どうも。ひがし（Twitter：@m_higa4）です。 VUI（Voice User Interface）の未来に魅力を感じ、色々勉強中です。 さて、Google HomeやAmazon Echoが日本で発売されて以来、サードパーティ（GoogleやAmazon以外の会社）によるVUIアプリ（声を使って操作するアプリ）の開発がどんどん進んでいますね！ 今日は自分がリリースしたアプリが、1週間どのように使われたかを共有することで、みなさんのアプリ企画に対する考えの幅を広げるきっかけになればと思っています。 一瞬だけど、ちょっとバズりました Google Home用アプリ（正確には「アクション」）である"運命のコイントス"をリリースしました。 レストランとかで何にしようか迷っていると、大体二択までは絞れるんですけど、そこから結構迷いません？（笑） そんな時に、このアプリを使えば、コイントスで

「特集：はじめてのAlexaスキル開発」 前回はAWS Toolkit for Visual Studioを使用して、Alexaのスキルから呼び出されるAWS Lambda関数をC#で実装した。今回は、もう少し実践的な話として、ユーザーとの対話の中で、いわゆる「変数」に相当する「スロット」を使う方法と、1つのセッションの中で情報を保持して、使い回す方法を取り上げる*1。 なお、スロットとセッションはAlexaスキルで一般的に使われる概念で、C#におけるAlexaスキル開発に特有の事項ではないのだが、今回もAWS Toolkit for Visual Studio（以下、AWS Toolkit）とAlexa.NETパッケージを使って、Visual Studio（以下、VS）とC#でAWS Lambda関数（以下、Lambda関数）を実装している。 まずは簡単にスロットの概要と、1つのセッショ

飲食店を運営するロイヤルダイニングとアプリ開発を行うヘッドウォータースは3月19日、居酒屋にスマートスピーカー（Amazon Echo Dot）を設置し、音声でメニューの注文を行う実証実験を開始した。場所は東京都渋谷区にある「天空の月　渋谷」。「Alexaオーダー席」を予約すると体験できる。 「Alexa、飲み物メニューを開いて」と呼び掛けると、「はい、飲み物の種類と個数を教えてください」とAlexaが反応。Alexa向けのメニューから飲み物を選び、「ロックの1番」と伝えると、「ご注文は、黒七夕芋のロックを1杯です。注文を確定する場合は『以上で』とお伝えください。次のご注文をどうぞ」などと確認をしてくれる。注文内容は厨房スタッフにチャットで通知される。 オーダー途中に注文をキャンセルしたり、変更したりすることも可能。「やっぱやめた」「メニューや個数の変更」と言うと、対応してくれる。 また、

会話が見える！　世界最速の「リアルタイム字幕」にびっくり：水曜インタビュー劇場（瞬時公演）（1/5 ページ） 「UDトーク」というアプリをご存じだろうか。目の前の会話が次々に字幕になるサービスだが、その仕組みはどうなっているのか？　アプリを開発した青木秀仁さんに聞いたところ……。 2月某日、幕張メッセ（千葉市）。記事のネタを探すために、記者はとあるセミナーを聴講していたところ、大きなモニターに釘付けとなった。 モニターには、登壇者の発言がリアルタイムで文字になって映し出されていたのだ。「ITmedia ビジネスオンラインって最高ね」と発言すると、瞬時に「ITmedia ビジネスオンラインって最高ね」と表示される。それだけではない。日本語の横で、英語のスペルも次々に並んでいたのだ。 よーく見ると、ところどころで“おかしな日本語”も登場する。例えば、「ITmedia ビジネスオンラインって再考

情報管理LOGの@yoshinonです。 最近は、音声入力の可能性を色々探っています。 だから、情報管理LOGでは、最近音声入力関係の記事が多くなりがちです。とはいえ、現在とても熱い分野だと思っているので、どうしても記事にも熱が入ってしまいます。 さて今回は、私が音声入力で文章作成をするにあたって、現在一番最強だと思う方法について書いてみます。これをやると、他の方法がだるく感じるレベルです。それでは、早速紹介いたします。 ※追記：ここ最近の記事は、全てこの方法で書かれています。 ※追記２：たくさんのはてなブックマークありがとうございます。たくさんの質問＆疑問いただきましたので、それに答えるエントリー(どうして「iPhoneの音声入力とGoogleドキュメントなのか？」についてのＱ＆Ａ)をアップいたしました。（2017/02/13） iOSの音声入力もなかなか優秀なのですが他にもいろいろ試し

音声検索はスマートスピーカーで追い風に Google Home や Amazon Echo のようなスマートスピーカーの登場をきっかけに、音声入力／音声検索がにわかに脚光を浴びています。 Google は2008年にはモバイル用アプリとして音声検索を導入（日本語版は2009年）しており、音声入力がブレイクするきっかけとなったAppleの「Siri」も日本語対応は2012年で、既に登場から一定以上の時間が経過しています。現在ではスマートフォンでの音声入力は基本機能として実装（Androidであれば2014年から）されていて精度も高く、長い時間をかけて研究と普及が進められてきた音声検索は、方法としては突然現れた目新しいものではなく、徐々に時間をかけて世の中に浸透していった感があります。 おそらくは、音声のみを前提としたデバイスの華々しい登場が、マーケットの眼を強制的に音声入力の可能性へ向かわせ

はじめに うちには幼稚園に通う子供がいます。「バス来ちゃうよ、ご飯急いで！」「遅れちゃうよ、早くトイレに行ってきて！」そんなやり取りが繰り返される毎日。少しだけ険悪なムードになることもあって、はぁ、なんだか朝から嫌だなぁ...。 と、Google Homeで任意の言葉を読み上げることができると知った妻より「これ、使えないの？」との発言。人に指摘されるのを嫌うのは、幼稚園児だって同じはず。ナイスアイデア！ やりたいこと 妻から指定された要件は以下でした。 指定時刻に、指定した文章を読み上げて。 各曜日ごとに読み上げる文章は変更したいな。 読み上げ以外にも、指定時刻に特定の処理を実行できるようにしておいて。 お、おっけー...。 どうやったか 処理フロー 処理フローは、Googleスプレッドシート→Firebase→ラズパイ→Google Homeとしました。 それぞれの連携では（1）Goog

こんなの作りました。 こんにちは。GMOソリューションパートナーのH.Tです。 Google Homeを買いました。 リビングにBluetoothスピーカーがほしいなあと思っていた矢先、 半額セールをしていたので会社の昼休みに衝動買いしてしまいました。 因みに社内の他の方はみなさんAmazon Echo派の方が多いですね。 色々試してみて便利だったのですが、しりとりができなかったんです。 僕はGoogle Homeにしりとりの相手をしてほしかったのですができないようです。 正確に言いますとやってみるもののなぜか速攻で「ん」を付けて自爆してしまうんです。 相手すんのめんどくさいってことでしょうか。 だったら。Google Assistantに本気のしりとりというものををたたきこんでやる！ と、アプリを作ってみることにしました。 Google Homeとはご存じのとおりスマートスピーカーで 中

この記事はWebスクレイピング Advent Calendar 2017の2日目の記事です。 adventar.org どうも、duenoです。先日転職をしまして、 前職ではそれはもうたーーーーーっくさんWebスクレイピングあれこれをやるような職場だったんですが、 現職ではそういった事、一切やらないです。 まぁでもなんか書こうと思ったので書きます。よろしくお願いします。 OK, Google. ニュース こう言うと、GoogleHomeは最新のニュースを読み上げてくれるんですが、 今やってみたら某相撲暴行問題の話。 ぼくはそんなネガティブなニュースばかり聞きたくない。いいニュースを読み上げてくれ。 そんなわけで、タイトルの通り、「OK,Google. いいニュースを聞かせてくれ」と言うとポジティブなニュースを読み上げてくれる機能を実装したいと思います。 仕組み 「OK,Google. いい

1日のうち、スマホやパソコンでタイピングをしている時間は、どれくらいありますか。 音声認識の精度が格段に上がったのが、この2、3年。徐々に音声認識を仕事に生かす人たちが増えている。タイピングを音声入力に置き換えると、仕事の生産性を上げられるだけでなく、会議の仕方、子どもとの接し方、学び方まで変化している。 音声入力で誕生したヒット本 ほぼ声だけでできあがった本がある。シリコンバレー在住のシバタナオキさん（36）の著書『MBAより簡単で英語より大切な決算を読む習慣』。300ページ近い情報量で、2017年7月の予約開始直後に3万部を増刷した話題作だ。 シバタさんは、2016年ごろから、原稿の執筆に音声入力を導入した。著書のもととなったウェブ（note）上の連載は、1本3000〜5000字。週2本のペースで新作をアップしている。 1本の原稿は1時間ほどで仕上げる。30分でテーマを決めてデータなど

(English article is here) こんにちは、吉岡([twitter:@yoshiokatsuneo])です。 皆さんは、スマートスピーカーを使っていますか？ 私は最近、Google Homeを使っています。最初は「正直そんなに必要ないのでは？」という気持ちもあったのですが、実際に使い始めると、なかなか便利で手放せなくなってしまいました。 携帯電話を取り出す必要もなく、誰でも、どこからでも、声だけで使えるというのは利便性が高いですね。最近の機械学習・AI技術の進歩もあり、認識精度もいよいよ実用的になってきたなと感じます。 ある調査によると、アメリカでは成人の18%がスマートスピーカーを保有しており、さらに保有者の 65%は「手放せない」と言っている…という結果も出ています。 (参考: The Smart Audio Report | National Public Med

Google Homeに声をかけるだけで、赤外線では操作できないスマート家電も、赤外線でしか操作できない赤外線家電も、まとめて操作できるシステムを開発しました。 複雑な操作も簡単に実現できるので、シンプルにスマートホームを構築できます。 （他のシステムでは、家電のON/OFFのような単純な操作しかできなかったり、複雑な操作のためには複雑怪奇な設定が必要だったりします。） 「初心者でもできた！」という報告もたくさん頂いているので、ぜひお気軽にお試しください。 できること 「OK Google、行ってきます」の一言で、スマート家電も、赤外線家電も、まとめてOFFにする 「OK Google、暖房 22 度」で、エアコンの設定温度を 22 度にする 「OK Google、エアコンを 6時半 につけて」で、6時半 にエアコンをつける 「OK Google、エアコンを 7時間後 につけて」で、7時間

CES会場の屋外に設置されたGoogleの巨大ブースの一角では、観衆をおだてる即興のワンマンショーが行われていた。濃い色のサングラスをかけ、「Google Assistant」と書かれた白いジャケットとジャンプスーツを着用した1人の男性スタッフが、長蛇の列をなすCES来場者たちに、大きな声を出しながら熱心に無料の電子機器を1つずつ配っていたのだ。 筆者がそばを通ると、スタッフは「彼が『Google Home Mini』をゲットしました！一緒に写真を撮りましょう！」と大声で叫んだ。 来場者に向かって、彼は「スマート照明も無料で配っています！照明までスマートになるなんて知りませんでした。おめでとう！」と声をかけていた。 このブースは、CES 2018におけるGoogleの取り組みを具現化したものだった。同社がCESに登場するのは珍しいことだが、CES 2018では大きな存在感を放った。Goog

SEOに詳しい人であれば、誰しも耳にしたことがある「コンテンツ・イズ・キング」 SEOにおけるコンテンツの重要性を表した言葉として知られています。 現代のSEOではリンクが王様であった時代を経て、コンテンツが最重要として捉えられる ようになりましたが、音声検索ではコンテキスト(文脈)がコンテンツと同様に重要になる と言われています。今回は、How Voice Search Changes Everythingの著者である Duane Forresterがインタビューで語ったコンテキストの重要性についての内容をご紹介します。– SEO Japan Yextのインダストリーインサイト部門長のDuane Forresterは自身のeブック「How Voice Search Changes Everything(音声検索はすべてをどのように変えるのか)」、そしてマーケターが音声競争の中ですべきこと

クラウドの音声認識APIはライターの「文字起こし」に使えるか？ ライターたちが実際のインタビューの録音データで評価してみた ライターの仕事のなかでも手間がかかるのが、インタビューや講演などの録音データを聞きながら逐一正確に文字にしていく、いわゆる「文字起こし」と呼ばれる作業です。 この作業が高度化するクラウドの音声認識APIを使って自動化できたなら、どんなに楽か。多くのライターがそう夢見ていることでしょう。僕もそうです。 もちろんそれはライターの仕事だけでなく、会社の議事録や講演録などにも応用できるでしょうから、そのインパクトは非常に大きいものでしょう。 そこで、僕は現時点で音声認識APIは文字起こしの用途にどれだけ使えるのかを調べるため、クラウド関連の開発で有名な「ハンズラボ」さんと一緒に音声認識クラウドAPIを評価するプロジェクトを立ち上げました。 この経緯については9月27日の記事「

はじめに 長々と書いていますが、VUIのキモはたった一つと言っても過言じゃありません。 エラーハンドリングです。 エラーの対応ができていないと全てが台無しです。 筆記とは違い、老若何女問わず毎日会話していますから、会話だけは人間誰でもプロなんです。 話の通じない人と話すのは誰もが嫌がります。 普通に指示して、「わかりませんでした」と、これほど失礼なことはありません。 せめて、「分かんなかったけれど、こう言ってもらえればわかる」を示して挽回するのです。 エラーハンドリングをして、次に何を言って欲しいかきちんと言えば大半のタスクが完了できます。 あ。二つだった。 VUIとは Voice User Interface、声で操作するインターフェイスです。 今ご覧になっているGraphic UIや、エンジニアの利用するCommand UI、チャットボットのConversational UIとは異なり

AIスピーカー、「業務用」「日本語特化」にこそ勝機あり フェアリーデバイセズ　代表取締役CEO　藤野真人氏 米Amazon.com社、米Google社、そしてLINEなど大手IT企業がBtoC（消費者向け）のAIスピーカーを続々と投入する一方で、全く異なるアプローチを試みるベンチャー企業がある。日本企業としてはいち早く、独自のAIスピーカー（同社では「スマートスピーカー」と定義）のハードウエアを開発し、2017年9月に販売開始したフェアリーデバイセズだ。同社は音声認識・音声対話など、音に関する機械学習のソフトウエアの開発・ライセンス事業を手掛けており、既に携帯電話機やカーナビなどで実用化の実績を積み重ねている。 同社代表取締役 CEOの藤野真人氏は、東京大学在学中に創薬ベンチャーの起業に参画、その後大学院を中退してフェアリーデバイセズを設立したという異色の経歴を持つ。ソフトウエア開発の同社