発明が解決しようとする課題[発明の詳細な説明]から抜粋

音声対応システムについて、ユーザがシステムと対話する方法は、音声入力だけではないにしても、主に音声入力によるように設計されている。その結果、システムは、システムに向けられていないものを含めて周囲の環境で行われたすべての発話を拾う可能性があるが、たとえば、その環境に存在する個人に向けられたときに対して、特定の発話がシステムに向けられたときを区別する何らかの方法を有さなければならない。これを達成する1つの方法はホットワードを用いることであるが、これは、その環境におけるユーザ間の合意によって、システムの注意を喚起するために話される所定の単語として予約されるものである。一例の環境において、システムの注意を喚起するために用いられるホットワードは「OK computer(オッケー、コンピュータ)」という言葉である。その結果、「OK computer(オッケー、コンピュータ)」という言葉が話されるたび、これがマイクロフォンによって拾われ、システムに伝えられ、システムは、音声認識技術を実行し、またはオーディオ特徴およびニューラルネットワークを用いて、ホットワードが話されたかどうかを判断し、もしそうであれば、次のコマンドまたはクエリを待つ。したがって、システムに向けられた発話は一般的な形態[HOTWORD(ホットワード)][QUERY(クエリ)]を取り、この例における「HOTWORD(ホットワード)」は「OK computer(オッケー、コンピュータ)」であり、「QUERY(クエリ)」は、システムによって、単独で、またはネットワークを介してサーバと連携して、音声認識、解析および実行され得る任意の質問、コマンド、宣言、または他の要求であり得る。

課題を解決するための手段[発明の詳細な説明]から抜粋

本明細書に記載の主題の特定の以下の利点の1つまたは複数を実現するように実装することができる。ホットワードを話すことによってシステムとの対話を開始しなかったユーザからの音声により、対話を実際に開始したユーザの音声が不明瞭になることがある。したがって、対話を開始しなかったユーザの音声の送信を抑制することは、送信されたオーディオデータによって表される音声が不明瞭または難解になり、その結果、システムによって誤解されることが起こるのを減らすのに役立ち得る。したがって、送信されたオーディオデータがコマンドまたはクエリ(たとえばデジタルアシスタントに対する)を表す実装形態において、対話を開始しなかったユーザの音声の送信を抑制することにより、不適切な応答が提供される、または不適切なアクションが実行される事例を減らすことができる。加えて、ユーザの音声がシステムのマイクロフォンによって検出されるが、ユーザがシステムとの対話を開始するホットワードを話さなかったとき、ユーザのプライバシーを保護することができる。システムは、ホットワードを話すことによってシステムとの対話を開始しないユーザからの音声を削除することができる。換言すれば、居合わせた人の音声がマイクロフォンによって検出されるが、その人がシステムと明示的に対話するホットワードを話さなかったとき、その居合わせた人のプライバシーを保護する機会がある。システムは、ホットワードを話すことによってシステムとの対話を開始しない、居合わせた人たちからの音声を削除することができる。 本明細書に記載の主題の1つまたは複数の実施形態の詳細を、添付の図面および以下の説明に記載する。本主題の他の特徴、態様、および利点は、本説明、図面、および特許請求の範囲から明らかになるであろう。