Speech recognition and Python 151122-v2-light

音声認識と新しいComputing

Takuya Nishimoto, Ph.D.Chief Software Architecht

SomniQ, Inc.

2013 年〜現在

• SomniQ, Inc. （シリコンバレー）–在宅でリモートワーク–ステルスモードのスタートアップ

• 使っている技術– Python, JavaScript, C/C++–音声対話、機械学習、デバイス、クラウド

• mindful living computer–新しい Computing の環境

Python で音声認識

• 音声認識エンジンと通信、音声認識エンジンを Python でラップ–Windows 音声認識 , PocketSphinx, Julius

• クラウド API– wit.ai

• 音声認識を Python で実装– scipy, dtw–「実践 機械学習システム」 MFCC 分析

音声認識は何のために？

• 過去の理由–キーボードは難しい– Command Line Interface から音声認識？

• GUI が登場、普及– Graphical User Interface

• 音声認識はやっぱり不要だった–技術も未成熟だったが–そもそも愛されなかった

音声認識マニアの時代

• オープンソース–いつか誰かが必要とする技術

• アクセシビリティ–誰かにとっては必要な技術– IBM の VoiceType は障害者支援技術から

• 何が必要なのか–エンタテインメント？

これが必要だった

• キラーデバイス・キラーアプリ–スマートフォン–インターネット検索エンジン

• 音声認識の技術者に作れたか

音声認識が GUI を捨てられない

• ストレスを取り除けない–歩きスマホ–ガジェット疲れ

• GUI を捨てたらどんな Computing が？–エージェント、ロボット–人間に近づくことが重要か？–不気味の谷

• IoT (Internet of Things)

2004 年

• 全世界で 100 万個以上を出荷• たぶん音声検出しかやってない

バンダイ「うなずきん」 ©rainbow spice!http://www.bandai.co.jp/releases/J2004090201.html

1975 年

https://en.wikipedia.org/wiki/Pet_Rock

• 半年で 500 万個の売上–飼育マニュアル、血統書–人が勝手に感情移入して満足

Computer = 脳の自転車

• マウス–押す、つかむ、動かす

• タッチ–加速度スクロール、ラバーバンド

• 作法が重要–人間の身体の経験–人工的・非現実だが慣れれば自然• アフォーダンス、心理学、認知科学

人間の言語の経験

• 拡張できる–点字–手話

• 文法があるから拡張できる–音声学、言語学–アクセシビリティ

新しい Computing• 新しい作法–新しいデバイス–新しいアプリケーション

• 源泉–オープンソース–アクセシビリティ– Python