Khái niệm mới về "Nói chuyện với TV của bạn"

Để bắt đầu, Tương tác thoại là gì?

Yokohagi: Như tên gọi của nó, đó là một chức năng cho phép bạn hoạt động truyền hình với giọng nói của bạn. Người sử dụng chỉ đơn giản nói một từ lệnh hoặc một từ tìm kiếm vào Pad cảm ứng điều khiển đặc biệt hoặc một điện thoại thông minh.* Đó là một phong cách điều hành rất đơn giản và thuận tiện. Đó là một phong cách điều hành rất đơn giản và thuận tiện.
* "TV từ xa 2" phải được cài đặt để sử dụng điện thoại thông minh.

- Nội dung Tìm kiếm
- Văn bản nhập vào
- Di chuyển trên web và qua lời nói Đọc Out Tiêu đề
- Hoạt động thông thường là cũng có thể.
(Hoạt động trực tiếp Volume Up / Down, kênh thay đổi, vv)

Những gì đã bạn bắt đầu trong sự phát triển của nó?

Yokohagi: Nó bắt đầu với chức năng Voice Hướng dẫn của chúng tôi cho thị trường Nhật Bản trong năm 2010. Các chức năng sẽ bằng lời nói nói những điều người xem như các kênh đã được chọn và tên của chương trình truyền hình đã được xem. Nó được phát triển để làm cho sử dụng TV thuận tiện hơn cho người dùng khiếm thị.

Bắt đầu với các mô hình mới năm 2013, chúng tôi mở rộng chức năng này bao gồm hơn 20 ngôn ngữ. Khoảng thời gian này, chúng tôi đã có cuộc họp để xem xét giao diện người dùng thế hệ tiếp theo của chúng tôi. Sự tiện lợi của tương tác bằng giọng nói đã được đưa lên trong các cuộc họp, và nó đã được quyết định rằng, thay vì chỉ đơn giản là cung cấp Voice Hướng dẫn, chúng tôi sẽ đề xuất một phong cách hoàn toàn mới của việc sử dụng TV mà người dùng bình thường cũng sẽ vận hành TV bằng giọng nói.

Khi chúng tôi tiến hành thực hiện các khái niệm cụ thể hơn, chúng tôi đã phải đối mặt với những câu hỏi như, "Những gì người dùng có thể làm với sự tương tác bằng giọng nói?" và "nên người sử dụng nói gì chính xác?" Vì chúng tôi đã quyết liệt thay đổi các khái niệm của cả TV và điều khiển từ xa bằng cách sử dụng từ lệnh để làm tất cả mọi thứ mà trước đây đã được thực hiện bằng cách nhấn nút điều khiển từ xa, chúng tôi tìm thấy chính mình trong một thế giới mới và chưa biết.

Các tính năng của các công cụ nhận dạng giọng nói là gì?

Koganei: Để đơn giản, động cơ của chúng tôi có hai bộ não chính.
Điểm mạnh chức năng thoại của chúng tôi là hai bộ não chính đồng làm việc độc đáo.

Ví dụ, có những biểu hiện cố định cho các hoạt động truyền hình cơ bản, như "Volume Up". Chúng ta gọi là những "từ cố định" và chúng được lưu trữ trong một bộ não. Và có những từ mà người sử dụng có thể tự do sử dụng. Chúng được thuận tiện đối với trường hợp như tìm kiếm. Chúng tôi gọi họ là "những lời tự do" và những từ được lưu trữ trong bộ não khác. Tính năng chính của công cụ của chúng tôi là nó có thể khởi động cả hai - một phần với một từ điển từ cố định, và một phần khác với một dịch vụ đám mây công nhận từ miễn phí. Nói cách khác, đó là một động cơ lai. Điều này cho phép nó nhận ra các từ được nói bởi người sử dụng từ một ngân hàng dữ liệu lớn.

Thông thường, khi người dùng muốn thực hiện một hoạt động truyền hình như "Volume Up", chỉ từ cố định công cụ từ điển được xây dựng vào truyền hình được khởi động. Tương tự như vậy, khi người dùng muốn nhập vào một từ tìm kiếm, chỉ miễn phí công cụ nhận dạng chữ được bắt đầu. Tuy nhiên, điều này có nghĩa là một từ khóa từ một chương trình truyền hình đang được theo dõi không thể được lấy từ miễn phí công cụ nhận dạng chữ trong một bước duy nhất nói. Đó không phải là rất thuận tiện.

A) "Web Search" -> [Xin hãy nói từ khoá] -> "Panasonic"
B) "Tìm kiếm Panasonic bởi web.”

Với động cơ của chúng tôi, từ cố định và công cụ từ điển miễn phí công cụ nhận từ cả hai hướng, do đó nó nhận ra hoặc là một lệnh hoạt động truyền hình hoặc một từ miễn phí tìm kiếm cụm từ. Chúng tôi đã loại hiệu suất tốt vào xem xét quá trình phát triển của chúng tôi để thực hiện các chức năng như thuận tiện nhất cho người sử dụng.

Konuma: Ví dụ, khi bạn muốn xem "hình ảnh hoa," đó là bất tiện để luôn luôn phải nói "tìm kiếm" đầu tiên. Chúng tôi muốn tạo ra một hệ thống có thể trực giác nhận ra những gì bạn đang tìm kiếm bằng cách đơn giản nói từ. Kết quả là, tất cả các bạn phải làm gì với hệ thống của chúng tôi là để nói từ "hoa" vào mic. Sau khi nói "hoa", truyền hình phản ứng bằng cách yêu cầu điều kiện bổ sung, chẳng hạn như, "Bạn có muốn hình ảnh hoặc video?"

Kể từ khi bạn không có bất cứ ai có thể hiểu được ngôn ngữ của 20 quốc gia, làm thế nào bạn xác minh?

Yokohagi: Đó là một chút khó khăn, nhưng chúng tôi sẽ hiển thị các lệnh điều khiển cho mỗi ngôn ngữ trên máy tính và có máy tính đọc nó. Đây là đầu vào thành một TV phát triển giai đoạn để xác minh. Cuối cùng, chúng tôi yêu cầu nhân viên Panasonic địa phương ở mỗi nước để xác minh kết quả, và nhận được phản hồi từ họ.

Koganei: Điều này liên quan một lượng lớn dữ liệu, và yêu cầu một số lượng đáng kinh ngạc của công việc, nhưng nó không có thể tránh được nếu bạn đang sử dụng nhận dạng giọng nói như giao diện của người dùng. Vì vậy, chúng ta lặp đi lặp lại điều chỉnh tốt hơn và hơn nữa để nâng cao độ chính xác.

Không phải là khó khăn để thêm microphone trong hình dạng ban đầu tối thiểu của nó, và giữ như vậy một mức độ cao về chất lượng?

Sekito: Điểm đánh giá chức năng mic là tỷ lệ nhận dạng giọng nói. Điều này được đánh giá bằng cách sử dụng ba thông số hoạt động:

- Hiệu suất không dây (thông tin liên lạc bị gián đoạn miễn phí)
- Hiệu suất Mic (chức năng âm thanh thu)
- Công nhận hiệu suất động cơ (khả năng bên TV để hiểu những gì có nghĩa là âm thanh.

Đầu tiên, thiết kế phần cứng đã được tập trung vào việc xây dựng hiệu suất vững chắc cho các chức năng không dây và mic, và thiết kế phần mềm nhằm tinh chỉnh động cơ công nhận trong TV. Chìa khóa thành công là nâng cao hiệu quả hoạt động càng nhiều càng tốt cho không gian hạn chế mà chúng tôi đã làm việc với.

Nhưng tăng hiệu suất không phải là mục tiêu duy nhất. Đây cũng là quan trọng để cân bằng. Ví dụ, khi bạn tăng độ nhạy của mic, nó cũng chọn lên âm thanh mà không cần được bao gồm, và điều này dẫn đến các lỗi điều hành. Điều quan trọng là chỉ nhận những âm thanh cần thiết, ví dụ, trong một cửa hàng ồn ào hoặc khi một nhóm người đang làm cho tiếng ồn trong khi xem một bộ phim thú vị. Ngược lại, nếu phạm vi chính xác âm thanh thu được quá hẹp, người dùng sẽ phải nói rất to. Vì vậy, chúng tôi đã phải nhằm mục đích cho một mức độ lý tưởng với một sự cân bằng tốt.

Imai: Trong khi tinh chỉnh một vài trăm các thông số thông qua thử và sai, chúng tôi tìm thấy một số các thông số tối ưu cho các bên truyền hình. Sau nhiều lần kiểm tra một số trong số này, chúng tôi áp dụng các thông số có tỷ lệ công nhận cao nhất.

Chúng tôi tự tin về việc xây dựng các điều khiển từ xa, nhưng đó là nỗ lực đầu tiên của chúng tôi để tích hợp mic trong điều khiển từ xa do đó, nó là một thử thách hoàn toàn mới. Không có tiền lệ để làm theo, đó là khó khăn để quyết định các cơ sở đặc điểm kỹ thuật cho kết quả xác minh. Chúng tôi cũng đã một loạt các phương pháp để làm cho hình dạng dễ dàng hơn để sử dụng.

Bằng cách này, chúng tôi làm việc vào việc cải tiến trong mọi lĩnh vực, bao gồm cả hình dạng, và thử nghiệm một mẫu thử nghiệm trong nội bộ khoảng 3-4 tháng trước khi phát hành sản phẩm. Đây cũng là lần đầu tiên chúng tôi đã có những khách du lịch đã đến để thảo luận kinh doanh sử dụng chức năng mới này. Chúng tôi nhận được chủ yếu là ý kiến ​​thuận lợi, chẳng hạn như, "Điều này là tuyệt vời!" và "Rất thuận tiện. " Khuyến khích bởi điều này, chúng tôi đã rất tự tin rằng nó sẽ là một thành công.

Tuy nhiên, trong khi các "khả năng hoạt động bằng giọng nói" được đánh giá cao, vẫn còn một số lĩnh vực mà chính xác phải được đẩy mạnh. Với tất cả các thành viên làm việc cùng nhau, chúng tôi nổ lực hết sức mình để hoàn thành thiết kế cho đến thời gian sản xuất.

Làm thế nào đã đáp ứng được thị trường kể từ khi ra mắt?

Imai: Câu trả lời đã được xuất sắc, với những người nói rằng độ chính xác của nhận dạng giọng nói của Panasonic là rất tốt so với các đối thủ cạnh tranh. Đặc biệt, khách hàng tại Nhật Bản đã khen ngợi chúng tôi, nói những câu như, "tương tác bằng giọng nói là rất tốt. Tôi muốn thử sử dụng cho các hoạt động hơn.