蔚来ES8深度测评_草根科技网

导读今天来分享一篇个人对蔚来ES8深度测评相关分析，众所周知，无论是在坊间民众，还是在汽车媒体的议论中，都是不错的，至于产品到底香不香，

今天来分享一篇个人对蔚来ES8深度测评相关分析，众所周知，无论是在坊间民众，还是在汽车媒体的议论中，都是不错的，至于产品到底香不香，通过测试还是可以对蔚来ES8深度测评的产品力分析分析的，一起来看看吧

语音这件事，科大讯飞为ES8提供了底层能力(应该是ASR，NLU)，蔚来自有产品技术团队根据车辆使用场景进行了定制化开发，实现DM(对话管理)、NLG(对话生成，语料库设计)和TTS。不得不说，整体语音体验调教得相当不错。

发音人音色调教与形象设计

1、见字如面，听音识人

ES8的语音助理音色温婉，断句自然，甜而不腻，一个字：嗲。配合卖萌派智能交互机器人NOMI的形象、动作和表情设计，消除了人机对话的不真实感，颜控er应该会一见钟情。

NOMI机器人可进行上下30°，左右50°的摆动，表情动作随情景变换。播放音乐时会打拍子，雾霾天会带口罩，大晴天时会带上墨镜，主驾，副驾，后排有人对TA说话，TA会扭头注视，有人上下车会朝开门方向扭头表达欢迎或者恭送。

关于NOMI的表情，有的说只能体验到十几种，有的说有48种，还有的说是60多种，官宣更是号称要更新到成百上千种。由于静态测试体验不到太多场景，所以所见有限，但是表情库一定会随场景不断递增，这一点毋庸置疑。

全车一共搭载了4个麦克风，分布于前后左右四个座位，多麦克风阵列也实现了声源定位，可以左右NOMI机器人的动作朝向，以及提供不同座位的独立车控操作(空调，座椅，车窗等)。

2、语音通用能力

蔚来的语音表现，从Case-by-case的角度测评并没有很多亮点：

1)垂类覆盖不足

传统广播电台不支持语控;

明明有在线视频，却不支持语音搜索;

明明有相册，也不支持打开相册操作;

不支持查看所有应用(ALL APP);

……

亮点是支持启动车内自拍;

支持闲聊;

2)语音能力一般

噪音环境下唤醒率不高(比如放音乐时)，Query泛化不够;

不支持免唤醒;

不支持一次唤醒连续交互;

不支持唤醒+识别一次交互;

不支持纠错……

只支持普通话，据说以后会陆续支持多种口音和方言;(这一点有些奇怪，按说讯飞系语音的亮点就是对于口音和方言的支持。不过蔚来采用的是定制版TTS，对话管理应该是自行设计的，所以口音和方言的实现还需要时间进行训练和匹配);

3)垂类的深度上有一些亮点

除了支持常见的天气、导航搜索的多轮交互之外，还特别支持音乐的上下文理解和多轮交互，多轮搜歌能力较百度DuerOS略逊一筹，但胜在坐拥QQ音乐的庞大版权曲库，内容为王;

导航支持多轮交互，支持路况查询，支持查询还有多久到达，距离目的地还有多远;但是不能添加途径点，不能进行沿途搜索，不能查看POI详情，不支持问询POI的具体信息，不支持POI的多条件叠加搜索，不支持出行场景闭环服务(停车，加油，订餐，订酒店等);

支持车辆的程度控制，这点很实用;

缺点是不支持全场景闭环服务。

下面先详细分解一下语音功能和能力层面的亮点与槽点：

3、车控的亮点和槽点

1)亮点一，支持车窗，天窗等的程度控制，类似：

车窗开一半;

前排车窗全部开一半;

天窗打开三分之一;

这些指令都可以支持。这是处女座人的福音，也避免了像我这样的强迫症患者扣坏车窗升降按钮的行为。目前市面上的车载语音产品中，暂时只发现蔚来ES8和北汽绅宝智道支持这样的程度车控。

2)亮点二，和斑马一样支持音源定位和区别操作，例如：

车里有点闷;

好的，主驾车窗已经打开了;

我太热了;

温度调低了，副驾现在温度22.5度;

我不需要空调了;

前排空调已经关闭了;

(副驾)我想吹风;

已打开前排空调;

全车的4麦克风阵列分布在前后左右四个座位，声源定位支持识别前排主、副驾和后排乘客，可以根据不同位置乘客的需求区别操作，单独进行空调、座椅和车窗的控制与调节。

3)槽点是车辆执行结果经常与指令不符，例如：

副驾：关闭座椅按摩;

已关闭座椅按摩(实际关闭了主驾按摩);

副驾：关闭副驾座椅按摩;

已打开座椅按摩，我来为你提供舒适的体验;

我不想按摩啦;

已打开座椅按摩。座椅按摩有轻柔、波浪，敲击三种模式可选哦;

还有类似“天窗打开三分之一”的指令，虽然可以识别，但是操作成了天窗翘起;遮阳帘控制及车窗的程度控制也是如此，车辆的实际动作并不是语音指令中传达的那样;座椅按摩的例子更是夸张，操作完全反了。上屏文字是对的，也就是说ASR没有问题，是NLU出了问题，或者音源识别有问题：有时候副驾和NOMI说话，NOMI的脑袋还是朝着主驾方向。

4、多媒体搜索的亮点和槽点

1)亮点一：音乐搜索支持多轮交互，这是一些例子：

我要听王菲的歌;

正在播放的是王菲的《匆匆那年》;

我不喜欢这首歌;

嗯，这就换(换了一首);

换一首英文的;

正在播放的是XXX的《XXXX》(英文歌手的英文歌曲);

这首歌挺好听的;

《轻柔》收藏好了;

我想听法语歌;

现在要播放的是XXXXX(外文歌名);

给我放首情歌;

现在要播放的是范玮琪的《我们之间的事》;

想要男生的;

现在播放的是《XXXX》，男声版专辑的《XXXX》;

换成对唱歌曲;

现在播放的是伤感情歌，对唱专辑的《错错错》;

我想听刘若英的对唱歌曲;

现在播放的是刘若英和黄立行的《分开旅行》;

可以按曲风类型、语种搜索，也可以按歌手性别，人数进行搜索;支持自然语言切歌，收藏等操作，但是不支持类似“不要英文的”这种否定性质的条件筛选。

2)亮点二：接入主流音乐与有声CP，资源优势明显

坐拥QQ音乐，喜马拉雅电台，考拉FM定制的品牌电台这些强大又主流的媒体内容资源，可以大大提升用户的满足度，否则巧妇难为无米之炊，花样搜索需要海量资源作为背书，缺一不可。

3)NLU问题：Query泛化不足

先看第一组：

给我看看你能干嘛;

这个问题难住我了，让我好好想想啊;

查看帮助;

我可以让旅程变更有趣，不管是想控制空调，净化器，车窗，座椅，还是要导航，打电话，拍照，听音乐和广播，都可以让我来帮忙;

查看帮助;

我会提供最舒适的驾驶环境，如果需要控制车内的设备，导航、打电话、音乐、广播、播报天气的话，可以都交给我;

你会做什么?;

我会的可多了，需要你慢慢了解我的;

帮助中心;

换个容易的说法和我说一下吧;

同样表达“打开帮助”的意图，有的识别正确，有的识别为闲聊。

来看另外一组：

我今天不太舒服;

你是不是胃病犯了?要不我带你去医院吧;

好的;

……(无回复);

肚子有点疼;

是不是吃坏肚子了?赶紧吃点止泻药吧;

今天空气不太好;

今天襄阳空气质量良……;

车里有点闷;

好的，主驾车窗已经打开了;

我挺冷的;

天气冷了，多穿点衣服，注意保暖哦;

我太热了;

温度调低了，副驾现在温度XX度;

开车的人太热了;

天气太热了，一定要注意补水啊;

好冷好冷好冷;

好的，主驾温度现在调到了22.5度;

同样表达“冷，热，身体不适”的意图，有的识别为需要进行空调控制，有的识别为闲聊。如果定位在闲聊，话术设计可不能随便涉及导航，车控等垂类，例如上文的“你是不是胃病犯了?要不我带你去医院吧”，用户会以为智能启动了“去医院”的意图设定，便会下意识回答：“好的”，然后发现，就没有然后了，尴尬。

细思极恐，怎用怎舒服的语音交互

口干舌燥测试大半天下来，虽说硬性指标体现的能力真的很一般，但整体感受是两个字：舒服。怎么用怎么舒服。

为什么呢?

1、失败回复语设计

话不多说，先体验一轮对话：

打开相册;

没发现相册，或者不支持语音操作;

上海汽车的股票;

NOMI还不支持股票信息的查询;

我要去美罗大厦;

我找不到这个地方;

明天一起吃饭帮我翻译一下;

NOMI还不支持代翻译功能;

启动雨刮器;

这个我现在还做不了，试试别的吧;

把车门上锁;

这个操作我还不会;

把车门上锁;

NOMI不支持这样的控制操作哦;

这些都是失败案例。对于语音能力“不支持”类型的回答，为了保持回复的多样性，通常的做法是设计一套或端庄，或俏皮的失败回复语，表达“没听懂，没听清，不知你在说啥”的意思，然后随机匹配扔给用户(类似斑马、讯飞的语音)，但是蔚来不同。

对于系统不支持进行的Domain(垂类)，Intent(意图)，甚至Slot(槽位)，蔚来还是会努力定位TA的Domain，Intent甚至Slot，然后明确回复用户，传达这样的信息：我听懂了你的诉求，但我的能力暂时还不支持这个领域的操作，潜台词是：可能将来我会很快学会这项技能。就像上面对话中的例子：我知道你的Intent是操作相册，股票查询，搜索POI，翻译等，只是我还不会。

继续聊ES8的回复语设计。

2、对待完全不支持的Domain，擦边球式讨巧设计

百度的CEO是谁?;

忘记了，外国人的名字都好长啊(槽点：把Cháng读成了Zhǎng);

珠穆拉玛有多高?;

有多高?我的老伙计，难道你一直没看到我两米八的大长腿吗?(槽点同上：把Cháng读成了Zhǎng);

我想看看热门电影;

我也想知道耶，好久没看电影了呢;

我想看动作片;

哎，这个节目没版权呢，NOMI播不了;

我想看电视剧《延禧攻略》;

已经很久没看电视剧了，最近比较喜欢看电影;

蔚来的股价是多少?;

你没看吗?在市场上表现很好的;

我想洗衣服;

暂时无法查询洗衣服指数(真实意图是想搜索洗衣店);

上海有什么好玩的地方?;

上海有很多好玩的地方呀，比如东方明珠;

帮我推荐襄阳好玩的地方;

亲爱的，附近有很多好玩的地方啊(真实意图是想要获取热门景点推荐);

我想去捏个脚;

好啊跑步锻炼身体，要不要我陪你一起去;

我想捏脚;

是不是逛街走累了?咱们休息一下吧(真实意图是搜索足疗按摩店);

帮我找个娱乐的项目;

好的跟我读：波多野结衣(真实意图是搜索娱乐场所);

这里提到的百科知识、电影、股票，都是ES8完全不支持的Domain，而“洗衣服”，“好玩的地方”“捏脚”，“娱乐的项目”的是没有理解用户的真实意图，所有没有匹配给正确的Domain;这些回复语的设计都采取了擦边球的方式，根据指令中一些关键词的匹配，调取了语料库中与之相关的回复语，或者根据部分条件匹配一些通用话术，让用户感觉：虽然答不上来，但也不是答非所问啊，这是在就着话题跟我聊天呢，失望感会有所降低。

3、主动引导式帮助

再来看下这一组对话：

把所有车窗打开1/7;

车窗不支持这种操作，试试别的吧;

把所有窗户打开1/5;

好的，全车车窗打开到20%了;

我想要紫色的氛围灯;

氛围灯不支持紫颜色，支持红、橙、黄、粉、白、灰、绿、蓝、淡紫、深紫色;

那我要红色的氛围灯;

嗯哼，氛围灯颜色切换好了;

帮我把车灯打开;

车灯会影响驾驶安全，只能手动操作;

帮我打开示廓灯;

示廓灯涉及行车安全，只能手动操作的;

好冷好冷好冷;

好的，主驾温度现在调到了22.5度，想要快速调节到15-31度的任意温度，可以叫醒NOMI后直接说温度，调节到多少度;

打电话;

(蓝牙已连接电话)正在帮你接通;

(蓝牙未连接电话)要NOMI打电话需要先在手机上连接蓝牙才可以;

播放广播;

收音机要在中控的媒体中心中手动操作呢;

这首歌很好听哦;

收藏好了，下次可以说“播放收藏曲目”来收听这首歌;

中途帮我找一家超市;

我还不能沿途查找，可以试试在当前位置，或者在目的地附近找一下;

这里有一些NLU上的瑕疵：深紫，淡紫也是紫色的一种，理应属于可匹配的操控。不过这里的亮点是：针对相同Domain的不同Intent，甚至相同Intent的不同Slot，蔚来都按照支持和不支持做区别回复，并针对为何操作失败进行原因阐述。

比如同属“车辆”Domain，氛围灯调色失败，不是不支持“操作氛围灯”这个Intent，而是“氛围灯颜色”这个Slot中没有找到紫色，为了帮助你了解失败原因，所以就明确告诉你：失败是因为“紫色”这个描述不对，而正确的支持范围是哪些，这样就可以协助你下回进行正确的交互，例如提及“座椅按摩”指令时，TA会告诉你：座椅按摩有轻柔、波浪，敲击三种模式可选。

另外，蔚来支持车辆Domain中的车窗控制，天窗控制，氛围灯控制，座椅加热，空气净化，除霜等，但不支持控制车灯、雨刮控制这样的Intent，当用户提及相关诉求时，回复会明确表明：我知道你在车辆Domain中，我甚至设置了“车灯控制”这项Intent，不支持是因为涉及驾驶安全，而不是我不会，不懂，没听清，正确的做法是手动操作。

这样子用户就可以明明白白的了解失败原因：到底是我没表达清楚导致你没听清，还是你听懂了但是不支持，还是我根本就说错了。如果真的错了，那么正确的说法和做法究竟是怎样的?就像鲁迅说的：要死也得让我死个明白。

这种来龙去脉一清二楚的回复语，远远好过简单卖萌发嗲说：抱歉啊我还没学会这项技能，人家还是个小孩纸~

毕竟，车内语音交互是一个以Task Oriented(任务导向)为主的对话系统，因为涉及驾驶安全，需要语音回复简洁有效，快速执行任务，那种Open Domain擅长的闲聊逗趣虽然也存在场景需求，但始终是第二位的。

4、任务引导式设计

再看下这段POI搜索的多轮对话：

帮我找一下附近的加油站;

是选择距离当前位置700米的A加油站，还是两公里的B加油站?;

要价格便宜的;

刚刚找到的结果里缺少价格信息，NOMI没办法选择;

Hi NOMI;

要和NOMI说列表里的选项才可以哦，选哪个?;

“缺少价格信息”——这里不支持按价格排序是因为没有取到价格信息，或是还没有上线支持加油站动态信息的CP内容，但是价格这个Slot是预设好了的;