Gör röstinteraktion verkligen ett mysteriumspel mer uppslukande?
Röstinmatning kan göra ett fiktivt mysterium mer omedelbart när spelaren kan ställa en fråga på ett naturligt sätt och få ett relevant svar utan att behöva kämpa med gränssnittet. Men att tala garanterar inte i sig en uppslukande upplevelse. Fel i igenkänningen, obekväma pauser, avbrott och en osynlig transkription kan dra uppmärksamheten bort från berättelsen. För att bedöma om röst hjälper kan du jämföra den med textinmatning utifrån frågorna som spelar roll: Förstod spelet den avsedda frågan? Svarade det vid ett lämpligt tillfälle? Kunde spelaren se och rätta det som spelet uppfattade? Fanns text fortfarande tillgängligt?
Börja med frågornas träffsäkerhet, inte nyhetens behag i att tala
I ett mysteriumspel måste ett röstsystem göra mer än att omvandla ljud till ord. Det måste bevara spelarens avsedda fråga och koppla den till rätt bevis eller karaktärssvar. En transkription som ändrar ”Var var nyckeln?” till ”Var var fallet?” skulle kunna styra om samtalet, även om taligenkännaren bedömer att resultatet är rimligt.
Taligenkänning är inte helt träffsäker, och den vanliga måttstocken för ord-felfrekvens säger inte allt: vissa förväxlingar spelar större roll än andra. Googles dokumentation förklarar att ord-felfrekvens räknar insättningar, utbyten och borttagningar, men påpekar också att måttet behandlar fel utifrån antalet ord. För ett mysteriumspel innebär det att ett kort testresultat bör kompletteras med en kontroll av betydelsebärande ord som namn, platser, föremål och frågeord. Google Cloud: Mät och förbättra taligenkänningens träffsäkerhet
En praktisk jämförelse är att ta fram ett litet urval representativa frågor som en spelare kan tänkas ställa om samma ledtråd och sedan prova varje fråga med både röst och text. Anteckna om svaret berör det avsedda ämnet, om ett viktigt namn eller en detalj uppfattades fel och om spelaren behövde upprepa eller formulera om frågan. Ta med frågor med karaktärsnamn och mindre vanliga ledtrådsord: talsystem kan ha svårt med namn som inte finns i deras ordförråd, och Google rekommenderar att man tillhandahåller frashintar för sådana ord när tjänsten används. Google Cloud: Bästa praxis
Den här jämförelsen är ett beslutsunderlag, inte ett publicerat riktmärke för alla spel eller taligenkänningsmotorer. Testa i den faktiska spelmiljön, med vanligt bakgrundsljud från spelet och den mikrofon spelaren ska använda. Ett resultat från ett tyst rum eller med en annan mikrofon kanske inte motsvarar förhållandena under spelet; Googles vägledning om träffsäkerhet rekommenderar på liknande sätt representativt ljud från den avsedda miljön. Google Cloud: Mät och förbättra taligenkänningens träffsäkerhet
Kontrollera om svaret kommer vid ett användbart tillfälle
En fråga kan uppfattas korrekt och ändå kännas klumpig om spelet väntar för länge med att visa eller läsa upp svaret. Omvänt kan ett snabbt svar som avbryter en skådespelares replik eller utlöses medan spelaren fortfarande håller på att avsluta frågan vara störande. Det användbara måttet är inte bara systemets genomsnittliga svarstid; observera hela utbytet: när spelaren börjar, när spelet känner av att yttrandet är slut, när återkopplingen visas och när svaret börjar.
Den här skillnaden följer av hur röstinteraktion hanteras. Androids gränssnitt för taligenkänning skiljer till exempel mellan delresultat, slutet på talet och slutresultat; beroende på tjänstens implementation kan delresultat komma ingen, en eller flera gånger. Det visar varför en transkription eller ett svar som visas för spelaren kan ändras medan talet fortfarande bearbetas och varför utvecklare bör testa det synliga beteendet i stället för att anta att alla taligenkännare fungerar likadant. Android Developers: RecognitionListener
Notera två typer av fördröjning under ett enkelt speltest: tiden från det att spelaren avslutar en fråga tills spelet visar att den har uppfattats, och tiden från bekräftelsen tills ett användbart svar från berättelsen kommer. Notera också om spelet väntar på en tydlig paus, svarar för snabbt vid en tvekan eller lämnar spelaren osäker på om mikrofonen fortfarande lyssnar. Det här är observationer att samla in, inte universella tidsgränser: källorna anger inte någon svarstid som garanterar ett mer uppslukande mysterium.
Behandla avbrott som en del av samtalet
Mysteriescener innehåller ofta dialog, berättarröst eller en karaktär som avslutar ett svar. Om spelaren försöker ställa en följdfråga medan spelet talar behöver systemet ha ett tydligt beteende: stoppa, pausa, köa frågan eller ignorera den. Ett röstgränssnitt som hanterar avbrott dåligt kan tvinga spelaren att vänta medan information som hen redan förstått läses upp, eller få hen att prata över viktigt innehåll i berättelsen.
Forskning om talbaserade dialoggränssnitt har undersökt det här problemet direkt. En studie från 1995 föreslog att talad information skulle planeras i enheter och att turtagningen skulle övervakas, så att avbrott från användaren kunde hanteras smidigare. Studien rapporterade att mer än hälften av deltagarna uppfattade hanteringen som smidig, medan resultaten om uppgiftstid och samtal gäller just den studiens upplägg, inte mysteriumspel i allmänhet. Den överförbara designfrågan är om spelet bevarar den del av en ledtråd som spelaren redan har hört och tydliggör vad som händer efter ett avbrott. Kikuchi et al., ”Handling of user interruption to achieve timing-free utterances for spoken dialogue interface”
Prova under testningen att avbryta vid ett naturligt tillfälle i ett uppläst svar och ställ sedan en kort följdfråga. Kontrollera om spelet stoppar snabbt, om följdfrågan fångas upp och om spelaren kan spela upp eller granska den avbrutna informationen. Om inte kan rösten skapa en ny börda i turtagningen i stället för ett smidigare sätt att undersöka den fiktiva scenen.
Gör de uppfattade orden synliga och möjliga att rätta
En läsbar transkription ger spelaren en chans att upptäcka ett felaktigt namn eller en felaktig fråga innan spelet agerar utifrån den. Den gör också systemets läge mindre gåtfullt: spelaren kan se om systemet inte uppfattade något, uppfattade fel sak eller uppfattade rätt ord men gav ett oväntat svar. En transkription är bara användbar om den går att läsa under spelets gång och det finns ett tydligt sätt att försöka igen eller rätta ett betydelsefullt fel.
Plattforms-API:er visar att vissa system kan tillhandahålla delvisa och slutliga igenkänningsresultat, men tidpunkten för och tillgången till delvis text kan bero på igenkänningstjänsten. Behandla inte en preliminär transkription som bekräftad inmatning om gränssnittet inte tydligt anger det. Kontrollera under ett speltest om den slutliga tolkningen av frågan förblir synlig tillräckligt länge för att granskas, om det är enkelt att rätta den och om ett felmeddelande förklarar vad spelaren kan göra härnäst. Android Developers: RecognitionListener
En synlig transkription ska inte misstas för ett bevis på träffsäkerhet. Google påpekar att konfidenspoäng och ord-felfrekvens är oberoende mått, så ett resultat som ser säkert ut visar inte att det viktiga namnet eller ledtråden uppfattades korrekt. För spelaren är det säkrare att låta hen granska orden och rätta eller upprepa frågan än att be hen lita på en dold poäng. Google Cloud: Mät och förbättra taligenkänningens träffsäkerhet
Behåll textinmatning som ett verkligt alternativ
Textinmatning som reserv är mer än en bekvämlighet i ett tyst rum. Den låter spelaren välja ett annat sätt att genomföra samma fiktiva interaktion när tal inte är tillgängligt, är opraktiskt eller upprepade gånger känns igen fel. Europeiska institutet för telekommunikationsstandarder rekommenderar i sin vägledning om mänskliga faktorer en metod utan tal för information som annars skulle matas in med tal, tillsammans med återkoppling, till exempel att systemet läser upp vad det uppfattade, och en ångra-funktion. ETSI: Human Factors; Inclusive eServices for all
För en rättvis jämförelse bör text ge tillgång till samma frågor och berättelsesvar som rösten. Om spelare bara kan ställa frågor med egna formuleringar genom att tala är text inte ett likvärdigt reservalternativ; om text bara kan välja från en begränsad lista medan tal accepterar öppna frågor bör du ange den skillnaden när du bedömer upplevelsen. W3C:s vägledning om textalternativ betonar att samma information och funktionalitet ska bevaras mellan alternativen. Det är en användbar princip när du kontrollerar att ett byte av inmatningssätt inte tar bort spelarens väg genom scenen. W3C WAI: Understanding Guideline 1.1, Text Alternatives
Gör en kort jämförelse för att avgöra om röst passar
Jämför båda inmatningssätten utifrån samma fiktiva uppgift: fråga om en ledtråd, ställ en följdfråga om svaret och rätta en fråga som avsiktligt uppfattats eller skrivits fel. Anteckna för varje försök om den avsedda frågan uppfattades, hur många gånger spelaren behövde försöka igen, om en fördröjning eller ett avbrott störde utbytet, om orden syntes och om det alternativa inmatningssättet klarade samma uppgift. Behandla resultaten som observationer från dina testförhållanden, inte som generella påståenden om alla spelare eller enheter.
Röst är ett lovande tillskott när den på ett tillförlitligt sätt förmedlar spelarens avsedda fråga till ett relevant svar, hanterar turtagningen utan att göra scenen förvirrande, gör fel synliga och möjliga att rätta samt låter text vara tillgängligt. Om de villkoren inte uppfylls väl kan tal fortfarande vara ett valfritt sätt att ställa frågor, men i sig är det inget bevis på att ett mysteriumspel har blivit mer uppslukande. Det tydligaste svaret får du genom att se vilken interaktion spelaren faktiskt kan genomföra och vilka hinder hen möter på vägen.