声音，如何更好发挥交互媒介的作用？

为了准备9月24号的行业内的演讲，我继续重温了之前研究的关于声音相关的内容，今天重点和你分享：

声音作为一种提醒媒介，它的特点以及如何和其它媒介更好配合？

1 感知模型

1.1 提取-识别-解读

为了更好进行人机交互的设计，有一门专业的领域叫人机工程或人因工程，在查找汽车领域相关资料时，我发现了一个很好的资料《Human Factors Design Guidance For Driver Vehicle Interfaces》，它是由美国"National Highway Traffic Safety Administration"编撰的，里面详细介绍了如何更好考虑人的因素，提升汽车的交互设计。

其中提到了人们感知和认知信息的三个步骤：

第1步是提取，我理解是一种察觉，比如，如果是用声音作为提醒，至少这个声音能被听到，这个听到还需要考虑不同的背景噪声情况，典型的如车上的报警类声音，是不是在汽车行驶时，风噪和路噪比较大时，依然能被听到。

第2步是识别，就是这个信息是不是容易被辨识，它是不是容易和代表不同内容的其它信息混淆。

第3步是解读，就是人们是不是容易理解信息背后的意义，举个简单例子，大家有没有注意，一听到“滴答滴答”的声音，大部分人都知道这是转向的声音，为什么？因为长久以来，人们就已经习惯这种声音，对它的解读是清晰而固定的。

1.2 声音模型

前面的模型是对五大感官都适用的，针对声音和听觉这个维度，我还见过一个很好的模型——SoundFlow，它是由Julian Treasure提出的，这个模型的输入是声音的特征，如时间、音调、音色等，而中间的滤波器，我理解包括人的生理特征对声音的滤波、包括环境噪声的影响，品牌和价值观也会影响我们对声音的判断，最后的影响就是对我们在生理、心理、认知和行为方面影响人们，具体说明可以参考听，你在Hearing，还是Listening？。

2 声音提醒特点

在这些影响中，我们重点关心声音作为提醒媒介所具有的特征，以及我们如何利用好，参考《Sonic interface》和《Human Factors Design Guidance For Driver Vehicle Interfaces》，我将声音的主要特征总结为如下3点：

2.1 敏感有余，精度不足

什么是敏感有余？人的耳朵能感知到幅值非常轻微的压力波动，最小可以达到约0.00002Pa（人耳通常的听觉下限），而且能感受到1秒钟超过20000次的振动（20000Hz），即使在极其安静什么是精度不足？这个主要是相对于其它的感觉，在方位感上，我们的听觉能感知到2°的差异，而视觉可以察觉到2''的差异。

2.2 随时待命，快速响应

当你专注看这段文字的时候，你的视觉很难察觉你的后方等视线外的东西，而且你不想看一个东西的时候，你常常可以转移视线，但是听觉可以同时听到各个方位的声音，即使现在没有看到汽车，但是你的耳朵能够听到汽车的鸣笛和噪声，你可以知道附近的环境。而这个特性，常常能够让你保持对外界环境的警觉，并对潜在的危险做出快速的响应。

2.3 转瞬即逝

声音常常是转瞬即逝的，你现在可以看到古人写的书和留下的文物，你现在能听到它们声音吗？当然，现在我们能够将声音录下来，但的大多数情况下，声音的信息在其呈现的过过程中就慢慢消失了，我们必须记住它，相反，视觉信息的呈现，比如静态的图片，我们能够在需要的时候快速地扫一眼就看到。

3 发挥优势

因为我们主要谈论是声音和听觉，所以没有重点分析其它的感知，但是，就像个体一样，声音作为交互媒介也需要发挥自己的优势，和其它媒介配合，从而更好发挥作用，这里主要有三个建议：

3.1 降低负担

因为视觉获取信息通常需要主动集中注意力，这就导致如果视觉输入信息过多，很容易让人负荷过载，而听觉可以被动地响应，所以通过分担输入，降低人整体的负荷。比如对方位感精度没有那么强要求的时候，可以通过声音来传递方位信息，例如在2019上海车展观感:两家声学公司对比(Arkamys VS Harman)中我提到的阿基米斯做的3D提醒音。

3.2 你提醒，我定位

前面提到了听觉很敏感，但是精度不够，而视觉刚好可以弥补这点。最典型的应用就是，我们在车辆行驶中，常常听到报警声音时，会意识到有什么出现问题，但具体是什么问题，很难单纯通过声音来判断，但是可以解释仪表上的信息显示来判断，比如安全带未系，燃油不够，车门未关等。

3.3 传递相同触发

在《Human Factors Design Guidance For Driver Vehicle Interfaces》的“Multimodal Warning Message”中提醒，当通过不同的感知维度（视觉/听觉/触觉）配合传递信息，用来促进人们的反应速度时，一次最好传递一种信息，否则会减低反应速度。举个简单例子，比如转向灯在闪烁的时候，不要同时播放安全带未系的声音。

总结

在人机交互中，不同的媒介通常都会包含三步：提取-识别-解读。因为人们的听觉比较敏感，而且能同时感知到四面八方的声音，但是精度可能不足，所以可以和视觉及振动媒介配合，更好发挥优势。