ウェイクワード

どちらも常時待ち受けるもので、どちらも小さなモデルを使いますが、答える問いが違います。ウェイクワードの検出器は「今のは自分のフレーズか？」と問い、それ以外はすべて無音として扱います。音声区間検出器は「そもそも話し声か？」と問い、すべての発話を音声入力の候補として扱います。前者は眠っているデバイスを起こすためのもので、後者はすでに聞くよう指示したツールのためのものです。

ウェイクワードの検出器は、フレーズを捉えるためにすべてを聞く必要があります。だからこそ、常時待ち受ける製品について問うべきは、フレーズではないと判断した音声がどうなるかです。よくできたデバイスでは、その音声はすぐにデバイス上で破棄されます。スマートスピーカーをめぐって繰り返し報じられる問題は、ウェイクワードの直後に音声がサーバへ送られる瞬間と、誤起動によって誰も送るつもりのなかった音声が送られることから生じています。

Macに組み込まれているウェイクワード機能は1つで、それはSiriのものです。Appleによると、「Hey Siri」や「Siri」はデバイス、言語、地域によっては利用できないため、以下のオプションがすべて表示されるとは限りません。

1. 01 Macで「システム設定」アプリを開きます。
2. 02 サイドバーでSiriの設定をクリックします。macOSのバージョンによって、項目名は「Siri」または「Apple IntelligenceとSiri」です。
3. 03 Siriが聞き取るフレーズの設定を探します。
4. 04 Siriを起動するときに話すフレーズとして、「Hey Siri」か「Siri」を選択します。
5. 05 「ロック中にSiriを許可」をオンにするかどうかを決めます。オンにすると、Macがロック中やスリープ中でもそのフレーズが使えます。
6. 06 いつも座っている場所からフレーズを言って、反応することを確認します。

Appleの機械学習チームは、iPhoneの「Hey Siri」検出器についての解説を公開しており、一般的な設計をよく表しています。ごく小さな音声認識器が常に動いていて、その2語だけを聞き取ります。入ってくる音を、そのフレーズが話されたことの確信度スコアに変換します。

確認は2段階で行われます。まず、常時動作する低消費電力のプロセッサが小さなモデルを実行します。スコアがしきい値を超えると、メインプロセッサを起こし、より大きなモデルで同じ音をもう一度確認します。設定時にはフレーズを何度か言うので、検出器はその後の発話をあなたの声と比べることができます。

どのウェイクワード検出器も、結局は確信度スコアに対するしきい値で決まります。低く設定すると、似た音に聞こえるだけのフレーズでもデバイスが起動します。高く設定すると、話しかけても無視されます。エンジニアはこの2種類の誤りを別々に測ります。誤受理率は1時間あたりの誤起動の回数で、誤棄却率は実際の呼びかけのうち失敗した割合です。

Appleは、このトレードオフを和らげる方法の1つを説明しています。スコアがしきい値をわずかに下回ったとき、システムは数秒間だけ感度を上げるので、フレーズを繰り返すと無理なく反応します。ウェイクワードを2回目に言うとうまくいくことが多いのはこのためです。