如果你同時保留著看電視和聽廣播這兩個習(xí)慣——或者，看視頻網(wǎng)站的同時會去找些播客節(jié)目聽聽，那么你一定會注意到一個顯著的區(qū)別：視頻節(jié)目的豐富程度和制作上的復(fù)雜度遠(yuǎn)高于音頻節(jié)目。例如，《新聞聯(lián)播》的片頭20多年換了四五次，體現(xiàn)了電視技術(shù)的最新進(jìn)步，但片頭音樂一直不變，人們也能接受。電視節(jié)目的攝影棚幾年就得來一次大翻新，但現(xiàn)在的廣播電臺依然可以使用十幾年前的音頻制作系統(tǒng)來播出節(jié)目，直播間里的時光仿佛停滯一般。
人類在同一時刻用眼睛可以接收的信息量遠(yuǎn)高于用耳朵能接收到的，視覺可以判別空間位置、形狀和顏色疊加起來的豐富信息，比聽覺高了不止一個維度。在看到人說話的時候，我們接收到的不只是話語內(nèi)容，還包括人的面部特征和表情的細(xì)微變動，這都對氛圍和情緒有著潛移默化的影響。相應(yīng)的，聽覺接收到的話語內(nèi)容可以用手語或者字幕替代，但視覺附加的更多信息卻難以轉(zhuǎn)化回音頻。
歷史上，圖書和報紙已經(jīng)給了人們在視覺信息接收方面的訓(xùn)練，人們將排版經(jīng)驗延伸到電影和電視上。盡管留聲機(jī)和電影技術(shù)幾乎處于同一時代，但人們卻寧愿忍受很多年沒有同期聲的無聲電影時代，寧愿用隨便什么音樂放一下做背景了事。可見，人們習(xí)慣上對圖像比對聲音重視得多。
同樣，信息時代的到來也毫不例外的優(yōu)先偏愛圖像。90年代電腦同時具備獨立的顯卡和聲卡，技術(shù)進(jìn)步之后，人們對聲卡抱著無所謂的態(tài)度，卻追求獨立顯卡和屏幕的畫質(zhì)，以至于追求手機(jī)攝像頭的精度。在交互方面，大家非常注重GUI(圖形用戶界面)，而對于聲音的設(shè)計處理一般比較馬虎，還停留在很多年前的水平。
隨著iPhone帶來的趨勢，一塊巨大的觸屏成為人們交互的全部載體，跑在上面的應(yīng)用也隨著一股奇怪的扁平化風(fēng)潮而變得越來越樣式單一，設(shè)計師為了與眾不同又好用的界面而絞盡腦汁。對于音頻而言，它終于迎來了走出冷宮的機(jī)會。人機(jī)交互的下一波趨勢，將很可能在聲音——而不是圖像——方面迎來突破。
聲音不重要，還是人們沒發(fā)現(xiàn)它的重要？
“在汽車出現(xiàn)之前，人們都以為自己想要一臺更快的馬車。”這句話大家也許都很熟悉。在iOS 7和微軟Metro界面出現(xiàn)之后，一夜之間各種UI設(shè)計都趨向于扁平，而流行多年的擬物化設(shè)計很快就退潮了。這表明，人們的審美態(tài)度是可以因為外界的強力驅(qū)動而受到很大的改變的，并不是一成不變。所以對音頻交互也是如此：并不是說聲音相對于圖像而言不重要，而是需求沒有得到很好的引導(dǎo)。
聲音有什么好處？它是否有足夠潛力成為不可替代的載體呢(為什么我們獲得的是相反的信號，比如交通廣播電臺即將被打車軟件的搶單聲埋葬)？
首先，習(xí)慣聲音交互可以讓我們的感覺器官均衡利用，換句話說就是保護(hù)眼睛。長期使用手機(jī)，比如在地鐵盯著屏幕或者睡覺之前刷屏，會出現(xiàn)很多健康問題，其實不僅限于眼睛，手持閱讀介質(zhì)的姿勢不同，全身都可能受影響。
而且，作為必須全神貫注進(jìn)行的活動，閱讀(包括觀看視頻)需要完全沉浸進(jìn)去，和外界隔離，引發(fā)的心理問題也不容忽視。不管是閱讀長文還是碎片化消息，眼睛接受的信息量通常過大，人們接受了過量的信息，以至于形成信息過載而不自覺。
使用聲音可以讓人們強制減少信息攝入量，并更自如的利用碎片時間。對孩子而言，聲音(不使用耳機(jī))也是一種親切自然的交互方式，有助于讓孩子早期就接觸電腦，而不用擔(dān)心用眼，孤獨等副作用。
此外，隨著我們使用智能設(shè)備的“戶外場景”增多，就像這個年頭智能手表終于迎來了春天一樣，為短信息和免提式交互量身定制的聲音也會派上更大用場。戶外場景其實主要就是開車或者是提著東西走路。在這種情況下，顯然眼睛就只是拿來看路才更合適。
一個例子是，交通電臺提交路況信息，從原來的短信平臺改為用微信公眾號發(fā)送語音，電臺會直接播出上傳的語音。這樣，司機(jī)可以不停車，用藍(lán)牙耳機(jī)播報路況，讓整個交流過程更像是真正的無線電臺一樣。