「Apple（アップル）」が、音声アシスタント機能 Siri専用の“リップリーディングプログラム”の特許を申請していることが明らかとなった（特許公開情報：US 2023/0245657 A1）。この特許申請はモーション検出により唇の動きを読み取り、キーワードを検出するもの。今年1月に提出され、モーションデータが特定の単語やフレーズと一致するかどうかを判断するシステムに関して記載されており、今後Apple製デバイスに実装されることが期待される。

Siriが話し言葉のコマンドを確実かつ一貫して理解するのはまだまだ難しく、現在の音声（のみ）制御システムは、オーディオセンサーが周囲のノイズや他のユーザーの音声を拾ってしまい、解析やバッテリーに大きな負担をかけているという。

そこでこのリーディングプログラムでSiriに口や首や頭の動きを検出する側面を与えることで、マイクなどのオーディオセンサーに比べて比較的少ない電力で、これらの動きを検出できるという。新たに公開された「モーション・センシングを用いたキーワード検出」と呼ばれる特許出願は、それを目指している。

例えば、ユーザーが音声入力を口にする際のユーザーの動きを記録したモーションセンサーから「データ」が受信され、モーションデータの一部が、1つ以上の単語やフレーズの参照データと一致するかどうかの判定が行われる。またこのセンサーは、アクセラレータまたはジャイロスコープとして搭載されるようだ。

特許出願では、Siriやデバイスが一致するものを見つけようとする際に、口の動きを過去のデータと比較する方法を詳しく説明している。

この特許出願はMadhu Chinthakunta氏を含む2人の発明者によるもので、Chinthakunta氏のAppleでのこれまでの実績には、Siriに自動的に手配や電話を代行させる特許がある。

今後、将来的には、モーション検知を使って唇を読み取り、マイクを必要とせずに口の動きだけでSiriを起動できるようになるかもしれない。今後の研究開発に期待が高まる。

関連ニュース

Apple Patent Keyword Detection Using Motion Sensing

Top Image : © Apple Inc.