智能电视 人机接口将走向何方

智能电视被预期可能掀起电视产品新应用。随着电视联网功能不断增加、服务选择列表日益复杂，电视的人机界面预计将从现在起、到未来数年内，发生重大的变革。传统上/下/左/右/ OK键等功能的选单将不敷使用，但如果按键太复杂又会使遥控器操作变得繁琐。因此，不仅电视人机界面的变化正考验整个电视供应链的智能，如何让消费者透过实际操作而感到便利、以刺激购买智能电视的动机，也将是个全新的课题。

目前智能电视的许多作法为纯粹将网站浏览器（Browser）从互联网引进到电视，然而这也衍生新的问题。大多数网站的设计均带有鼠标或指针性记忆，还包含点击和拖动等额外功能，例如在谷歌街景与地图上进行拖曳点击、放大缩小的动作等等，然目前要在电视上进行这些网页功能的操控有相当的难度。

早在2010年底，SONY索尼就推出了谷歌电视（Google TV），可说是智能电视人机界面的大胆尝试，并可说是一个利用复杂的遥控器进行选单控制的例子。但谷歌电视遥控器按键很多，甚至还特别需要两只手操作，这让消费者的使用习惯面临改变。另方面，要在房间的另一侧对电视进行类似触摸输入来控制屏幕，仍有许多困难。

经过许多电视机厂商与电视品牌的努力，目前电视业界已经出现了3个通用的智能电视人机界面解决方案，分别是：语音识别（Speech Recognition）、手势识别 （Gesture Recognition）、动作感应（Motion Sensing）。

其中，语音识别和手势辨识操作界面，系于2012年消费性电子展（CES）上首度展出呈现。尽管手势识别功能早已在市场上存在一段时间，例如Xbox游戏机的微软Kinect手势识别等等，但过去都未被内建于电视机。

NPD DisplaySearch强调，目前尚无法看出上述3种智能电视人机界面何者能胜出、成为明显的主流赢家。但每个方法都有其优缺点，因此，有些电视采取了通通采用的综合方法，而不是押宝在单样技术。这似乎是一个明智的解决办法。

首先设计的内容必须限定在一套固定的命令集，例如「声音调大」或「下一个频道」，而这些固定的命令集必须要有许多分辨不同语调的弹性。此外，语音识别可以识别「单字」与「词句」，但一般而言，该系统还需要同时开发辨识特定人的声音特色的功能。若利用语音输入的方式可以直接产生文字，为了避免同音字或类似发音的文字造成混淆（例如 there与their），有时必须搭配更复杂的计算机运算功能，同时智能电视也必须有自我学习与训练经验的功能。

添加语音识别的功能、对于电视产品多样性来说，将会产生重大影响。以北美的电视来说，至少需要3种语言（英语、法语、西班牙语），在西欧地区，更需要16种语言。至于亚洲地区也有许多复杂的方言和地方口音。加上许多国家有支持少数民族语言的法律规定，最终可能1台电视必须内建高达80种语言。

手势识别方面，据观察，游戏机已经证明手势识别可以被市场化。其发展的需要则必须着重于易用性，以及在屏幕上如何更加精准。例如，许多网页是不适合手势控制的，尤其是一些网页要求精细鼠标移动。再者，手势识别也不被认为是良好的人体工程学设计，疲劳可能影响手臂伸出的能力与姿势。此外，消费者通常不希望改变自己的坐姿来控制电视机。假设一个消费者手中握有一杯饮料，如何挥手而不溢出饮料，将会是个大挑战。

空中指向（motion capture or remote point）是目前发展快速的技术。在计算机的使用上，一个计算机鼠标，触摸板（Touch Pad），或者是类似在Wii型控制器，都已经被消费者广泛接受且熟悉，因此，空中指向用在电视上的障碍是最小的。然而，这些空中指向的装置也比一般遥控器昂贵许多，高成本可能是其发展一大障碍。

如前所述，没有单一的方法可以满足所有电视人机界面的需求，因此将这些方法做一个结合是一个相对明智的做法。另外，在电视上安装数字相机可以添加人脸识别，这也是一项最新的技术，用以将使用者的档案与脸部识别内建在电视中；并且人脸识别可以跟手势控制和视频通话，以及语音识别等等共同搭配。

然而，消费者其实是智能电视人机界面的最大变量。目前业界尚不清楚使用者将如何应对、挥舞着他们的手，或透过谈话来控制他们的电视。而在不同的文化和国家，手势的意义可能会有天壤之别。在意大利，说话时带着手势通常是必要的，但在日本则表示不礼貌。在欧洲，消费者对隐私非常敏感，因此可能不愿意每天看的电视机上装有数字相机镜头，尤其一台可以连接到互联网的电视。