неречевой метод для информации, которая обычно вводится голосом, наряду с обратной связью (например, зачитыванием того, что поняла система) и функцией отмены действия. ETSI: Человеческие факторы; инклюзивные электронные сервисы для всех
Для честного сравнения текст должен обеспечивать доступ к тем же вариантам вопросов и сюжетным ответам, что и голос. Если игроки могут задавать произвольные вопросы только голосом, текст не является равноценной альтернативой; если текст позволяет выбирать лишь из узкого списка, тогда как голос принимает открытые вопросы, обязательно укажите эту разницу при оценке опыта. Руководство W3C по текстовым альтернативам подчеркивает важность сохранения эквивалентной информации и функциональности в различных вариантах ввода — это полезный принцип при проверке того, не лишает ли смена режима ввода игрока возможности пройти сцену. W3C WAI: Понимание Руководства 1.1, Текстовые альтернативы
Используйте короткое сравнение, чтобы решить, уместен ли голос
Сравните оба режима ввода на одной и той же игровой задаче: расспросите об улике, задайте уточняющий вопрос по ответу и исправьте один намеренно неверно расслышанный или с ошибкой напечатанный вопрос. Для каждой попытки зафиксируйте, был ли понят задуманный вопрос, сколько потребовалось повторов, не нарушили ли диалог задержка или перебивание, были ли видны слова и удалось ли выполнить ту же задачу альтернативным способом ввода. Относитесь к результатам как к наблюдениям в конкретных условиях тестирования, а не как к общим утверждениям обо всех игроках или устройствах.
Голос становится многообещающим дополнением, когда он надежно преобразует заданный игроком вопрос в релевантный ответ, корректно распределяет очередность реплик, не разрушая сцену, делает ошибки видимыми и легко исправимыми, а также оставляет доступным ввод текста. Если эти условия соблюдаются слабо, речь может оставаться дополнительным способом ввода вопросов, но сама по себе она не является доказательством того, что детективная игра стала более захватывающей. Самый ясный ответ дают действия, которые игрок реально способен выполнить, и трудности, с которыми он сталкивается в процессе.