语音控制是 iOS 设备上提供的一项突破性辅助技术，由 Cupertino & Friends™️ 开发。这项技术在 iOS 13 中首次亮相，有了这项技术，你就可以通过语音控制 iPhone 了。

你可以试试看，拿起手机，然后说：“嘿 Siri，打开语音控制。”

请注意，如果这是你第一次使用语音控制，那么可能 iOS 需要下载一次性的配置文件才能正常使用。语音控制在 macOS 上也可用，可能也需要相同的设置。

在语音控制被激活后，你就可以通过各种命令导航和使用 iOS 了，命令的形式为“一个动词+一个名词”。例如，“打开手电筒”或“播放音乐”。如果你不确定自己能干什么，甚至可以说“显示命令”或“告诉我该说什么”，这样就能获得一些提示。

语音控制主要有三种显示模式。如果某个功能支持辅助引擎，则可以看到：

• 项目名称：对应于该功能的 accessibilityLabel 值。

• 编号：每个选项的编号。

• 网格：这些线将界面分割成一个个网格，这样你就可以专注研究一个区域。

辅助功能测试

开发人员可能没有意识到的一件事是，语音控制除了可以帮助残障人士打开 iPhone 之外，对于 iOS 工程师来说，这其实是一个代码作弊神器。

为什么？因为你可以看到界面内所有 accessibilityLabel（可访问性标签）的值！

你可以很轻松地看到自己漏掉了什么。如果你不熟悉 iOS 上的辅助功能编程，可能觉得这些可访问性标签也没什么大不了，其实你应该了解一下这些属性。

选项名称是默认模式，因此你能够快速盘点所有的选项。这些天来，这一直是我测试我们的产品 Voice Over 的最佳方式。如果你发现某个可访问性标签不太适合语音控制，则可以通过 API 来修改：

// In UIKitopen var accessibilityUserInputLabels: [String]!// In SwiftUI.accessibilityInputLabels([Text])

这个字符串数组可以帮助语音控制功能做出响应。最重要的是，数组中的第一个字符串将取代界面显示的可访问性标签值。

回忆一下，设置的图标一般是一个小齿轮。假设你有一个视频编辑应用，如下所示：

struct SettingsButton: View {  var body: some View {    Button {      openAudioSettings()    } label: {      Image(systemName: "gear.circle")    }    .accessibilityLabel("Audio Levels and Mixing Settings")  }}

为了指示 Siri 正确打开这个应用，我们需要说：“Open audio levels and mixing settings”，其中 “Open” 是动词，意思是打开，而 “audio levels and mixing settings” 就是上述代码中设置的可访问性标签的值。这个指令显然太啰嗦了，我们可以利用 accessibilityInputLabels 完成以下两件事：

1.缩短指令。

2.指定语音控制的响应内容。

如下所示：

struct SettingsButton: View {  private let axVoiceControlCommands: [Text] = [    Text("Audio Settings"),    Text("Settings"),    Text("Audio Levels"),    Text("Mixing Settings")  ]  var body: some View {    Button {      openAudioSettings()    } label: {      Image(systemName: "gear.circle")    }    .accessibilityLabel("Audio Levels and Mixing Settings")    .accessibilityInputLabels(axVoiceControlCommands)  }}

如此一来，我们就可以使用 accessibilityInputLabels 中指定的任何一个词语作为指令：“Open Audio Settings”、“Open Settings”、“Open Audio Levels” 或者 “Open Mixing Settings”。

难点

最近，我一直在改进我们的语音控制体验。虽然，现在我们的语音控制体验可以正常运行了，但在这个过程中，我遇到了很多挫折。

相似的项目名称

我发现，有几个地方出现了相同的可访问性标签值。如下图所示，“Create a post for this time” 反复显示：

于是，我就在想这是不是一个问题。结果发现，照片应用也有同样的“问题”，因此我想知道他们是如何处理的。最终发现，原来是语音控制解决了这个问题。

当你发出的指令涉及多个显示标签时，比如下图中 “Tap Live Photo”，iOS 就会在每张照片上显示一个数字编号，这样就可以消除歧义了：

很聪明的做法。

冗长的名称

有时候，我不知道用什么样的字符串与界面交互。例如，在我们的设计中，网格中的每一项可以代表任何操作。你可以将它们视为社交媒体帖子。在这种情况下，似乎直接念出文本并不太方便，尤其是如果文本是URL的话，未免也太冗长了。

最后，我决定使用编号。这种方法不仅可以让每一项都成为独一无二的存在，而且打开操作也非常容易。

在下图中，右边是默认的显示，左边是我最后采用的编号方式：

没有用于检测语音控制的 API

最后，我遇到了一个最棘手的问题。我们无法通过 API 检测何时语音控制处于使用状态。所以，我们不能编写下面这样的代码：

func tableView(_ tableView: UITableView, didSelectRowAt indexPath: IndexPath) {  if indexPath.row == TheOneWithTheSwitchInIt {    if UIAccessibility.isVoiceOverRunning {      // Perform some action that toggling      // The UISwich would normally do    }  }  }

为什么我们要写这样的代码？因为某些网格内的单元格有 UISwitch 控件。这是一个标准的用户体验，在 iOS 中随处可见。我们写这段代码的原因是，有可能人们不会点击格子与它们互动，而是直接使用开关控件。

但对于 Voice Over，这种行为正是我们需要的。问题在于，语音控制不适合这样的设置。请注意如下单元格 “Pause Queue Off”：

如果用户说“Tap Pause Queue Off”，上面的逻辑就会触发，但是检查 Voice Over 却得不到任何响应。重要的是，Voice Over 和 Voice Control 是相互排斥的，你只能使用其中之一。

我多么希望苹果有一个简单的 API 来检查语音控制的状态，就像下面这样：

UIAccessibility.isVoiceControlRunning

然而，很遗憾，我们没有。因此，解决这样的问题就会非常困难。

最后的想法

语音控制非常酷，它是苹果推出的一项我个人非常喜欢的技术。但是，相关的开发还是有一些陷阱，例如你无法通过 API 检测语音控制是否正在运行，这仍然让我感到困惑。

然而，这是测试个人语音控制实现的最佳方式之一。最重要的是，它向很多无法充分挖掘 iPhone 潜力的人敞开了 iOS 的大门。

☞ChatGPT 的开源“替代”来了！前 OpenAI 团队出手，能用中文提问，3 天斩获 3k+ Star
☞烧数亿美元、耗上万颗英伟达 GPU，微软揭秘构建 ChatGPT 背后超级计算机往事 ！
☞GPT-4 发布：在考试中击败 90% 的人类；谷歌开放大语言模型 PaLM API；FireFox 111 发布|极客头条