丫丫语音（yy语音说话别人听不见）

编辑导语：在互联网时代，我们每天都在与许多人接触，但真正能建立社交联系的又有多少？陌生人社交平台大多令人失望，底层原因是其技术不匹配。本文从VR社交的角度出发，探讨VRChat方向，一起来看看。

一、期待中社交的样子

我们希望生活中充满了可能。比如打球时认识的球技好的对手/队友、几句玩笑话聊得来、再一问同在一个院/社团/兴趣爱好，常约球一来二去成了朋友、其他领域也逐渐有所接触、甚至相互介绍更多朋友认识；再如英语角认识、聊得很好、恰巧有共同好友/共同兴趣爱好，接触多了成为朋友。这是我们生活中十分顺其自然的社交，甚至如呼吸一样简单，我们凭借这种方式触摸到社会无限的可能性，并成功建立了一部分社交关系。

然而在当前互联网世界中，这却是远远低概率的事件。我们每天花费大量时间生活在互联网中，每天会与大量的人直接接触，但我们却只建立起了很少的社交关系。我们收获并给予了很多的赞与评论、弹幕与私信、右滑与打招呼、组队与队内沟通，但我们却很少交到朋友。

二、现实中社交产品的样子

1）文字闲聊，除了尴尬之外，很难称得上一项乐趣满满的活动，并且很难沉淀真正的朋友关系。

2）MMO游戏中的社交，更多是为了游戏体验而存在，人来人往、却只有很少人能跳脱游戏本身（有但很少）。

3）兴趣社区如qq，更像一个讨论和吐槽的地方，大家安于这样的环境，相互的认知一般仅限于群里活跃的某某某。

4）语音闲聊，相对好很多（对于能聊会聊的人），但一通电话聊完彼此的缘分基本就到这，日抛周抛不胜枚举。

5）多人语音房，乱糟糟的、也不知道谁在说话，更像台下一群人干巴巴听台上几个人聊天，台下几乎没有互动。

甚至在商业变现压力之下沦为直播秀场、py交易平台、骗子聚集地、菠菜游戏平台等。

为何陌生社交平台如此令人失望？大大小小的原因很多，但底层的原因是技术的不匹配，立体的人被压缩为一个个单维度的信息切面，使得信息的交互局限在该切面纬度，而难以建立起人与人纬度的联系。

三、实时语音技术可提高社交效率

社交效率影响社交意愿。社交只是人生活中的一部分，甚至只是精神娱乐中的一个选项，当信息传递效率很低、交流很累时，当社交成功率很低、热情总是换来冷水、时间投入只换回一场空，人们会放弃社交生活（或者放弃陌生社交、只深耕熟人社交），转向游戏、影视、吃喝、工作等其他事情上面。

而实时语音比文字形式的社交效率更高。文字是人类后天学会的编译工具，需要编解码的过程，在交流上效率相对较低。

1）打字动作本身比说话的速度更慢。大部分人说话的速度都快于打字，所以很多人愿意发语音或者语音转文字。

2）文字要求比语言更精炼，因此编码时的斟酌降低了输出效率。很多时候电话2分钟能说清楚的事，文字编辑要5分钟以上。

3）语言的冗余性保证了信息的完整度。文字编码时需要对信息进行提炼压缩、因此会失去某些切面信息，而语言相对冗余、能够保证信息的完整度。所以重要的事电话谈/当面谈，而非文字沟通。

4）相比于文字的字面意思，语言还包含语气、节奏、情绪等信息。文字想传达上述信息只能通过标点符号、表情动画等粗糙的形式，精准度和效率都较低。情侣文字沟通的闹矛盾率是要远高于电话沟通的。

实时语音是人尽皆知的老技术，但在陌生社交产品应用得还不够。座机电话、大哥大、YY语音、吃鸡语音等都是实时语音技术，soul语音匹配、clubhouse闲聊房等都是在陌生社交产品的应用，但却仍然有很多陌生社交产品以低效的文字交流为主，主要原因是：

• 实时语音压迫感强，文字异步交流的社交压力更低（但代价是极大地牺牲了社交体验和社交效果，沦为鸡肋）；
• 手机时代的思维惯性，无论是开发者还是用户，都会觉得使用手机实时语音进行陌生社交有些刻意、还没有到像呼吸般自然的地步，本质是手机的沉浸感和交互性还不够。

四、沉浸感/交互性的VRAR技术将解决很多问题

贴两个老视频，没看过的朋友可以感受一下：

1）韩国妈妈看到虚拟“女儿”，不是单纯的声音模拟能够实现的

https://www.bilibili.com/video/BV147411t7pX?from=search&seid=5237048584864275186&spm_id_from=333.337.0.0

2）VRChat中闲聊的体验，不是soul中群聊派对所能够比拟的

https://www.bilibili.com/video/BV1aQ4y1i7nN?from=search&seid=15050012719332810016&spm_id_from=333.337.0.0

VRAR技术的本质是视觉和交互技术。PC的本质是计算技术，手机的本质是通信技术，因此VRAR并非PC和手机的简单延伸，而是在视觉和交互层面的革命。

VRAR技术的沉浸感和交互性，将把人还原为更立体的多维度。PC和手机将人压缩为若干维度的信息切片以进行信息的处理和传输，而人本身是立体维度的生物，只有完整（或者相对完整）的立体纬度才能真实的构建人与人之间的联系，相应的网络结构也会随之发生变化。

视频技术是VRAR技术之前的阶段性产物。相比于语音技术，视频技术的优点毋需多言（如ZOOM），但视频本质是从三维中精心挑选出的二维切面、因此导致其网络结构是不灵活的、组网是刻意的，有人意识到这一问题、于是将二维切面和3D组网方式结合起来、如Gather town（文尾附链接），但是这仍然面临二维切面选择不灵活的问题、导致信息的维度仍然比较干瘪，因此我们最终要走向三维技术，即VRAR技术。

1）信息密度更高。语言只是传递信息的部分载体，人们交流时有大量的信息通过神态、表情、肢体语言、以及与环境的交互来传递。因此VRAR传递信息的密度更高、社交效率更丰富。

2）人的形象更立体。人不再是被压缩的信息切面、而是多维立体的人，因此从一开始社交就是以最终的形态来进行，因此不存在升维或者切换维度时的顿挫和落差感。一方面形象更立体印象更深刻，另一方面更利于双方进行多维度的信息交互。

3）交互具有指向性，提高了组网的灵活度。人与人之间的指向性交互使得对象之间交流更加明确，并且便于在多人中快速组建当前网络的子集、且该子集是开放性的（比如聚会中随时和一位或几位朋友咬耳朵），从而大大提升多人社交网络中组网的灵活性。

其实上述分析有些好笑，因为这是人天生就具有的社交方式，而我们现在却还要反过来拆解它的合理性，而原因只是因为之前技术的限制使我们忘记了事情本来的样子。

另附：文中提到的国外一款3D化视频社交/办公产品Gather town：https://www.bilibili.com/video/BV1BQ4y1m7tU?from=search&seid=15202975258274753800&spm_id_from=333.337.0.0

注：上述所有视频链接系转载，侵权删

本文由 @Figo 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议

若对本页面资源感兴趣，请点击下方或右方图片，注册登录后

搜索本页相关的【资源名】【软件名】【功能词】或有关的关键词，即可找到您想要的资源

如有其他疑问，请咨询右下角【在线客服】，谢谢支持！