特許 6530023 複数のデバイス上でのホットワード検出

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6530023

(24)【登録日】2019年5月24日

(45)【発行日】2019年6月12日

(54)【発明の名称】複数のデバイス上でのホットワード検出

(51)【国際特許分類】

   G10L 15/10 20060101AFI20190531BHJP

   G06F 3/16 20060101ALI20190531BHJP

【ＦＩ】

   G10L15/10 200W

   G10L15/10 300F

   G06F3/16 650

   G06F3/16 630

【請求項の数】17

【外国語出願】

【全頁数】23

(21)【出願番号】特願2017-170185(P2017-170185)

(22)【出願日】2017年9月5日

(62)【分割の表示】特願2016-551250(P2016-551250)の分割

【原出願日】2015年9月29日

(65)【公開番号】特開2017-227912(P2017-227912A)

(43)【公開日】2017年12月28日

【審査請求日】2017年10月2日

(31)【優先権主張番号】62/061,830

(32)【優先日】2014年10月9日

(33)【優先権主張国】US

(31)【優先権主張番号】14/675,932

(32)【優先日】2015年4月1日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】502208397

【氏名又は名称】グーグル エルエルシー

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】マシュー・シャリフィ

【審査官】 千本 潤介

(56)【参考文献】

【文献】 特開平０９−０６２２９３（ＪＰ，Ａ）

【文献】 特開２０１４−０９２７７７（ＪＰ，Ａ）

【文献】 特開２００６−２２７６３４（ＪＰ，Ａ）

【文献】 国際公開第２０１４／１３０４６３（ＷＯ，Ａ２）

【文献】 国際公開第２０１３／１６３１１３（ＷＯ，Ａ１）

【文献】 米国特許出願公開第２０１４／０２７８４３５（ＵＳ，Ａ１）

【文献】 米国特許第０８３４０９７５（ＵＳ，Ｂ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ１０Ｌ １５／００−１５／３４

Ｇ０６Ｆ ３／１６，１３／００

(57)【特許請求の範囲】

【請求項1】

コンピュータによって実装される方法であって、
非アクティブ状態である低電力モードにあり、オンデバイスのホットワード検出器を使用して特定の所定のホットワードの発話を検出すると低電力モードを終了するように構成された、コンピューティングデバイスにより、発話に対応するオーディオデータを受信するステップと、
前記特定の所定のホットワードの前記発話に対応する前記オーディオデータに基づく第１のホットワード信頼性スコアを決定するステップと、
前記第１のホットワード信頼性スコアがしきい値に達していると判定するステップと、
前記第１のホットワード信頼性スコアが前記しきい値に達しているとの判定に基づいて、前記オーディオデータの音声認識の実行を開始する、ステップと、
前記コンピューティングデバイスが前記低電力モードにとどまる間、かつ前記特定の所定のホットワードの前記発話に対応する前記オーディオデータを受信したことに応答して、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の、第１のホットワード信頼性スコアを含む出力を、前記コンピューティングデバイスによって、他のコンピューティングデバイスに送信するステップと、
前記他のコンピューティングデバイスから追加的なメッセージを受信するステップであって、前記追加的なメッセージは追加的なホットワードスコアである第２のホットワード信頼性スコアを含む、受信するステップと、
前記コンピューティングデバイスによって、および前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信した後、かつ前記第１のホットワード信頼性スコアよりも大きい前記第２のホットワード信頼性スコアを受信した後に、前記低電力モードにとどまることを決定し、前記音声認識の実行を終了する、ステップと、
を含む方法であって、
ホットワード信頼性スコアは、前記発話が前記特定の所定のホットワードを含む可能性を示すスコアである、
方法。

【請求項2】

前記低電力モードにとどまることを決定するステップは、前記追加的なメッセージの少なくとも一部分に基づく、
請求項１に記載の方法。

【請求項3】

前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信するステップは、前記第１のホットワード信頼性スコアが前記しきい値に達していると判定することに基づく、
請求項１に記載の方法。

【請求項4】

前記コンピューティングデバイスが、前記特定の所定のホットワードの発話に続く前記オーディオデータに対する音声認識を実行することなく、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する、請求項１に記載の方法。

【請求項5】

前記コンピューティングデバイスが、所定の時間、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する、請求項１に記載の方法。

【請求項6】

前記第１のホットワード信頼性スコアと前記第２のホットワード信頼性スコアとを比較するステップと、を含み、
ここで、前記低電力モードにとどまることを決定するステップは、前記第１のホットワード信頼性スコアと前記第２のホットワード信頼性スコアとを比較することに基づく、
請求項１に記載の方法。

【請求項7】

１つまたは複数のコンピュータと、動作可能な命令を格納した１つまたは複数のストレージデバイスを具備するシステムであって、前記１つまたは複数のコンピュータによって実行されるとき、前記１つまたは複数のコンピュータに、
非アクティブ状態である低電力モードにあり、オンデバイスのホットワード検出器を使用して特定の所定のホットワードの発話を検出すると低電力モードを終了するように構成された、コンピューティングデバイスにより、発話に対応するオーディオデータを受信する手順と、
前記特定の所定のホットワードの前記発話に対応する前記オーディオデータに基づく第１のホットワード信頼性スコアを決定する手順と、
前記第１のホットワード信頼性スコアがしきい値に達していると判定する手順と、
前記第１のホットワード信頼性スコアが前記しきい値に達しているとの判定に基づいて、前記オーディオデータの音声認識の実行を開始する、手順と、
前記コンピューティングデバイスが前記低電力モードにとどまる間、かつ前記特定の所定のホットワードの前記発話に対応する前記オーディオデータを受信したことに応答して、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の、第１のホットワード信頼性スコアを含む出力を、前記コンピューティングデバイスによって、他のコンピューティングデバイスに送信する手順と、
前記他のコンピューティングデバイスから追加的なメッセージを受信する手順であって、前記追加的なメッセージは追加的なホットワードスコアである第２のホットワード信頼性スコアを含む、受信する手順と、
前記コンピューティングデバイスによって、および前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信した後、かつ前記第１のホットワード信頼性スコアよりも大きい前記第２のホットワード信頼性スコアを受信した後に、前記低電力モードにとどまることを決定し、前記音声認識の実行を終了する、手順と、
を含む動作を実行させる、システムであって、
ホットワード信頼性スコアは、前記発話が前記特定の所定のホットワードを含む可能性を示すスコアである、
システム。

【請求項8】

前記動作が、
前記低電力モードにとどまることを決定する手順は、前記追加的なメッセージの少なくとも一部分に基づく、
請求項７に記載のシステム。

【請求項9】

前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する手順は、前記第１のホットワード信頼性スコアが前記しきい値に達していると判定することに基づく、
請求項７に記載のシステム。

【請求項10】

前記コンピューティングデバイスが、前記特定の所定のホットワードの発話に続く前記オーディオデータに対する音声認識を実行することなく、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する、請求項７に記載のシステム。

【請求項11】

前記コンピューティングデバイスが、所定の時間、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する、請求項７に記載のシステム。

【請求項12】

前記動作が、
前記第１のホットワード信頼性スコアと前記第２のホットワード信頼性スコアとを比較する手順を含み、
ここで、前記低電力モードにとどまることを決定する手順は、前記第１のホットワード信頼性スコアと前記第２のホットワード信頼性スコアとを比較することに基づく、
請求項７に記載のシステム。

【請求項13】

１つまたは複数のコンピュータによって実行可能な命令を含むソフトウェアを格納した非一時的なコンピュータ読み取り可能な記録媒体であって、そのような実行の際に、前記１つまたは複数のコンピュータに、
非アクティブ状態である低電力モードにあり、オンデバイスのホットワード検出器を使用して特定の所定のホットワードの発話を検出すると低電力モードを終了するように構成された、コンピューティングデバイスにより、発話に対応するオーディオデータを受信する手順と、
前記特定の所定のホットワードの前記発話に対応する前記オーディオデータに基づく第１のホットワード信頼性スコアを決定する手順と、
前記第１のホットワード信頼性スコアがしきい値に達していると判定する手順と、
前記第１のホットワード信頼性スコアが前記しきい値に達しているとの判定に基づいて、前記オーディオデータの音声認識の実行を開始する、手順と、
前記コンピューティングデバイスが前記低電力モードにとどまる間、かつ前記特定の所定のホットワードの前記発話に対応する前記オーディオデータを受信することに応答して、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の、第１のホットワード信頼性スコアを含む出力を、前記コンピューティングデバイスによって、他のコンピューティングデバイスに送信する手順と、
前記他のコンピューティングデバイスから追加的なメッセージを受信する手順であって、前記追加的なメッセージは追加的なホットワードスコアである第２のホットワード信頼性スコアを含む、受信する手順と、
前記コンピューティングデバイスによって、および前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信した後、かつ前記第１のホットワード信頼性スコアよりも大きい前記第２のホットワード信頼性スコアを受信した後に、前記低電力モードにとどまることを決定し、前記音声認識の実行を終了する、手順と、
を含む動作を実行させる、媒体であって、
ホットワード信頼性スコアは、前記発話が前記特定の所定のホットワードを含む可能性を示すスコアである、
媒体。

【請求項14】

前記動作が、
前記低電力モードにとどまることを決定する手順は、前記追加的なメッセージの少なくとも一部分に基づく、
請求項１３に記載の媒体。

【請求項15】

前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する手順は、前記第1のホットワード信頼性スコアが前記しきい値に達していると判定する手順に基づく、
請求項１３に記載の媒体。

【請求項16】

前記コンピューティングデバイスが、前記特定の所定のホットワードの発話に続く前記オーディオデータに対する音声認識を実行することなく、前記オンデバイスのホットワード検出器を使用した前記特定のオーディオデータの処理の前記出力を送信する、請求項１３に記載の媒体。

【請求項17】

前記コンピューティングデバイスが、特定の時間、前記オンデバイスのホットワード検出器を使用して前記特定のオーディオデータの処理の前記出力を送信する、請求項１３に記載の媒体。

【発明の詳細な説明】

【技術分野】

【0001】

一般に、この明細書は、音声認識とも称される、人が話す語を認識するためのシステム及び技術に関する。

【背景技術】

【0002】

現実に音声操作が可能な自宅又はその他の環境、すなわち、ユーザはクエリ又はコマンドを強く発することだけを必要とし、コンピュータベースのシステムがそのクエリを受け取って回答する及び／又はそのコマンドの実行を引き起こす環境、が存在する。音声操作が可能な環境（例えば、自宅、職場、学校等）は、その環境の様々な空間又は区域にわたって分散配置された連係マイクロフォンデバイス網を用いることによって実装できる。そのようなマイクロフォン網を介して、ユーザは、自身の前又は近くにコンピュータ又はその他のデバイスを備える必要なしに、環境内のほぼ何処からでもシステムに口頭で問い合わせを行うことができる。例えば、キッチンで調理中であっても、ユーザは、システムに「カップ３杯は何ミリリットルか（how many milliliters in three cups?）」を尋ね、その応答として、システムから回答を、例えば合成音声出力の形態で、受け取ることができる。あるいは、ユーザは、システムに対して、「最寄りのガソリンスタンドが閉まるのは何時か（when does my nearest gas station close）」という問いを発したり、出掛ける準備をしているときに、「今日はコートを着ていくべきか（should I wear a coat today?）」という問いを発したりできる。

【0003】

さらに、ユーザは、自身の個人的な情報に関して、システムに問い合わせること及び／又はコマンドを発することができる。例えば、ユーザは、「ジョンに会うのはいつだった（when is my meeting with John?）」とシステムに尋ねたり、「家に帰ったとき、ジョンに電話するようにリマインドしてくれ（remind me to call John when I get back home）」とシステムに命じたりできる。

【発明の概要】

【課題を解決するための手段】

【0004】

音声操作が可能なシステムのための、ユーザによるシステムとの対話方法は、これに限定されないが、主に音声入力によるものとして設計される。その結果、システムへ向けられていないものを含む、周囲環境で生じるすべての発話を潜在的に拾い取るシステムは、任意の与えられた発話が、例えば環境内に存在する誰かに向けられたものでなく、システムに向けられたものであることを識別する何らかの手段を備えねばならない。これを達成する１つの手法として、ホットワードの使用がある。ホットワードは、環境内のユーザらとの取り決めにより、システムの注意を惹くために発せられる所定の語として予約される。環境の一例において、システムの注意を惹くために使用されるホットワードは、「ＯＫコンピュータ（OK computer）」という語である。したがって、「ＯＫコンピュータ」という語が発せられる度に、それがマイクロフォンによって拾い取られ、システムへ伝達される。システムは、音声認識技術を実行して、ホットワードが発せられたか否かを判定し、もしそうであれば、その後に続くコマンド又はクエリを待つ。したがって、システムに向けられる発話は、［ＨＯＴＷＯＲＤ］［ＱＵＥＲＹ］という一般的な形式を取る。ここで、この例における「ＨＯＴＷＯＲＤ」は、「ＯＫコンピュータ」であり、「ＱＵＥＲＹ」は、システムにより、単独で又はネットワークを介してサーバと共同で音声認識、解析、及び実行可能な任意の質問、コマンド、通知、又はその他の要求であってよい。

【0005】

本明細書中に記載された主題の革新的な一態様によれば、ユーザデバイスは、ユーザによって発せられた発話を受信する。ユーザデバイスは、発話がホットワードを含むか否かを判定し、発話がホットワードを含む可能性を示すホットワード信頼性スコアを算出する。ユーザデバイスは、このスコアを近くの他のユーザデバイスに送信する。おそらくは、他のユーザデバイスは、同一の発話を受信している。他のユーザデバイスらは、ホットワード信頼性スコアを算出し、それらのスコアをユーザデバイスに送信する。ユーザデバイスは、ホットワード信頼性スコアを比較する。ユーザデバイスは、自身が最も高いホットワード信頼性スコアを有していた場合、動作を継続し、追加的なオーディオを処理するための準備をする。ユーザデバイスは、自身が最も高いホットワード信頼性スコアを有していなかった場合、追加的なオーディオを処理しない。

【0006】

概して、本明細書中に記載された主題の革新的な別の態様は、方法として実施されてよく、方法は、第１コンピューティングデバイスにより、発話に対応するオーディオデータを受信するステップと、発話がホットワードを含む可能性に対応する第１の値を決定するステップと、発話がホットワードを含む可能性に対応する第２の値を受信するステップであって、第２の値は第２コンピューティングデバイスによって決定される、ステップと、第１の値と第２の値とを比較するステップと、第１の値と第２の値との比較結果に基づいて、オーディオデータに対する音声認識処理を開始するステップとを有する。

【0007】

これらの及び別の実施態様は、以下の特徴のうちの１つ又は複数をそれぞれ選択的に含むことができる。方法は、第１の値がホットワードスコアしきい値に達していると判定するステップをさらに有する。方法は、第１の値を第２コンピューティングデバイスに送信するステップをさらに有する。方法は、第１の値と第２の値との比較結果に基づいて、第１コンピューティングデバイスの起動状態を決定するステップをさらに有する。第１の値と第２の値との比較結果に基づいて、第１コンピューティングデバイスの起動状態を決定するステップは、起動状態がアクティブ状態であると判定するステップをさらに含む。方法は、第１コンピューティングデバイスにより、追加的な発話に対応する追加的なオーディオデータを受信するステップと、追加的な発話がホットワードを含む可能性に対応する第３の値を決定するステップと、追加的な発話がホットワードを含む可能性に対応する第４の値を受信するステップであって、第４の値は第３コンピューティングデバイスによって決定される、ステップと、第３の値と第４の値とを比較するステップと、第３の値と第４の値との比較結果に基づいて、第１コンピューティングデバイスの起動状態が非アクティブ状態であると判定するステップとをさらに有する。

【0008】

第１の値を第２コンピューティングデバイスに送信するステップは、第１の値を、ローカルネットワークを介して又は短距離無線通信を介して、サーバに送信するステップをさらに含む。発話がホットワードを含む可能性に対応する第２の値を受信するステップであって、第２の値は第２コンピューティングデバイスによって決定される、ステップは、第２コンピューティングデバイスによって決定された第２の値を、ローカルネットワークを介して又は短距離無線通信を介して、サーバから受信するステップをさらに含む。方法は、第２コンピューティングデバイスを識別するステップと、ホットワードを含む発話に応答するように第２コンピューティングデバイスが構成されていると判定するステップとをさらに有する。第１の値を第２コンピューティングデバイスに送信するステップは、第１コンピューティングデバイスに対する第１識別子を送信するステップをさらに含む。発話がホットワードを含む可能性に対応する第２の値を受信するステップであって、第２の値は第２コンピューティングデバイスによって決定される、ステップは、第２コンピューティングデバイスに対する第２識別子を受信するステップをさらに含む。起動状態がアクティブ状態であると判定するステップは、発話に対応するオーディオデータを受信してから所定の時間が経過したと判定するステップをさらに含む。方法は、起動状態がアクティブ状態であると判定したことに基づいて、所定の時間、第１の値を送信し続けるステップをさらに有する。

【0009】

この態様の別の実施態様は、上記の方法の動作を実行するようにそれぞれ構成された、対応するシステム、装置、及びコンピュータストレージデバイスに記録されたコンピュータプログラムを含む。

【発明の効果】

【0010】

本明細書中に記載された主題の特定の実施態様は、以下の利点のうちの１つ又は複数を実現するように実施され得る。複数のデバイスがホットワードを検出でき、１つのデバイスだけがそのホットワードに応答することとなる。

【0011】

この明細書に記載された主題の１つ又は複数の実施態様の詳細は、添付の図面及び以下の発明の詳細な説明によって説明される。主題の他の特徴、態様、及び利点は、発明の詳細な説明、図面、及び特許請求の範囲の記載から明らかとなる。

【図面の簡単な説明】

【0012】

【図1】ホットワード検出のためのシステムの一例を示す図である。

【図2】ホットワード検出のためのプロセスの一例を示す図である。

【図3】コンピューティングデバイス及びモバイルコンピューティングデバイスの一例を示す図である。

【発明を実施するための形態】

【0013】

図中、同様の符号は同様の要素を指す。

【0014】

遠くない未来、多数のデバイスがホットワードを常に聴取するようになるであろう。１人のユーザが自身の声に応答するように訓練された複数のデバイス（例えば、電話機、タブレットコンピュータ、ＴＶ等）を有する場合、ユーザは、自身が意図して話し掛けたものではないデバイスによるホットワードへの応答を抑制することを望むであろう。例えば、ユーザが１つのデバイスに向けてホットワードを発したときに、ユーザの別のデバイスが近くに存在した場合、おそらくは、それらも音声検索をトリガすることとなろう。多くの場合、このような動作はユーザの意図したものではない。故に、ただ１つのデバイス、特に、ユーザが話し掛けたデバイスだけが始動することが利点となり得る。本明細書は、ホットワードに反応するために適切なデバイスを選択するとともに、その他のデバイスによるホットワードへの反応を抑制するという課題を扱う。

【0015】

図１は、ホットワード検出のためのシステム１００の一例を示す図である。概して、システム１００は、ユーザ１０２がコンピューティングデバイス１０６，１０８，１１０のマイクロフォンによって検出される発話１０４を行う状況を例示する。コンピューティングデバイス１０６，１０８，１１０は、発話１０４を処理して、発話１０４がホットワードを含む可能性を判定する。コンピューティングデバイス１０６，１０８，１１０は、それぞれ、発話１０４がホットワードを含む可能性を示すデータを相互に送信し合う。コンピューティングデバイス１０６，１０８，１１０は、それぞれ、それらのデータを比較し、発話１０４がホットワードを含む最も高い可能性を算出したコンピューティングデバイスが、発話に１０４に対する音声認識を開始する。発話１０４がホットワードを含む最も高い可能性を算出しなかったコンピューティングデバイスは、発話１０４に続く音声に対する音声認識を開始しない。

【0016】

発話１０４がホットワードに対応する可能性を示すデータを他のコンピューティングデバイスに送信する前に、互いに近くに位置するコンピューティングデバイスらは、互いを識別する。いくつかの実施形態では、コンピューティングデバイスらは、ホットワードに応答するように構成された他のデバイスについてローカルネットワークを検索することによって互いを識別する。例えば、コンピューティングデバイス１０６は、ホットワードに応答するように構成された他のデバイスについてローカルエリアネットワークを検索して、コンピューティングデバイス１０８及びコンピューティングデバイス１１０を識別し得る。

【0017】

いくつかの実施形態では、コンピューティングデバイスは、各デバイスにログインしたユーザを識別することによって、ホットワードに応答するように構成された他の近くのコンピューティングデバイスを識別する。例えば、ユーザ１０２は、３つのコンピューティングデバイス１０６，１０８，１１０にログインしている。ユーザ１０２は、自身の手にコンピューティングデバイス１０６を持っている。コンピューティングデバイス１０８は、テーブルの上に置かれ、コンピューティングデバイス１１０は、壁の近くに位置する。コンピューティングデバイス１０６は、コンピューティングデバイス１０８，１１０を検出し、各コンピューティングデバイスは、ユーザ識別子など、コンピューティングデバイスにログインしているユーザに関する情報を共有する。いくつかの実施形態では、コンピューティングデバイスは、話者識別を介して、ホットワードが同一のユーザによって発せられた場合に応答するように構成されたコンピューティングデバイスを識別することによって、ホットワードに応答するように構成された他の近くのコンピューティングデバイスを識別し得る。例えば、ユーザ１０２は、自身がホットワードを発したとき、自身の声にそれぞれ応答するように、コンピューティングデバイス１０６，１０８，１１０を構成する。コンピューティングデバイスは、ユーザ１０２に対するユーザ識別子を互いに提供し合うことによって、話者識別情報を共有する。いくつかの実施形態では、コンピューティングデバイスは、短距離無線通信を介して、ホットワードに応答するように構成された他のコンピューティングデバイスを識別し得る。例えば、コンピューティングデバイス１０６は、ホットワードに応答するように構成された他のコンピューティングデバイスについて検索する信号を、短距離無線通信を介して送信し得る。コンピューティングデバイスは、これらの技術のうちの１つ又はそれらの組合せを利用して、ホットワードに応答するように構成された他のコンピューティングデバイスを識別してよい。

【0018】

コンピューティングデバイス１０６，１０８，１１０は、ホットワードに応答するように構成された他のコンピューティングデバイスを識別すると、識別したコンピューティングデバイスに対するデバイス識別子を共有及び格納する。識別子は、デバイスのタイプ、デバイスのＩＰアドレス、ＭＡＣアドレス、ユーザがデバイスに与えた名前、又は任意の同様の一意に定まる識別子に基づいてよい。例えば、コンピューティングデバイス１０６に対するデバイス識別子１１２は、「ｐｈｏｎｅ」であってよい。コンピューティングデバイス１０８に対するデバイス識別子１１４は、「ｔａｂｌｅｔ」であってよい。コンピューティングデバイス１１０に対するデバイス識別子１１６は、「ｔｈｅｒｍｏｓｔａｔ」であってよい。コンピューティングデバイス１０６，１０８，１１０は、ホットワードに応答するように構成された他のコンピューティングデバイスに対するデバイス識別子を格納する。各コンピューティングデバイスは、各々がデバイス識別子を格納するデバイスグループを有する。例えば、コンピューティングデバイス１０６は、自身が算出する、オーディオデータがホットワードを含む可能性を受信することとなる２つのデバイスとして、「ｔａｂｌｅｔ」及び「ｔｈｅｒｍｏｓｔａｔ」をリストしたデバイスグループ１１８を有する。コンピューティングデバイス１０８は、自身が算出する、オーディオデータがホットワードを含む可能性を受信することとなる２つのデバイスとして、「ｐｈｏｎｅ」及び「ｔｈｅｒｍｏｓｔａｔ」をリストしたデバイスグループ１２０を有する。コンピューティングデバイス１１０は、自身が算出する、オーディオデータがホットワードを含む可能性を受信する２つのデバイスとして、「ｐｈｏｎｅ」及び「ｔａｂｌｅｔ」をリストしたデバイスグループ１２２を有する。

【0019】

ユーザ１０２が発話１０４を行った、すなわち、「ＯＫコンピュータ」と喋ったとき、ユーザ１０２の近くにある、マイクロフォンを備えた各コンピューティングデバイスは、発話１０４を検出し、処理する。各コンピューティングデバイスは、マイクロフォンなどのオーディオ入力デバイスを介して発話１０４を検出する。各マイクロフォンは、個々のオーディオサブシステムにオーディオデータを提供する。個々のオーディオサブシステムは、オーディオデータをバッファし、フィルタし、デジタル化する。また、いくつかの実施形態では、各コンピューティングデバイスは、オーディオデータに対して、終端決定及び話者識別を実行し得る。オーディオサブシステムは、処理されたオーディオデータをホットワード部に提供する。ホットワード部は、処理されたオーディオデータと既知のホットワードデータとを比較して、発話１０４がホットワードに対応する可能性を示す信頼性スコアを算出する。ホットワード部は、処理されたオーディオデータから、フィルタバンクエネルギー又はメル周波数ケプストラム係数などのオーディオの特徴を抽出し得る。ホットワード部は、分類化ウィンドウを使用し、サポートベクターマシン又はニューラルネットワークを使用するなどしてこれらのオーディオの特徴を処理し得る。オーディオの特徴の処理に基づいて、ホットワード部１２４は、信頼性スコア０．８５を算出し、ホットワード部１２６は、信頼性スコア０．６を算出し、ホットワード部１２８は、信頼性スコア０．４５を算出する。いくつかの実施形態では、信頼性スコアは、ゼロから１の範囲に正規化されてよく、ここで、より大きい数は、発話１０４がホットワードを含む、より高い信頼性を示す。

【0020】

各コンピューティングデバイスは、個々の信頼性スコアデータパケットを、デバイスグループ内の他のコンピューティングデバイスに送信する。各信頼性スコアデータパケットは、個々の信頼性スコアと、コンピューティングデバイスに対する個々のデバイス識別子とを含む。例えば、コンピューティングデバイス１０６は、信頼性スコア０．８５及びデバイス識別子「ｐｈｏｎｅ」を含んだ信頼性スコアデータパケット１３０を、デバイスグループ１１８内のコンピューティングデバイス、すなわち、コンピューティングデバイス１０８，１１０に送信する。コンピューティングデバイス１０８は、信頼性スコア０．６及びデバイス識別子「ｔａｂｌｅｔ」を含んだ信頼性スコアデータパケット１３２を、デバイスグループ１２０内のコンピューティングデバイス、すなわち、コンピューティングデバイス１０６，１１０に送信する。コンピューティングデバイス１１０は、信頼性スコア０．４５及びデバイス識別子「ｔｈｅｒｍｏｓｔａｔ」を含んだ信頼性スコアデータパケット１３４を、デバイスグループ１２２内のコンピューティングデバイス、すなわち、コンピューティングデバイス１０６，１０８に送信する。

【0021】

いくつかの実施形態では、コンピューティングデバイスは、信頼性スコアがホットワードスコアしきい値に達していた場合に、信頼性スコアデータパケットを送信してもよい。例えば、ホットワードスコアしきい値が０．５である場合、コンピューティングデバイス１１０は、信頼性スコアデータパケット１３４を、デバイスグループ１２２内の他のコンピューティングデバイスに送信しないであろう。コンピューティングデバイス１０６，１０８は、それぞれ、信頼性スコアデータパケット１３０，１３２を、デバイスグループ１１８，１２０内のコンピューティングデバイスに、今までどおりに送信するであろう。

【0022】

いくつかの実施形態では、信頼性スコアデータパケットを送信するコンピューティングデバイスは、信頼性スコアデータパケットを他のコンピューティングデバイスに直接送信してよい。例えば、コンピューティングデバイス１０６は、信頼性スコアデータパケットを、短距離無線通信を介して、コンピューティングデバイス１０８，１１０に送信し得る。２つのコンピューティングデバイス間で使用される通信プロトコルは、ユニバーサルプラグアンドプレイであってよい。いくつかの実施形態では、信頼性スコアデータパケットを送信するコンピューティングデバイスは、信頼性スコアデータパケットをブロードキャストしてもよい。この例では、信頼性スコアデータパケットは、デバイスグループ内のコンピューティングデバイスによって、かつその他のコンピューティングデバイスによって受信され得る。いくつかの実施形態では、信頼性スコアデータパケットを送信するコンピューティングデバイスは、信頼性スコアデータパケットをサーバに送信し、次いで、サーバが、信頼性スコアデータパケットを、デバイスグループ内の他のコンピューティングデバイスに送信してもよい。サーバは、コンピューティングデバイスのローカルエリアネットワーク、又はインターネットを介してアクセス可能なネットワーク内に位置してよい。例えば、コンピューティングデバイス１０８は、信頼性スコアデータパケット１３２及びデバイスグループ１２０内のコンピューティングデバイスのリストを、サーバに送信する。サーバは、信頼性スコアデータパケット１３２をコンピューティングデバイス１０６、１１０に送信する。コンピューティングデバイスが信頼性スコアデータパケットを他のコンピューティングデバイスに送信する例では、受信を行ったコンピューティングデバイスは、自身が信頼性スコアデータパケットを受信したという確認通知を返してもよい。

【0023】

各コンピューティングデバイスは、スコア比較部を使用して、自身が受信したホットワード信頼性スコアを比較する。例えば、コンピューティングデバイス１０６は、ホットワード信頼性スコア０．８５を算出し、ホットワード信頼性スコア０．６及び０．４５を受信する。この例では、スコア比較部１３６は、３つのスコアを比較して、スコア０．８５が最高値であることを識別する。コンピューティングデバイス１０８，１１０では、スコア比較部１３８，１４０は、同様の結論に達し、コンピューティングデバイス１０６に対応するスコア０．８５が最高値であることを識別する。

【0024】

自身のホットワード信頼性スコアが最高値であると判定したコンピューティングデバイスは、ホットワードの発話に続く音声データに対して音声認識を開始する。例えば、ユーザは、「ＯＫコンピュータ」と喋ってよく、コンピューティングデバイス１０６は、自身が最高のホットワード信頼性スコアを有すると判定し得る。コンピューティングデバイス１０６は、ホットワードの後に受信するオーディオデータに対して音声認識を開始することとなる。ユーザが「アリスに電話をかけてくれ（call Alice）」と喋ったとき、コンピューティングデバイス１０６は、発話を処理して、適切なコマンドを実行することとなる。いくつかの実施形態では、ホットワードを受信することは、ホットワードを受信するコンピューティングデバイスをスリープ状態から復帰させ得る。この例では、最高のホットワード信頼性スコアを有するコンピューティングデバイスは、アウェイク状態にとどまり、一方で、最高のホットワード信頼性スコアを有しない他のコンピューティングデバイスは、ホットワードの発話に続く音声データを処理せずに、スリープ状態に移行する。

【0025】

図１に示されるように、スコア比較部１３６は、コンピューティングデバイス１０６に対応するホットワード信頼性スコアが最高値であることを識別する。したがって、デバイス状態１４２は、「アウェイク（awake）」となる。スコア比較部１３８，１４０もまた、コンピューティングデバイス１０６に対応するホットワード信頼性スコアが最高値であることを識別する。したがって、デバイス状態１３８，１４０は、「アスリープ（asleep）」となる。いくつかの実施形態では、コンピューティングデバイスの起動状態は、影響を受けなくともよい。例えば、ユーザ１０２は、コンピューティングデバイス１０８で映画を視聴しつつ、その手にコンピューティングデバイス１０６を持つことができよう。ユーザ１０２が「ＯＫコンピュータ」と喋ったとき、コンピューティングデバイス１０６は、最高のホットワード信頼性スコアを有することにより、ホットワードに続くオーディオデータに対する音声認識を開始する。コンピューティングデバイス１０８は、ホットワードに続くオーディオデータに対する音声認識を開始せず、映画を再生し続ける。

【0026】

いくつかの実施形態では、自身が最高のホットワード信頼性スコアを有すると判定したコンピューティングデバイスは、ホットワードに続く音声に対する音声認識の実行を開始する前に、特定の時間の経過を待つ。そうすることで、最高のホットワード信頼性スコアを算出したコンピューティングデバイスは、より高いホットワード信頼性スコアを待つことなく、ホットワードに続く音声に対する音声認識の実行を開始することが許される。例示として、コンピューティングデバイス１０６のスコア比較部１３６は、コンピューティングデバイス１０８，１１０からホットワード信頼性スコア０．６及び０．４５をそれぞれ受信し、ホットワード部１２４からホットワード信頼性スコア０．８５を受信する。コンピューティングデバイス１０６は、ホットワードに続く音声に対して音声認識を実行する前に、ホットワード部１２４がオーディオデータ「ＯＫコンピュータ」のホットワード信頼性スコアを算出した時点から５００ミリ秒経つのを待つ。スコア比較部がより高いスコアを受信する例では、コンピューティングデバイスは、デバイス状態を「スリープ（sleep）」に設定する前に、特定の時間の経過を待たなくてよい。例えば、コンピューティングデバイス１０８のホットワード部１２６は、ホットワード信頼性スコア０．６を算出し、ホットワード信頼性スコア０．８５及び０．４５を受信する。コンピューティングデバイス１０８は、ホットワード信頼性スコア０．８５を受信したとき、デバイス状態１４４を「スリープ」に設定できる。この場合、コンピューティングデバイス１０８は、ホットワード部１２６がホットワード信頼性スコア０．６を算出した後の特定の時間内にホットワード信頼性スコア０．８５を受信したものと考えられる。

【0027】

いくつかの実施形態では、コンピューティングデバイスは、自身が最高のホットワード信頼性スコアを有するとき、他のコンピューティングデバイスがその信頼性スコアデータパケットを受信するための時間を確保するために、特定の時間、信頼性スコアデータパケットをブロードキャストし続けてよい。この方式は、コンピューティングデバイスが別のコンピューティングデバイスから信頼性スコアデータパケットを受信したときに確認通知を返さない例において最も適切となろう。したがって、コンピューティングデバイス１０６は、信頼性スコアデータパケット１３０をデバイスグループ１１８内のコンピューティングデバイスに送信し、５００ミリ秒などの特定の時間の経過前に確認通知を受信した場合には、ホットワードに続く音声に対する音声認識の実行を開始してよい。コンピューティングデバイスが自身の信頼性スコアデータパケットをブロードキャストし、確認通知を期待しない例では、コンピューティングデバイスは、５００ミリ秒などの特定の時間が経過するか又はより高いホットワード信頼性スコアを受信するかのいずれか早い方まで、自身のホットワード信頼性スコアをブロードキャストし続けてよい。例えば、コンピューティングデバイス１１０は、ホットワード信頼性スコア０．４５を算出し、信頼性スコアデータパケット１３４のブロードキャストを開始する。３００ミリ秒が経過した後、コンピューティングデバイス１１０は、信頼性スコアデータパケット１３０を受信し、信頼性スコアデータパケット１３０からのホットワード信頼性スコア０．８５が自身のホットワード信頼性スコア０．４５よりも高いので、信頼性スコアデータパケット１３４のブロードキャストを終了する。別のブロードキャストの例では、コンピューティングデバイス１０６は、ホットワード信頼性スコア０．８５を算出し、信頼性スコアデータパケット１３０のブロードキャストを開始する。５００ミリ秒が経過した後、コンピューティングデバイス１０６は、信頼性スコアデータパケット１３０のブロードキャストを終了し、ホットワードに続く音声に対する音声認識の実行を開始する。コンピューティングデバイス１０６は、５００ミリ秒が経過する前に信頼性スコアデータパケット１３２，１３４を受信することもあるが、信頼性スコアデータパケット１３２，１３４におけるホットワード信頼性スコアは０．８５よりも低いので、コンピューティングデバイスは、５００ミリ秒が経過するまで待機し続ける。

【0028】

いくつかの実施形態では、コンピューティングデバイスは、より高いホットワード信頼性スコアを受信するまでに、ホットワードに続く音声に対する音声認識の実行を開始してもよい。ホットワード部は、ホットワード信頼性スコアを算出し、ホットワード信頼性スコアがしきい値に達している場合、コンピューティングデバイスは、ホットワードに続く音声に対して音声認識を実行する。コンピューティングデバイスは、ユーザに対して音声認識についてのいかなる表示も行うことなく、音声認識を実行してよい。これは、コンピューティングデバイスがアクティブ状態になくとも、最高のホットワードスコアを算出したことを確認するまで待機した場合よりも早く、ユーザに対して音声認識に基づく結果を表示できるという印象をユーザに与えるので、そのようにすることが望ましいだろう。一例として、コンピューティングデバイス１０６は、ホットワード信頼性スコア０．８５を算出し、ホットワードに続く音声に対する音声認識の実行を開始する。コンピューティングデバイス１０６は、信頼性スコアデータパケット１３２，１３４を受信し、ホットワード信頼性スコア０．８５が最高値であると判定する。コンピューティングデバイス１０６は、ホットワードに続く音声に対する音声認識の実行を継続し、その結果をユーザに提示する。コンピューティングデバイス１０８については、ホットワード部１２６は、ホットワード信頼性スコア０．６を算出し、コンピューティングデバイス１０８は、ユーザにデータを表示することなく、ホットワードに続く音声に対する音声認識の実行を開始する。コンピューティングデバイス１０８は、ホットワード信頼性スコア０．８５を含む信頼性スコアデータパケット１３０を受信すると、音声認識の実行を終了する。ユーザに対していかなるデータも表示されず、ユーザは、あたかもコンピューティングデバイス１０８が「スリープ」状態にとどまっているような印象を受ける。

【0029】

いくつかの実施形態では、ホットワードが発せられた後のいかなる待ち時間も回避するために、スコアは、ホットワードの終端よりも前に、例えば、部分的なホットワードに対して、ホットワード部から通知されてよい。例えば、ユーザが「ＯＫコンピュータ（OK computer）」と喋ると、コンピューティングデバイスは、ユーザが「ＯＫコンピュ（OK comp）」と喋り終えた時点で、部分的なホットワード信頼性スコアを算出してよい。次いで、コンピューティングデバイスは、部分的なホットワード信頼性スコアを他のコンピューティングデバイスと共有してよい。最高の部分的なホットワード信頼性スコアを有するコンピューティングデバイスが、ユーザの会話の処理を継続できる。

【0030】

いくつかの実施形態では、コンピューティングデバイスは、ホットワード信頼性スコアがしきい値に達していると判定した場合に、例えば、特定の周波数又は周波数パターンの、可聴の又は不可聴の音を発してよい。音は、コンピューティングデバイスがホットワードに続くオーディオデータの処理を継続しようとすることを、他のコンピューティングデバイスに知らせるであろう。他のコンピューティングデバイスは、この音を受信して、オーディオデータを処理しなくなるであろう。例えば、ユーザが「ＯＫコンピュータ」と喋る。複数のコンピューティングデバイスのうちの１つが、しきい値を超えるか又はそれに等しいホットワード信頼性スコアを算出する。コンピューティングデバイスは、ホットワード信頼性スコアがしきい値を超えるか又はそれに等しいと判定すると、１８キロヘルツの音を発する。ユーザの近くにある他のコンピューティングデバイスは、ホットワード信頼性スコアを算出中であってよく、その音を受信したときに、ホットワード信頼性スコアの計算の半ばであってよい。他のコンピューティングデバイスは、その音を受信したとき、ユーザの会話を処理することをやめる。いくつかの実施形態では、コンピューティングデバイスは、可聴の又は不可聴の音の中にホットワード信頼性スコアを符号化してよい。例えば、ホットワード信頼性スコアが０．５である場合、コンピューティングデバイスは、スコア０．５を符号化した周波数パターンを含む可聴の又は不可聴の音を生成し得る。

【0031】

いくつかの実施形態では、コンピューティングデバイスは、異なるオーディオ測定法を使用して、ユーザの会話を処理し続けるためのコンピューティングデバイスを選択してよい。例えば、コンピューティングデバイスは、音の大きさを用いて、どのコンピューティングデバイスがユーザの会話を処理し続けるかを決定してよい。最も大きい音の会話を検出したコンピューティングデバイスは、ユーザの会話を処理し続けてよい。別の例では、現在使用されているか又はアクティブなディスプレイを有するコンピューティングデバイスは、ホットワードを検出したときに、ユーザの会話を処理し続けることを他のコンピューティングデバイスに通知してよい。

【0032】

いくつかの実施形態では、ユーザが喋っているときにユーザの近くにある各コンピューティングデバイスは、オーディオデータを受信し、そのオーディオデータをサーバに送信して、音声認識を向上させる。各コンピューティングデバイスは、ユーザの会話に対応するオーディオデータを受信できる。ユーザにはただ１つのコンピューティングデバイスが自身の会話を処理するように見えるとしても、各コンピューティングデバイスが、オーディオデータをサーバに送信してよい。次いで、サーバは、各コンピューティングデバイスから受信したオーディオデータを使用して、同一の発話に対応する異なるオーディオサンプルを比較できるので、音声認識を向上させることができる。例えば、ユーザは、「ＯＫコンピュータ、牛乳を買うことをリマインドしてくれ（OK computer, remind me to buy milk）」と喋る。ユーザが「ＯＫコンピュータ」と喋り終えると、近くのコンピューティングデバイスらは、おそらくは、どのコンピューティングデバイスが最高のホットワード信頼性スコアを有するかを判定し、そのコンピューティングデバイスは、ユーザが「牛乳を買うことをリマインドしてくれ」と喋ると、それらの言葉を処理して、応答を返すこととなる。他のコンピューティングデバイスもまた、「牛乳を買うことをリマインドしてくれ」という発話を受信する。他のコンピューティングデバイスは、「牛乳を買うことをリマインドしてくれ」という発話に応答しないとしても、「牛乳を買うことをリマインドしてくれ」に対応するオーディオデータをサーバに送信してよい。「牛乳を買うことをリマインドしてくれ」に応答するコンピューティングデバイスもまた、そのオーディオデータをサーバに送信してよい。サーバは、オーディオデータを処理して、同一の「牛乳を買うことをリマインドしてくれ」という発話に対応する、異なるコンピューティングデバイスからの異なるオーディオサンプルを有するので、音声認識を向上させることができる。

【0033】

図２は、ホットワード検出のためのプロセス２００の一例を示す図である。プロセス２００は、図１におけるコンピューティングデバイス１０８のようなコンピューティングデバイスによって実行されてよい。プロセス２００は、発話がホットワードを含む可能性に対応する値を算出し、その値を、他のコンピューティングデバイスによって算出された別の値と比較して、ホットワードの後の発話の部分に対して音声認識を実行するか否かを判定する。

【0034】

コンピューティングデバイスは、発話に対応するオーディオデータを受信する（２１０）。ユーザが発話を行い、コンピューティングデバイスのマイクロフォンが、発話のオーディオデータを受信する。コンピューティングデバイスは、オーディオデータのバッファリング、フィルタリング、エンドポインティング、及びデジタイジングによって、そのオーディオデータを処理する。一例として、ユーザが「ＯＫコンピュータ」と発話し、コンピューティングデバイスのマイクロフォンが「ＯＫコンピュータ」に対応するオーディオデータを受信する。コンピューティングデバイスのオーディオサブシステムは、コンピューティングデバイスによるさらなる処理のために、そのオーディオデータをサンプリングし、バッファし、フィルタし、終端を決定する。

【0035】

コンピューティングデバイスは、発話がホットワードを含む可能性に対応する第１の値を決定する（２２０）。コンピューティングデバイスは、発話のオーディオデータを、ホットワードを含むオーディオサンプルのグループと比較することによって、又は発話のオーディオデータのオーディオ特性を解析することによって、ホットワード信頼性スコアと称され得る第１の値を決定する。第１の値は、ゼロから１の範囲に正規化されてよく、ここで、１は、発話がホットワードを含む最も高い可能性を示す。いくつかの実施形態では、コンピューティングデバイスは、第２のコンピューティングデバイスを識別し、第２のコンピューティングデバイスが、ホットワードを含む発話に応答するように構成され、ホットワードに反応するようにユーザによって設定されていることを判定する。ユーザは、コンピューティングデバイスと第２のコンピューティングデバイスとの両方にログインしてよい。コンピューティングデバイスと第２のコンピューティングデバイスとの両方が、ユーザの声に応答するように構成されてもよい。コンピューティングデバイス及び第２のコンピューティングデバイスは、同一のローカルエリアネットワークに接続されてよい。コンピューティングデバイス及び第２のコンピューティングデバイスは、いずれも、ＧＰＳ又は信号強度によって決定されるような、１０メートルなどの互いに特定の距離内に位置し得る。例えば、コンピューティングデバイスは、短距離無線通信によって通信してよい。コンピューティングデバイスは、第２のコンピューティングデバイスによって送信される信号の強度を、５ｄＢｍなどと検出し、それを５メートルなどの対応する距離に変換してよい。

【0036】

コンピューティングデバイスは、発話がホットワードを含む可能性に対応する第２の値を受信し、第２の値は、第２のコンピューティングデバイスによって決定される（２３０）。第２のコンピューティングデバイスは、自身第のマイクロフォンを介して発話を受信する。第２のコンピューティングデバイスは、発話に対応する受信したオーディオデータを処理して、第２の値又は第２のホットワード信頼性スコアを決定する。第２のホットワード信頼性スコアは、第２のコンピューティングデバイスによって算出されるような、発話がホットワードを含む可能性を表している。いくつかの実施形態では、コンピューティングデバイスは、以下の技術のうちの１つ又は複数を用いて、第１の値を第２のコンピューティングデバイスに送信する。すなわち、コンピューティングデバイスは、インターネットを介してアクセス可能なサーバを介して、ローカルエリアネットワークに位置するサーバを介して、又はローカルエリアネットワーク若しくは短距離無線通信を直接介して、第１の値を第２のコンピューティングデバイスに送信し得る。コンピューティングデバイスは、第１の値を第２のコンピューティングデバイスだけに送信してよく、又はコンピューティングデバイスは、他のコンピューティングデバイスもまた第１の値を受信し得るよう、第１の値をブロードキャストしてもよい。コンピューティングデバイスは、第１の値を送信したコンピューティングデバイスと同一の又は異なる技術を用いて、第２のコンピューティングデバイスから第２の値を受信してよい。

【0037】

いくつかの実施形態では、コンピューティングデバイスは、発話に対する音量スコア又は発話に対する信号対雑音比を算出してよい。コンピューティングデバイスは、音量スコア、信号対雑音比、及びホットワード信頼性スコアを結合して、他のコンピューティングデバイスからの同様の値と比較するための新たな値を決定してよい。例えば、コンピューティングデバイスは、ホットワード信頼性スコア及び信号対雑音比を算出してよい。次いで、コンピューティングデバイスは、これら２つのスコアを結合して、他のコンピューティングデバイスで同様に算出されたスコアと比較してよい。いくつかの実施形態では、コンピューティングデバイスは、さまざまなスコアを算出して、各スコアを比較のために他のコンピューティングデバイスに送信してよい。例えば、コンピューティングデバイスは、発話に対する音量スコア及びホットワード信頼性スコアを算出してよい。次いで、コンピューティングデバイスは、これらのスコアを比較のために他のコンピューティングデバイスに送信してよい。

【0038】

いくつかの実施形態では、コンピューティングデバイスは、第１の値と共に第１の識別子を送信してよい。識別子は、コンピューティングデバイスのアドレスのうちの１つ又は複数、ユーザによって与えられたコンピューティングデバイスの名前、又はコンピューティングデバイスの位置に基づいてよい。例えば、識別子は、「69.123.132.43」又は「ｐｈｏｎｅ」であってよい。同様に、第２のコンピューティングデバイスは、第２の値と共に第２の識別子を送信してよい。いくつかの実施形態では、コンピューティングデバイスは、ホットワードに応答するように構成されているものとして以前に識別されたコンピューティングデバイスである特定のコンピューティングデバイスに第１の識別子を送信してよい。例えば、コンピューティングデバイスは、第２のコンピューティングデバイスがホットワードに応答可能であることに加えて、同一のユーザが当該コンピューティングデバイスと同じように第２のコンピューティングデバイスにログインしているので、ホットワードに応答するように構成されているものとして第２のコンピューティングデバイスを以前に識別していてよい。

【0039】

コンピューティングデバイスは、第１の値と第２の値とを比較する（２４０）。次いで、コンピューティングデバイスは、比較の結果に基づいて、オーディオデータに対する音声認識処理を開始する（２５０）。いくつかの実施形態では、例えば、コンピューティングデバイスは、第１の値が第２の値よりも大きいか又はそれに等しいときに、音声認識を開始する。ユーザが「ＯＫコンピュータ、キャロルに電話をかけてくれ（OK computer, call Carol）」と喋った場合、コンピューティングデバイスは、第１の値が第２の値よりも大きいか又はそれに等しいので、「キャロルに電話をかけてくれ」に対する音声認識を実行することによって、「キャロルに電話をかけてくれ」の処理を開始するであろう。いくつかの実施形態では、コンピューティングデバイスは、起動状態を設定する。第１の値が第２の値よりも大きいか又はそれに等しい例では、コンピューティングデバイスは、起動状態をアクティブ又は「アウェイク」として設定する。「アウェイク」状態では、コンピューティングデバイスは、音声認識の結果を表示する。

【0040】

いくつかの実施形態では、コンピューティングデバイスは、第１の値と第２の値とを比較して、第１の値が第２の値よりも小さいと判定する。コンピューティングデバイスは、第１の値が第２の値よりも小さいと判定したことに基づいて、起動状態を非アクティブ又は「スリープ」として設定する。「スリープ」状態では、コンピューティングデバイスは、アクティブ化されるか又はオーディオデータを処理するために、ユーザに対して現れない。

【0041】

いくつかの実施形態では、コンピューティングデバイスは、第１の値が第２の値よりも大きいか又はそれに等しいと判定したとき、起動状態をアクティブに設定する前に、特定の時間だけ待ってよい。コンピューティングデバイスは、特定の時間だけ待って、自身が他のコンピューティングデバイスからより高い値を受信しない可能性を高めてよい。特定の時間は、固定であってよく、又はコンピューティングデバイスが値を送信及び受信する技術に応じて変化してもよい。いくつかの実施形態では、コンピューティングデバイスは、第１の値が第２の値よりも大きいか又はそれに等しいと判定したとき、特定の時間、第１の値を送信し続けてよい。特定の時間、第１の値を送信し続けることにより、コンピューティングデバイスは、第１の値が他のコンピューティングデバイスによって受信される確率を高める。第１の値が第２の値よりも小さいとコンピューティングデバイスが判定する例では、コンピューティングデバイスは、第１の値を送信することを中止してよい。

【0042】

いくつかの実施形態では、コンピューティングデバイスは、ホットワードに続くコマンドを実行するか否かを判定する際に、追加的な情報を考慮してよい。追加的な情報の一例は、ホットワードに続く発話の部分であってよい。典型的に、ホットワードに続くオーディオデータは、「サリー電話をかけてくれ（call Sally）」、「ハロウィンの映画を再生してくれ（play Halloween Movie）」、又は「温度を華氏７０度に設定してくれ（set heat to 70 degrees）」といった、コンピューティングデバイスに対するコマンドに対応する。コンピューティングデバイスは、そのタイプのリクエストを取り扱うか又はそのリクエストを取り扱うことができる、典型的なデバイスを識別し得る。典型的に、誰かに電話をかけるというリクエストは、予めプログラムされた典型的な使用法に基づいて、又はデバイスのユーザの使用パターンに基づいて、電話器によって取り扱われるであろう。ユーザが決まってタブレットで映画を観る場合、タブレットは、映画を再生するというリクエストを取り扱い得る。サーモスタットが温度調節機能を有する場合、サーモスタットは、温度調節を取り扱い得る。

【0043】

コンピューティングデバイスがホットワードに続く発話の部分を考慮するためには、コンピューティングデバイスは、ホットワードを識別したであろうとき、オーディオデータに対する音声認識を開始しなければならないであろう。コンピューティングデバイスは、発話のコマンド部分を分類し、そのような分類におけるコマンドの頻度を算出してよい。コンピューティングデバイスは、その頻度をホットワード信頼性スコアと共に他のコンピューティングデバイスに送信してよい。各コンピューティングデバイスは、頻度及びホットワード信頼性スコアを用いて、ホットワードに続くコマンドを実行するか否かを判定してよい。

【0044】

例えば、ユーザが「ＯＫコンピュータ、マイケルジャクソンを再生してくれ（OK computer, play Michael Jackson）」と発話し、かつコンピューティングデバイスが音楽を聴くために２０パーセントの確率でユーザに使用される電話機である場合、そのコンピューティングデバイスは、その情報をホットワード信頼性スコアと共に送信してよい。音楽を聴くために５パーセントの確率でユーザに使用されるタブレットなどのコンピューティングデバイスは、その情報をホットワード信頼性スコアと共に他のコンピューティングデバイスに送信してよい。コンピューティングデバイスは、ホットワード信頼性スコアと音楽再生確率との組合せを用いて、そのコマンドを実行するか否かを判定してよい。

【0045】

図３は、明細書中に記載した技術を実施するために使用可能なコンピューティングデバイス３００及びモバイルコンピューティングデバイス３５０の一例を示す。コンピューティングデバイス３００は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、及びその他の適切なコンピュータなど、様々な形態のデジタルコンピュータを指すことを意図している。モバイルコンピューティングデバイス３５０は、パーソナルデジタルアシスタント、携帯電話器、スマートフォン、及びその他の同様のコンピューティングデバイスなど、様々な形態のモバイルデバイスを指すことを意図している。明細書中に示される複数のコンポーネント、それらの接続及び関係、並びにそれらの機能は、例示のみを目的とし、限定を意味しない。

【0046】

コンピューティングデバイス３００は、プロセッサ３０２、メモリ３０４、ストレージデバイス３０６、メモリ３０４と複数の高速拡張ポート３１０とを接続する高速インタフェース３０８、及び低速拡張ポート３１４とストレージデバイス３０６とを接続する低速インタフェース３１２を含む。プロセッサ３０２、メモリ３０４、ストレージデバイス３０６、高速インタフェース３０８、高速拡張ポート３１０、及び低速インタフェース３１２の各々は、様々なバスを用いて相互に接続され、共通のマザーボード上に又は適切に他の手法でマウントされてよい。プロセッサ３０２は、メモリ３０４に格納された又はストレージデバイス３０６上の命令を含む、コンピューティングデバイス３００内での実行のための命令を処理して、高速インタフェース３０８に接続されたディスプレイ３１６などの外部入力／出力デバイス上のＧＵＩのためのグラフィカルな情報を表示できる。別の実施形態では、複数のプロセッサ及び／又は複数のバスが、複数のメモリ及び複数のタイプのメモリと共に、適切に使用されてよい。また、複数のコンピューティングデバイスが、（例えば、サーババンク、ブレードサーバのグループ、又はマルチプロセッサシステムとして）必要な動作の部分を提供する各デバイスと接続されてもよい。

【0047】

メモリ３０４は、コンピューティングデバイス３００内に情報を格納する。いくつかの実施形態では、メモリ３０４は、１つ又は複数の揮発性メモリユニットである。いくつかの実施形態では、メモリ３０４は、１つ又は複数の不揮発性メモリユニットである。また、メモリ３０４は、磁気又は光ディスクなど、別の形態のコンピュータ読み取り可能な媒体であってよい。

【0048】

ストレージデバイス３０６は、コンピューティングデバイス３００のための大容量ストレージを提供できる。いくつかの実施形態では、ストレージデバイス３０６は、ストレージエリアネットワーク又はその他の構成中のデバイスを含む、フロッピー（登録商標）ディスクデバイス、ハードディスクデバイス、光ディスクデバイス、若しくはテープデバイス、フラッシュメモリ若しくは他の同様のソリッドステートメモリデバイス、又はデバイスの配列などのコンピュータ読み取り可能な媒体であってよく、又はそれらを包含してもよい。命令は、情報キャリアに格納されてよい。命令は、１つ又は複数の処理デバイス（例えば、プロセッサ３０２）によって実行されたとき、先に記載されたものなどの１つ又は複数の方法を実行する。また、命令は、コンピュータ読み取り可能な又は機械読み取り可能な媒体（例えば、メモリ３０４、ストレージデバイス３０６、又はプロセッサ３０２上のメモリ）などの１つ又は複数のストレージデバイスによって格納されてよい。

【0049】

高速インタフェース３０８は、コンピューティングデバイス３００のための帯域集約的な動作を管理し、一方、低速インタフェース３１２は、より低い側の帯域集約的な動作を管理する。このような機能の割当ては一例にすぎない。いくつかの実施形態では、高速インタフェース３０８は、メモリ３０４に、（例えば、グラフィックプロセッサ又はアクセラレータを介して）ディスプレイ３１６に、及びさまざまな拡張カード（図示せず）を受け入れ可能な高速拡張ポート３１０に接続される。この実施形態では、低速インタフェース３１２は、ストレージデバイス３０６及び低速拡張ポート３１４に接続される。さまざまな通信ポート（例えば、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｅｔｈｅｒｎｅｔ（登録商標）、ワイヤレスＥｔｈｅｒｎｅｔ）を含み得る低速拡張ポート３１４は、キーボード、ポインティングデバイス、スキャナ、又は、例えばネットワークアダプタを介する、スイッチ若しくはルータのようなネットワーキングデバイスなど、１つ又は複数の入力／出力デバイスに接続されてよい。

【0050】

コンピューティングデバイス３００は、図に示されるように、複数の異なる形態で実施され得る。例えば、コンピューティングデバイス３００は、標準的なサーバ３２０又はそのようなサーバのグループを複数含むものとして実施されてよい。さらに、コンピューティングデバイス３００は、ラップトップコンピュータ３２２などのパーソナルコンピュータとして実施されてもよい。また、コンピューティングデバイス３００は、ラックサーバシステム３２４の一部として実施されてもよい。あるいは、コンピューティングデバイス３００中のコンポーネントは、モバイルコンピューティングデバイス３５０などのモバイルデバイス（図示せず）中の他のコンポーネントと組み合わされてもよい。そのようなデバイスの各々は、コンピューティングデバイス３００とモバイルコンピューティングデバイス３５０とのうちの１つ又は複数を包含してよく、システム全体は、互いに通信を行う複数のコンピューティングデバイスから成ってよい。

【0051】

モバイルコンピューティングデバイス３５０は、数あるコンポーネントの中でも特に、プロセッサ３５２と、メモリ３６４と、ディスプレイ３５４などの入力／出力デバイスと、通信インタフェース３６６と、送受信器３６８とを含む。また、モバイルコンピューティングデバイス３５０は、追加的なストレージを提供するために、マイクロドライブ又はその他のデバイスなどのストレージデバイスが提供されよい。プロセッサ３５２、メモリ３６４、ディスプレイ３５４、通信インタフェース３６６、及び送受信器３６８の各々は、様々なバスを用いて相互に接続され、コンポーネントのうちのいくつかは、共通のマザーボード上に又は適切に他の手法でマウントされてよい。

【0052】

プロセッサ３５２は、メモリ３６４に格納された命令を含む、モバイルコンピューティングデバイス３５０内の命令を実行できる。プロセッサ３５２は、別個の又は複数のアナログ及びデジタルプロセッサを含むチップのチップセットとして実施されてよい。プロセッサ３５２は、例えば、ユーザインタフェースのコントロール、モバイルコンピューティングデバイス３５０によるアプリケーションの実行、及びモバイルコンピューティングデバイス３５０によるワイヤレス通信など、モバイルコンピューティングデバイス３５０の他のコンポーネントの協調のために提供されてよい。

【0053】

プロセッサ３５２は、コントロールインタフェース３５８と、ディスプレイ３５４に接続されたディスプレイインタフェース３５６とを介して、ユーザとやりとりしてよい。ディスプレイ３５４は、例えば、ＴＦＴ ＬＣＤ（Thin-Film-Transistor Liquid Crystal Display）ディスプレイ若しくはＯＬＥＤ（Organic Light Emitting Diode）ディスプレイ、又はその他の適切なディスプレイ技術であってよい。ディスプレイインタフェース３５６は、ディスプレイ３５４を駆動してユーザにグラフィカルな及びその他の情報を提示するための適切な回路を含んでよい。コントロールインタフェース３５８は、ユーザからのコマンドを受信し、それをプロセッサ３５２への提出のために変換し得る。さらに、外部インタフェース３６２は、モバイルコンピューティングデバイス３５０と他のデバイスとの近接エリア通信が可能になるよう、プロセッサ３５２との通信を提供してよい。外部インタフェース３６２は、例えば、いくつかの実施形態における有線通信のために又はいくつかの実施形態におけるワイヤレス通信のために提供されてよく、また、複数のインタフェースが使用されてもよい。

【0054】

メモリ３６４は、モバイルコンピューティングデバイス３５０内に情報を格納する。メモリ３６４は、１つ若しくは複数のコンピュータ読み取り可能な媒体、１つ若しくは複数の揮発性メモリユニット、又は１つ若しくは複数の不揮発性メモリユニットのうちの１つ又は複数として実施されてよい。また、拡張メモリ３７４が、拡張インタフェース３７２を介して、モバイルコンピューティングデバイス３５０に提供され、接続されてよい。拡張インタフェース３７２は、例えば、ＳＩＭＭ（Single In Line Memory Module）カードインタフェースを含んでよい。拡張メモリ３７４は、モバイルコンピューティングデバイス３５０のために別途のストレージ空間を提供してよく、又は、モバイルコンピューティングデバイス３５０のためにアプリケーション又はその他の情報を格納してもよい。特に、拡張メモリ３７４は、先に記載したプロセスを実行又は増補するための命令を含んでよく、また、セキュアな情報を含んでよい。よって、例えば、拡張メモリ３７４は、モバイルコンピューティングデバイス３５０のためのセキュリティモジュールとして提供されてよく、モバイルコンピューティングデバイス３５０のセキュアな使用を許可する命令でプログラムされてよい。さらに、セキュアなアプリケーションが、ハッキング不可能な手法でＳＩＭＭカードに置かれた識別情報などの追加的な情報と共に、ＳＩＭＭカードを介して提供されてもよい。

【0055】

メモリは、以下に記載の通り、例えば、フラッシュメモリ及び／又はＮＶＲＡＭメモリ（Non-Volatile Random Access Memory）を含んでよい。いくつかの実施形態では、命令は、情報キャリアに格納される。命令は、１つ又は複数の処理デバイス（例えば、プロセッサ３５２）によって実行されたとき、先に記載されたものなどの１つ又は複数の方法を実行する。また、命令は、１つ又は複数のコンピュータ読み取り可能な又は機械読み取り可能な媒体（例えば、メモリ３６４、拡張メモリ３７４、又はプロセッサ３５２上のメモリ）など、１つ又は複数のストレージデバイスによって格納されてよい。いくつかの実施形態では、命令は、例えば、送受信器３６８又は外部インタフェース３６２上で伝搬される信号として受信されてよい。

【0056】

モバイルコンピューティングデバイス３５０は、通信インタフェース３６６を介してワイヤレス通信を行ってよく、必要に応じて、デジタル信号処理回路を含んでもよい。通信インタフェース３６６は、特に、ＧＳＭ（登録商標）（Global System for Mobile communications）音声通話、ＳＭＳ（Short Message Service）、ＥＭＳ（Enhanced Messaging Service）、若しくはＭＭＳ（Multimedia Messaging Service）メッセージング、ＣＤＭＡ（Code Division Multiple Access）、ＴＤＭＡ（Time Division Multiple Access）、ＰＤＣ（Personal Digital Cellular）、ＷＣＤＭＡ（登録商標）（Wideband Code Division Multiple Access）、ＣＤＭＡ２０００、又はＧＰＲＳ（General Packet Radio Service）など、様々なモード又はプロトコル下での通信を提供し得る。このような通信は、例えば、無線周波数を用いる送受信器３６８を介して行われてよい。さらに、短距離通信が、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ、又はその他の上記の送受信器（図示せず）を用いるなどして行われてもよい。さらに、ＧＰＳ（Global Positioning System）受信器モジュール３７０が、モバイルコンピューティングデバイス３５０に、追加的なナビゲーション及び位置決定に関するワイヤレスデータを提供してもよく、そのようなデータは、モバイルコンピューティングデバイス３５０上で動作するアプリケーションによって適切に使用され得る。

【0057】

また、モバイルコンピューティングデバイス３５０は、オーディオコーデック３６０を用いて可聴的に通信を行ってよく、ユーザの発した情報を受信して、使用に適したデジタル情報に変換し得る。オーディオコーデック３６０は、スピーカ、例えば、モバイルコンピューティングデバイス３５０のハンドセットのスピーカを介すなどして、ユーザに対する可聴音を生成してよい。そのような音は、音声電話呼からの音を含んでよく、記録された音（例えば、音声メッセージ、音楽ファイル等）を含んでもよく、また、モバイルコンピューティングデバイス３５０上で動作するアプリケーションによって生成される音を含んでもよい。

【0058】

モバイルコンピューティングデバイスデバイス３５０は、図示されるように、複数の異なる形態で実施されてよい。例えば、携帯電話器３８０として実施されてよい。また、スマートフォン３８２、ＰＤＡ、又はその他の同様のモバイルデバイスとして実施されてもよい。

【0059】

明細書中に記載されたシステム及び技術の様々な実施形態は、デジタル電子回路、集積回路、専用設計された特定用途向け集積回路（ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組合せとして実現されてよい。これらの様々な実施形態は、少なくとも１つのプログラム可能プロセッサを含むプログラム可能システム上で実行可能な及び／又は解釈可能な１つ又は複数のコンピュータプログラムとしての実施を含んでよい。プログラム可能システムは、専用又は汎用のものであってよく、ストレージシステム、少なくとも１つの入力デバイス、及び少なくとも１つの出力デバイスからデータ及び命令を受信するように、かつそれらにデータ及び命令を送信するように接続がなされる。

【0060】

（プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとしても知られる）これらのコンピュータプログラムは、プログラム可能プロセッサのための機械語命令を含み、高級手続き型及び／若しくはオブジェクト指向プログラミング言語、並びに／又は、アセンブリ／機械語言語によって実装されてよい。明細書中で用いられるように、機械読み取り可能な媒体及びコンピュータ読み取り可能な媒体という用語は、機械語命令を機械読み取り可能な信号として受信する機械読み取り可能な媒体を含む、プログラム可能プロセッサに機械語命令及び／又はデータを提供するために使用される任意のコンピュータプログラム製品、装置、及び／又はデバイス（例えば、磁気ディスク、光ディスク、メモリ、プログラマブル・ロジック・デバイス（ＰＬＤ））を指す。機械読み取り可能な信号という用語は、プログラム可能プロセッサに機械語命令及び／又はデータを提供するために使用される任意の信号を指す。

【0061】

ユーザとの対話を提供するために、明細書中に記載されたシステム及び技術は、ユーザに情報を表示するための表示デバイス（例えば、陰極線管（ＣＲＴ）又は液晶ディスプレイ（ＬＣＤ）モニタ）と、ユーザがコンピュータに入力を提供できるキーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを備えたコンピュータ上で実施されてよい。ユーザとの対話を提供するために他の種類のデバイスが使用されてよく、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚性フィードバック（例えば、視覚的フィードバック、聴覚的フィードバック、又は触覚的フィードバック）であってよく、ユーザからの入力は、音響的、音声的、又は触覚的入力を含む任意の形態で受け取られてよい。

【0062】

明細書中に記載されたシステム及び技術は、バックエンドコンポーネント（例えば、データサーバ）を含む、又はミドルウェアコンポーネント（例えば、アプリケーションサーバ）を含む、又はフロントエンドコンポーネント（例えば、ユーザが明細書中に記載されたシステム及び技術の実施形態と対話可能なグラフィカルユーザインタフェース又はウェブブラウザを備えたクライアントコンピュータ）を含む、又はそのようなバックエンド、ミドルウェア、若しくはフロントエンドコンポーネントの任意の組合せである、コンピューティングシステムとして実施されてよい。システムの構成要素は、任意の形態又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によって相互に接続されてよい。通信ネットワークの例には、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、及びインターネットが含まれる。

【0063】

コンピューティングシステムは、クライアントとサーバとを含んでよい。クライアントとサーバとは、一般に、互いに離れて位置しており、典型的に、通信ネットワークを介して対話を行う。クライアントとサーバとの関係は、各自のコンピュータ上で動作し、かつ互いにクライアント−サーバ関係を有するコンピュータプログラムの働きによって生じる。

【0064】

以上、いくつかの実施形態が詳細に説明されたが、その他の修正形態を考えることもできる。例えば、クライアントアプリケーションが（複数の）代表局にアクセスするように説明されたが、別の実施形態においては、（複数の）代表局が、１つ又は複数のサーバ上で動作するアプリケーションなど、１つ又は複数のプロセッサによって実行される他のアプリケーションによって利用されてよい。さらに、図示された論理フローは、望ましい結果を得るために、記載された通りの順序又は順番を要しない。さらに、示されたフローに他の動作が提供されてよく、又は示されたフローから動作が除去されてもよい。また、示されたシステムに他の構成要素が追加されてよく、又は示されたシステムから構成要素が取り除かれてもよい。したがって、他の実施形態は、添付の特許請求の範囲内にある。

【符号の説明】

【0065】

１００ システム
１０２ ユーザ
１０４ 発話
１０６，１０８，１１０ コンピューティングデバイス
１１２，１１４，１１６ デバイス識別子（ＩＤ）
１１８，１２０，１２２ デバイスグループ
１２４，１２６，１２８ ホットワード部
１３０，１３２，１３４ 信頼性スコアデータパケット
１３６，１３８，１４０ スコア比較部
１４２，１４４，１４６ デバイス状態
３００ コンピューティングデバイス
３０２ プロセッサ
３０４ メモリ
３０６ ストレージデバイス
３０８ 高速インタフェース
３１０ 高速拡張ポート
３１２ 低速インタフェース
３１４ 低速拡張ポート
３１６ ディスプレイ
３２０ サーバ
３２４ ラックサーバシステム
３５０ モバイルコンピューティングデバイス
３５２ プロセッサ
３５４ ディスプレイ
３５６ ディスプレイインタフェース
３５８ コントロールインタフェース
３６０ オーディオコーデック
３６２ 外部インタフェース
３６４ メモリ
３６６ 通信インタフェース
３６８ 送受信器
３７０ ＧＰＳ受信器モジュール
３７２ 拡張インタフェース
３７４ 拡張メモリ
３８０ 携帯電話器
３８２ スマートフォン

【図1】

【図2】

【図3】