下载掌阅APP，畅读海量书库
立即打开
管理对话的关键是参与者之间持续不断的信号传递。在人和语音机器人之间的交互上下文中，我们可以识别出两种类型的信号：（1）状态信号；（2）状态之间的转换信号。在接下来的内容中，我们将描述语音机器人需要向人类发出的信号类型，以确保人类知道语音机器人的状态。
为确保对话流程的顺畅，语音机器人需要向人类发送以下5种对话状态的信号。
初始/休息
这表明语音机器人已经准备好了。
倾听
这是向用户提供的关键反馈，表明语音机器人正在积极地倾听。这种信号通常会采用视觉闪烁或震动的形式，表示人类发出的音频流正在被语音机器人接收。
处理/思考
这种信号发生在人们停止说话但语音机器人还没有做出语音回应的时候。该信号以类似于光线渗透的效果来传递，通常还伴有声音。
说话
这种信号是通过语音机器人在回应时发出声音来传递的。
暂停
这种信号表明语音机器人被中断并处于暂停状态。初始状态和暂停状态之间的区别在于前者没有上下文，而后者有上下文。
与状态信号同样重要的是状态之间的转换信号。语音机器人会向人类用户发送3种转换信号。
开始倾听
语音机器人向用户发出该信号，表明语音机器人已经开始倾听，现在用户拥有该对话轮次的所有权。
完成倾听
语音机器人向用户发出该信号，表示语音机器人已经结束倾听，现在语音机器人拥有了对话轮次的所有权。
完成互动
语音机器人向用户发出该信号，表明语音机器人已经停止了与用户的交互。这通常发生在人类用户说“停止”“完成了”之类的话，或者对自动语音机器人的重复请求没有响应的时候。
有了本体（世界的实体切片）和一系列概念，现在让我们看看两个人之间进行的纯语音对话序列，以此来说明这些概念如何帮助我们分解对话元素。换句话说，让我们看看本体和从中产生的概念能否为我们做一些工作：
•我拿起电话，拨电话给我的朋友乔迪，听电话响了几声，然后等她接电话。
•铃声响了三声后，乔迪拿起电话说：“你好！”，我回答说：“嘿，乔迪！”
•在这个序列中，我们从没有对话的状态进入已经开始对话的状态。
•我拨打乔迪的电话号码，让她的电话响了三次。对乔迪来说，这意味着我可能想和她说话，但也可能是我无意间拨错了号码——例如，我在一封包含她电话号码的电子邮件中，不小心点击了她的电话号码。
•对我来说，我的朋友乔迪拿起电话说“你好”的动作，意味着她有空并准备好与我对话，现在她想让我回应她的“你好”。
•如果她不接电话，这可能意味着她很忙，所以不能接我的电话，也可能是因为电话不在她身边，或者她只是没有心情和我说话。
•如果她接起了电话，我回复“嘿，乔迪”，这意味着我确实想给她打电话，我想和她交谈。
•当乔迪听到我说的话时，如果她想参与对话，可能会回答：“嘿！”，这个动作表明对话确实已经建立并开始了，并将我们完全带入对话开始的状态。
注意，乔迪最初说“你好！”的动作之后，是另一个动作：不说话的动作（沉默）。第二个动作的目的是把对话轮次交给我，这个对话轮次是在她接电话后立即拥有的。值得一提的是，如果乔迪没空和我交谈，但又想委婉一些，她可以用“你好！”来开始对话，然后紧接着说：“我能10分钟后再打给你吗？我正在接另一个电话。”
我对乔迪的第二个动作的反应是“嘿，乔迪！”——沉默——这意味着我已经接受了她转出的对话轮次，并且我愿意与她进行来回对话。
乔迪的下一个回应：“嘿，你好！”，实际上包含了两个动作：通过说话，我的朋友表示收到了我的问候，同时她也同意让出对话轮次并参与对话。“嘿，你好！”的意思是（至少在一定程度上）我随时可以和你说话。
根据语气或其他迹象——比如乔迪在说“嘿，你好”时的轻微停顿或犹豫——她可能在说“我很生你的气，但我这会儿可以和你说话”或“真让人惊喜！我随时能与你说话”或“我情绪有点低落，但还可以跟你说话”，还有许多其他含义，这取决于我们各自的心情、我们的关系、我们各自的背景以及各种其他的考虑因素 [1] 。
在本章中，我们的目标是描述参与者在语音和音频交互中的对话机制，并描述对话世界中对象的本体。我们用来描述该机制的4个关键概念是动作、状态、上下文和信号。我们描述的本体由参与者、陈述、轮次和对话组成。在对话过程中，参与者在一个对话轮次和一个上下文中采取一个动作，以产生一个由参与者通过陈述发出的状态信号。
有了这个概念框架，我们现在就可以开始为下一个层次的概念打基础了：参与者遵守、忽视或违反规范和规则，以在他们相互参与的对话互动中产生意义。
[1] Elizabeth Stokoe, Talk:The Science of Conversation (London:Robinson, 2018).