AR'de Sesli Komut Nerede Hızlandırır, Nerede Yolu Uzatır
Sesli komut, artırılmış gerçeklikte elleri boşta bırakan tek giriş yöntemi; ama bu onu her yerde en iyi seçenek yapmıyor. Ayrık işlemlerde hızlı çalışır: menüyü aç, videoyu oynat, katmanı gizle. Sürekli bir değeri ayarlamaya ya da geri alınamaz bir işlemi onaylamaya geldiğinde aynı yöntem kullanıcıyı yavaşlatıyor, bazen de yanlış yere götürüyor.
Ayrık komut ile sürekli kontrol arasındaki çizgi
“Menüyü aç”, “videoyu oynat”, “katmanı gizle”. Bunların hepsinin tek bir doğru karşılığı var; sistem komutu anladığı anda iş bitiyor. “Sesi biraz aç” ise bambaşka bir talep. Kullanıcının kafasındaki miktarla sistemin uygulayacağı adım arasında bir eşleşme yok, sistem sabit bir adım uygularsa kullanıcı komutu üst üste tekrarlıyor ve üçüncü tekrarda kaydırıcıya uzanmak zaten daha kısa sürüyor.
Peki kullanıcı sayı söylerse? “Sesi otuza getir” teknik olarak temiz bir komut, ama insanlar arayüzde sayı düşünmüyor; bir değeri gördükleri sonuca bakarak ayarlıyorlar. Sürekli kontrolün ihtiyacı olan şey anlık geri bildirim döngüsü, sesli komut ise tek atımlık bir istek.
Komut sayısı büyüdükçe hesap değişiyor
Sesli etkileşimin bilişsel yükü azalttığı söylenir. Bu, komut kümesi küçük kaldığı sürece doğru. Her komutun hem hatırlanabilir hem de diğerlerinden sesçe ayrışabilir olması gerekiyor, ayrı tutulacak çift sayısı ise komut sayısıyla doğrusal artmıyor: n komut için n(n-1)/2 çift. On komutta 45, yirmi komutta 190 çift. Tasarımcı bunların hepsini gürültülü ortamda ayrı tutmak zorunda, kullanıcı da listeyi hatırlamak zorunda. Yük ortadan kalkmıyor, arayüzden kullanıcının hafızasına taşınıyor.
Bu yüzden komut listesini genişletmek yerine bağlama göre daraltmak daha iyi sonuç veriyor. Bir ekranda gerçekten geçerli olan beş komut, uygulamanın her yerinden erişilebilen kırk komuttan hem daha kolay tanınıyor hem daha az yanlış tetikleniyor.
Onay adımı sesin kazandırdığı süreyi geri alıyor
Geri alınamaz işlemlerde onay istemek yerinde bir karar, ama onayı da sesle toplamak iki ayrı sorun üretiyor. Birincisi süre: iki adımlı sesli diyalog, tek bir dokunuştan uzun. İkincisi yanlış tetikleme; onay kelimeleri kısa ve gündelik oluyor (“evet”, “tamam”), yani ortamdaki sıradan konuşmanın rastgele üreteceği en olası kelimeler.
Onayı sesle almaktansa bakış ya da tek bir jestle almayı daha güvenilir buluyorum. Fiili ses taşısın, onayı fiziksel bir hareket versin: kazara tekrarlanması zor, kullanıcının niyeti konusunda daha az şüphe bırakıyor.
Sesin doğal ortağı bakış
Sesli komutun en zayıf yeri işaret etmek. “Bunu sil” cümlesindeki “bunu”, AR sahnesinde karşılığı olmayan bir kelime. Kullanıcı nesneyi tarif etmeye kalkınca komut cümle olmaktan çıkıp yönergeye dönüşüyor, hız avantajı da orada bitiyor.
Bakışla seçim tam bu boşluğu kapatıyor. Nesneyi göz belirliyor, fiili ses söylüyor. Bir eğitim uygulamasında diyagramın parçasına bakıp “açıklamayı oku” demek, aynı işi menüden yürütmekten belirgin biçimde kısa; oyunda da envanterde gezinmeden nesne seçmenin pratik yolu bu.
Test edilmeden hiçbiri bilinmiyor
Bir komut setinin çalıştığını, onu yazan kişinin sesiyle değil, farklı aksanlarla ve gerçek ortam gürültüsünde denedikten sonra söyleyebilirsiniz. Tanıma motorları hangi konuşma verisiyle eğitildiyse ona yakın sesleri daha iyi tanıyor, Türkçede bölgesel telaffuz farkları bu yüzden test listesinin ilk maddesi.
Ortam da listenin parçası. Kütüphanede, hastanede ya da açık ofiste kullanıcı sesli komutu kullanabilir olsa bile kullanmak istemiyor, dolayısıyla her sesli işlevin sessiz bir karşılığı bulunmalı. Sistemin ne duyduğunu ekranda göstermesi de görünenden faydalı: komut neden çalışmadı sorusunu kullanıcı kendi başına çözebiliyor, aksi halde aynı cümleyi giderek daha yüksek sesle tekrarlamaya başlıyor.