要知道用户在想什么做什么，必须要有出色的情境感知(Context Awareness)能力，也就是上下文理解能力，它能根据用户是谁、用户情感、当前环境、之前的记忆给出下一步的预测。目前的人工智能技术还没很好地掌握以上几点技术，所以GUI和VUI的情境感知能力相对初级，只能人为设计来弥补。

　　任务类型

　　由于眼睛比耳朵可以接收更多信息，所以GUI更适合展示内容。在指令面前，GUI和VUI各有优势，到底谁是最佳只能具体问题具体分析了，取决于各自的步骤长短。但可以肯定的是，目前的VUI不适合复杂的任务，因为它在多轮任务中表现并不是很出色。

　　信息架构：

　　GUI的信息架构包含了页面和流程，页面里包含了各种布局和结构;而VUI的信息架构只有流程，所以GUI的信息架构要比VUI复杂。由于页面操作的限制使GUI无法随意切换毫无相关的流程，而通过对话交流的VUI可以做到这一点，在导航的便捷性上，VUI更胜一筹。

　　GUI to VUI

　　为什么要将GUI转换为VUI?

　　现有互联网的绝大部分内容和数据都与GUI的信息架构和代码有关，所以我们没有必要为两个界面做两套内容。

　　这有助于人工智能助手的发展。如果我们要将GUI的内容转换为VUI内容，我们必须简化当前信息，使信息压缩为200-300字每分钟或者3-5字每秒。

　　目前的人工智能还做不到图片理解、情境感知等技术，要将大部分GUI内容自动压缩并转换成自然语言绝非易事，所以需要人为制定一些转换策略。

　　在转换策略上我们可以借鉴成熟的无障碍规范指南——a11y，部分内容是为失明人士提供帮助的，可以将界面内容转换为声音内容，我们借鉴以下三个准则：

　　可感知性：信息和用户界面组件必须以可感知的方式呈现给用户。

　　适应性：创建可用不同方式呈现的内容(例如简单的布局)，而不会丢失信息或结构。

　　可导航性：提供帮助用户导航、查找内容、并确定其位置的方法。

　　解释：

　　(1)在可感知性里下面有一条非常重要的准则：为所有非文本内容例如图片、按钮等等提供替代文本，使其可以转化为人们需要的其他形式。现在的通用做法是为图片、按钮等非文本内容增加描述性内容，例如在img标签上增加alt属性，在input button标签上增加name属性。开启无障碍设置后，失明人士通过触摸相关位置，系统会将属性里的文字朗读出来。

　　举个例子：

　　以京东的广告为例，应该在alt属性上加上简洁的内容“12月14日360手机N6最高减600”，当VUI阅读该内容时可以将广告重点朗读出来。

　　在这里我有新的想法，以下图为例：粉红色区域为一个小模块，图片、副标题、时间和作者等信息对于必须简化信息的VUI来说都不是必要信息。是不是可以在div标签上增加一个“标题”属性，当VUI阅读到该div时可以直接阅读该属性的内容，例如标题内容;如果用户对作者感兴趣，可以通过对话的形式获取作者信息。

　　(2)以淘宝为例，以下内容普通人花几秒就可以看完;如果以VUI的形式进行交互，首先VUI不知道从哪开始读起，其次是用户没有耐心听完全部内容。为什么?因为GUI的结构有横纵向两个维度，VUI结构只有一个维度，用户在GUI上的阅读顺序无法直接迁移到VUI上，所以a11y希望页面设计时可以采用简单的布局，GUI和VUI采用相同的结构，避免丢失信息或结构。

　　(3)在可导航性上，a11y希望网页提供一种机制可以跳过在多个网页中重复出现的内容模块。在这里我有新的想法：可以直接跳过无需朗读的内容模块，例如淘宝的导航、主题市场、登录模块，因为用户使用淘宝VUI主要需求为搜索物品和获取优惠信息。同理，是不是可以在div标签上增加一个“跳过”属性，当VUI阅读到该div时可以直接跳过div，当用户有需求时，可以通过对话的形式对该div里的内容进行交互。

　　最后我还有另外一个想法：是不是可以为大段内容如新闻、介绍等增加“文本摘要”属性，当VUI阅读到该标签式，自动使用文本摘要功能。

　　结合以上三点思考，GUI在转换为VUI时以“概括”、“跳过”的方式可以大大地简化信息，使VUI拥有一个良好的体验。

　　以上三个属性需要W3C、Google、苹果等组织统一制定标准。

　　VUI and GUI