［国内］
グーグル、「声」で検索できる新機能「Google 音声検索」をリリース

数字交じりの住所やカタカナ用語も高い精度で認識

（2009年12月07日）

「携帯電話のマイクを、われわれの言葉を理解する耳にしたい」と語るグーグルのモバイル担当プロダクトマネージャー、井上陸氏

　グーグルは12月7日、東京都内で会見を開き、音声入力でGoogle検索が行えるモバイル端末向け新機能「Google 音声検索」（日本語版）をリリースしたと発表した。

　Google 音声検索は、携帯端末に検索したい言葉（文章）をマイクで入力すると、検索結果が表示される仕組み。Android搭載の携帯電話と、米国AppleのiPhone上で使用できる。ただし同社では、「今後はほかのプラットフォームにもサービスを提供したい」としている。

　会見に登壇したグーグルのモバイル担当プロダクトマネージャーである井上陸氏は、「現在の携帯端末は、マイク、スピーカー、GPSなど、リッチなセンサーが搭載されている。携帯電話の次の進化は、こういったリッチなセンサーを持った端末と、クラウド（コンピューティング）が連携することだ。それによって、革新的なサービスが提供できる。その第一弾がGoogle 音声検索だ」と語った。

　Google 音声検索は、音声検索のアプリケーション（iPhoneでは「Google Mobile App」の一機能として提供）をインストールして利用する。使い方は、検索ボックスの右側にある「音声検索開始ボタン」をタップし、検索したい語句をマイクに向かって話すだけだ。例えば、「歌舞伎町待ち合わせコーヒー」と話せば、新宿歌舞伎町周辺の喫茶店が検索結果として表示される。

　検索は一般的なキーワード検索のほか、画像検索、動画検索、地図検索などが可能。例えば、GPS機能と連動させ、「ラーメン」と音声入力すれば、現在地周辺のラーメン屋をGoogle Map上に表示させることもできる。

右側のマイクアイコンをタップし、マイクに検索語句を話す。キーワードだけでなく「六本木のおいしい焼鳥屋」「赤坂見附から横浜　終電」といった文章も認識する（写真はiPhoneの画面）

　Google音声検索は、音声データをそのままサーバに送信し、サーバでデータ化する仕組みだ。これについて井上氏は、「端末で音声をデータ化してしまうと、将来的に新サービスを提供する際、携帯端末の機種に依存してしまう。音声データを送信すると、速度の面で課題があると言われていたが、入力検索と同様の速度で検索結果を表示できる」と、速度面でもまったく問題がないと語った。

日本人発音（？）で「こんぴゅーたーわーるど」と入力しても、「Computerworld」と認識する。デモでは「ほっかいどうなかがわぐんおといねっぷむら（北海道中川郡音威子府村）」と珍しい地名を入力、一発で認識した

　音声認識機能自体は目新しい機能ではない。米国MicrosoftのOffice製品や、auの一部の携帯電話でも同様の機能を提供している。しかし、認識精度は、お世辞にもよいとは言えなかった。

　井上氏は、「音声認識は多くの語彙を認識対象とすると精度が下がり、『地名のみ』といったように認識対象を狭めると精度は上がるという課題を抱えていた」と指摘、今回リリースされたGoogle音声検索は、独自開発の音声認識エンジンを使用していることを明らかにしたうえで、「開発には100億以上の検索クエリ（日本語のみ）を使用して学習させ、なまりなどにも対応した」とその優位性を強調した。

　実際、その認識精度は高い。通常の話し言葉でも十分に認識する。例えば「東京都千代田区インペリアルパレス100」といった、漢字とカタカナと数字が混在したような住所でも認識する。Googleによると、音声入力中に言ってしまいがちな「えー、あー」といったノイズも、「（キーワードが）入力される確率を考慮し、関連性のない音は自動的にはじいている」（井上氏）という。

　今後の新機能ロードマップについて井上氏は、「Googleが提供するそのほかのサービスとの連携や音声による検索結果の通知など、さまざまなサービスを幅広く検討している」と語り。今後も新たなサービスを積極的にリリースしていく姿勢を見せた。

(Computerworld.jp)