00:01
Audiostart Newsへようこそ。この番組は、ロボットスタートによる音声広告やホットキャストなど、音声業界の最新情報をお伝えする番組です。
Appleが米国特許商標庁、USPTOに出願した、モーションセンサーによるキーワード検出に関する特許が公開されました。
今日は今後のSiriの改善につながりそうな、このニュースを紹介したいと思います。
特許の内容は、ユーザーが発話をする際にユーザーの口、顔、頭、首は振動しますが、これをAppleのデバイスに内蔵された加速時計やジャイロスコープなどのモーションセンサーを使うことで唇の動きとして検出できるというもの。
Siriにこの機能を実装することで、音声認識に関して様々な利点があるというわけです。
しかし、モーションセンサーだけで音声認識するという考え方ではなく、あくまでマイクからの音声入力と組み合わせる仕組みとなっています。
音声入力とモーションセンサーのデータを総合して精度を上げたり、マイクが拾った雑音や意図しない音を排除するために活用することが想定されています。
また、マイクなどのオーディオセンサーに比べて少ない電力で動くモーションセンサーを活用することで、ユーザーが音声の発話を積極的に行っていないときにマイクをオフにして消費電力を減らすことも可能になるとしています。
確かに、デバイスがウェイクワード、Hey Siri、Siriなどを聞くためにマイクがオンになっている状態は、電力的にもCPUパワー的にも無駄ですよね。
モーションセンサーは顔についている必要があるため、AirPods、Apple Vision Proなどが現時点で想定されるデバイスとなります。
以前紹介した、ホームポッドにカメラを搭載してアイトラッキングする特許とアプローチは全く違っていますが、音声デバイスの性能向上を目指す工夫は常に考えられているのだなと感心します。
ちなみに、映像の唇の動きから発話の内容を読み取る技術として、読心術、読話、講話と呼ばれる手法があります。
人間の読心術においては、熟練した読み取り手が補聴器などから得られる情報を参考にしつつ、読話されていることを十分に理解してゆっくりと明瞭に話している発話者の正面で、
しかも至近距離から読み取ったとしても、100%の内容を読み取れるものではなく、発話の内容を童貞できる確率は30%から40%前後といいます。
なので、カメラを使って唇の動きを読むだけで音声認識するのは技術的にハードルが高いもののようです。
ではまた。
今回のニュースは以上です。もっと詳しい情報を知りたい場合、オーディオスタートニュースで検索してみてください。
ではまたお会いしましょう。
