音声ポータル

音声ポータルは、音声によるWeb ポータルに相当し、音声によるコマンドと音声による応答を通じて情報にアクセスできるようにします。理想的には、音声ポータルは、インターネット上にあるあらゆる種類の情報、サービス、またはトランザクションへのアクセスポイントになります。一般的な用途には、映画の上映時間リストや株取引などがあります。通信業界では、音声ポータルは対話型音声応答(IVR) システムと呼ばれることがありますが、この用語にはDTMFサービスも含まれます。Apple のSiri、Amazon Alexa、Google Assistant、Microsoft Cortana、Samsung のBixbyなどの会話型アシスタントの登場により、音声ポータルはモバイルデバイスやAmazon EchoやGoogle Homeなどの Far Field 音声スマートスピーカーからアクセスできるようになりました。^[1]

利点

音声ポータルはアクセスデバイスに依存しないため、低スペックの携帯電話でもサービスにアクセスできます。音声ポータルはユーザーの現地語で会話するため、インターネット/SMSベースのサービスに比べて音声サービスを使用するのに必要な顧客の学習が少なくて済みます。^[2]

複数のウィジェット (ドロップダウン、チェックボックス、テキストボックスの入力) を必要とする複雑な検索クエリは、視覚的なインターフェイスに慣れていなくても、話すことができる人なら誰でも簡単に、そして楽に作成できます。たとえば、「Estee Lauder MAC の、濃すぎないダークブラウンのアイライナーを 30 ドル以下で探してください」または「ここから一番近い酒屋はどこですか。閉店時間は何時ですか」などと言うことができます。

制限事項

音声は最も自然なコミュニケーション媒体ですが、視覚媒体に比べて提供できる情報は限られています。^[3]

たとえば、ほとんどのインターネットユーザーは、検索語句を入力して結果をざっと調べ、次に検索語句を調整して無関係な結果を除外します。探しているものが含まれていると確信できるリストを得るには、2 ～ 3 回の簡単な繰り返しが必要になる場合があります。結果を音声で伝える場合、同様のアプローチは時間がかかりすぎるため実用的ではありません。この場合、音声のみのインターフェイスよりもマルチモーダルインタラクションの方が適しています。

トレンド

ライブエージェントとインターネットベースの音声ポータルが融合し、提供できる情報の範囲が拡大しています。

ライブエージェントポータルでは、音声認識や音声合成技術による自動化が進み、多くの場合、完全に自動化されたサービスが提供されています。一方、自動化されたインターネットベースのポータルでは、プレミアムサービスにオペレーターのフォールバックが追加されています。ライブエージェントポータルは、以前は特定の種類の情報を保持する事前構造化データベースに完全に依存していましたが、現在はより自由な形式のインターネットアクセスに拡大しています。一方、インターネットベースのポータルでは、事前構造化コンテンツを追加して、より一般的な種類のリクエストの自動化を改善しています。^{[例が必要]}

音声技術では、経験から学習して、より広範囲の発話を認識できるようにする人工知能の概念が導入され始めています。これにより、話者の認識率が大幅に向上し、音声ポータルで提供できる情報の範囲が拡大することが期待されます。

テクノロジープロバイダー

多くのウェブベースの企業が、消費者にインターネット情報への音声ベースのアクセスを提供することに注力しています。Quack.com は2000 年 3 月にサービスを開始し、それ以来、初の総合的な音声ポータル特許を取得しました。^[4]^[5] Quack.com は2000 年にAOLに買収され、その年の後半に AOL By Phone として再スタートしました。Tellme Networks は2007 年に Microsoftに買収されました。音声認識およびテキスト読み上げ技術の主要プロバイダーであるNuance は、音声ポータルソリューションの提供を開始しています。この分野の他の企業には、TelSurf Networks、FonGenie、Apptera、Call Genie などがあります。

パブリック音声ポータルサービス以外にも、 Alcatel-Lucent、Avaya、Ciscoなどの多くのテクノロジー企業が、企業が顧客にサービスを提供するために使用する商用エンタープライズグレードの音声ポータル製品を提供しています。Avaya にはキャリアグレードのポートフォリオもあります。

参照

参考文献

^ 「Voice First ポータルを立ち上げよう – WITLINGO」www.witlingo.com 。2017年 8 月 23 日閲覧。
^ Nass, Clifford; Brave, Scott (2007-02-23). Wired for Speech: How Voice Activates and Advances the Human-Computer Relationship . Cambridge Mass.: The MIT Press. ISBN 9780262640657。
^ Bouzid, Dr Ahmed; Ma, Dr Weiye (2013-08-27). Don't Make Me Tap!: A Common Sense Approach to Voice Usability . CreateSpace Independent Publishing Platform. ISBN 9781492196518。
^ 「インターネットベースの情報への音声アクセスのためのシステムおよび方法」。
^ 「インターネットベースの情報への音声アクセスのためのシステムおよび方法」 2008年. 2008年3月13日閲覧。

外部リンク

自動ディレクトリアシスタントの音声ユーザーインターフェイスの設計。Amir Mané と Esther Levin
888-TelSurf (ベータ版) レビューと評価 | PCMag.com
スタートアップは会話するウェブを夢見る
VoiceDBC: 音声アプリケーションを作成するための半自動ツール。2002 年優等論文。Stephen Choularton 博士

[1] 「Voice First ポータルを立ち上げよう – WITLINGO」www.witlingo.com 。2017年 8 月 23 日閲覧。

[2] Nass, Clifford; Brave, Scott (2007-02-23). Wired for Speech: How Voice Activates and Advances the Human-Computer Relationship . Cambridge Mass.: The MIT Press. ISBN 9780262640657。

[3] Bouzid, Dr Ahmed; Ma, Dr Weiye (2013-08-27). Don't Make Me Tap!: A Common Sense Approach to Voice Usability . CreateSpace Independent Publishing Platform. ISBN 9781492196518。

[4] 「インターネットベースの情報への音声アクセスのためのシステムおよび方法」。

[5] 「インターネットベースの情報への音声アクセスのためのシステムおよび方法」 2008年. 2008年3月13日閲覧。