JP2019109510A - 複数のウェイクワードを利用して人工知能機器を制御する方法およびシステム - Google Patents

Abstract

【課題】 複数のウェイクワードを利用して人工知能機器を制御する方法およびシステムを提供する。【解決手段】 コンピュータによって実現される電子機器で実行される方法は、電子機器の音声インタフェースによって、予め設定された複数のウェイクワードのうちのいずれか１つのウェイクワードが認識されると、対話機能を活性化させる段階、および対話機能が活性化した状態で入力された音声命令に対し、認識されたウェイクワードに応じて異なる動作を実行するように制御する段階を含む。【選択図】 図６

Description

以下の説明は、人工知能対話システムに関する。

一般的に、個人秘書システム、人工知能（ＡＩ）スピーカ、チャットボットプラットフォーム（ｃｈａｔｂｏｔ ｐｌａｔｆｏｒｍ）などで使用される人工知能対話システムは、人間が発した命令語の意図を理解し、それに対応する返答文を提供する方式を採用している。

主に、人工知能対話システムは、人間から機能的な要求が伝達されると、このような人間の要求に対する解答を機械が提供する方式をとっており、マイク（ｍｉｃｒｏｐｈｏｎｅ）でユーザの音声入力を受信し、受信した音声入力に基づいてデバイスの動作やコンテンツの提供を制御するようになる。

例えば、特許文献１（公開日２０１１年１２月３０日）には、ホームネットワークサービスにおいて、移動通信網の他にＷｉ−Ｆｉのような第２通信網を利用してホームネットワークサービスを提供することができ、ホーム内の複数のマルチメディア機器を、ユーザがボタン操作をしなくても音声命令によってマルチコントロールすることができる技術が開示されている。

一般的な人工知能対話システムは、事前に定められたウェイクワード（例えば、機器の名称など）を、機器を活性化（ｗａｋｅ−ｕｐ）させるための対話活性トリガとして使用している。これにより、人工知能機器は、ウェイクワードを基盤として音声認識機能を実行するようになる。例えば、機器は、ユーザが機械名を発すると活性化され、これに続くユーザの音声命令（質問）を受信するための待機モードに突入するようになる。

韓国公開特許第１０−２０１１−０１３９７９７号公報

音声基盤インタフェースを提供する人工知能機器のウェイクワードを２つ以上に区分し、各ウェイクワードに応じて人工知能機器の動作を異なるように制御することができる方法およびシステムを提供する。

コンピュータによって実現される電子機器で実行される人工知能対話方法であって、前記電子機器の音声インタフェースによって、予め設定された複数のウェイクワードのうちのいずれか１つのウェイクワードが認識されると、対話機能を活性化させる段階、および前記対話機能が活性化した状態で入力された音声命令に対し、前記認識されたウェイクワードに応じて異なる動作を実行するように制御する段階を含む、人工知能対話方法を提供する。

一側面によると、前記電子機器で実行可能な動作ごとに、該当の動作を特定するためのウェイクワードを設定する段階をさらに含んでよい。

他の側面によると、前記ウェイクワードと各ウェイクワードの動作は、前記電子機器のユーザに個人化されてよい。

また他の側面によると、前記電子機器のようなネットワークに連結する他のデバイスとペアリングする段階をさらに含み、前記ウェイクワードは、基本ウェイクワードと追加ウェイクワードを含み、前記制御する段階は、前記対話機能が前記基本ウェイクワードによって活性化された場合には前記音声命令に対応する動作を前記電子機器で実行し、前記対話機能が前記追加ウェイクワードによって活性化された場合には前記音声命令に対応する動作が前記他のデバイスで実行されるように、前記音声命令を前記他のデバイスに伝達してよい。

また他の側面によると、前記ペアリングする段階は、前記ネットワークに連結する他のデバイスを検索し、検索信号に応答したデバイスとペアリングしてよい。

また他の側面によると、前記電子機器とペアリングした他のデバイスが複数である場合、デバイスごとに前記追加ウェイクワードを異なるように設定する段階をさらに含んでよい。

また他の側面によると、前記制御する段階は、前記認識されたウェイクワードに応じて異なるエンジンを呼び出し、該当のエンジンから前記音声命令に対応する返答情報を出力してよい。

さらに他の側面によると、前記活性化する段階は、前記認識されたウェイクワードに応じて活性化状態を区別して表示する段階を含んでよい。

コンピュータと結合して前記人工知能対話方法をコンピュータに実行させるためにコンピュータ読取可能な記録媒体に格納された、コンピュータプログラムを提供する。

前記人工知能対話方法をコンピュータに実行させるためのプログラムが記録されていることを特徴とする、コンピュータ読取可能な記録媒体を提供する。

コンピュータによって実現される電子機器の人工知能対話システムであって、コンピュータ読取可能な命令を実行するように実現される少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、前記電子機器の対話機能を活性化するための対話活性トリガとして使用される２つ以上のウェイクワードを設定する設定部、前記電子機器の音声インタフェースによって前記ウェイクワードのうちのいずれか１つのウェイクワードが認識されると、前記対話機能を活性化させる活性化部、および前記対話機能が活性化した状態で入力された音声命令に対し、前記認識されたウェイクワードに応じて異なる動作を実行するように制御する動作実行部を備える、人工知能対話システムを提供する。

本発明の実施形態によると、音声基盤インタフェースを提供する人工知能機器のウェイクワードを２つ以上に区分し、各ウェイクワードに応じて人工知能機器の動作を異なるように制御することができる。

本発明の一実施形態における、音声基盤インタフェースを活用したサービス環境の例を示した図である。 本発明の一実施形態における、音声基盤インタフェースを活用したサービス環境の他の例を示した図である。 本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。 本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。 本発明の一実施形態における、電子機器のプロセッサが含むことができる構成要素の例を示したブロック図である。 本発明の一実施形態における、電子機器が実行することができる人工知能対話方法の例を示したフローチャートである。 本発明の一実施形態における、複数のウェイクワードと各ウェイクワードの機器動作の例を示した図である。 本発明の一実施形態における、複数のウェイクワードを利用した制御環境の例を示した図である。 本発明の一実施形態における、複数のウェイクワードを利用して電子機器の動作を制御する過程の例を示したフローチャートである。

以下、本発明の実施形態について、添付の図面を参照しながら詳細に説明する。

本発明の実施形態に係る人工知能対話システムは、ユーザとの対話を基盤として動作するインタフェースを提供する電子機器によって実現されてよい。このとき、人工知能対話システムは、機器を活性化（ｗａｋｅ−ｕｐ）させるために２つ以上のウェイクワードを利用し、各ウェイクワードに応じて機器の動作を区分してよい。

本発明の実施形態に係る人工知能対話方法は、上述した電子機器によって実行されてよい。このとき、電子機器には、本発明の一実施形態に係るコンピュータプログラムがインストールおよび駆動されてよく、電子機器は、駆動するコンピュータプログラムの制御に従って本発明の一実施形態に係る人工知能対話方法を実行してよい。上述したコンピュータプログラムは、コンピュータで実現される電子機器と結合して人工知能対話方法をコンピュータに実行させるために、コンピュータ読取可能な記録媒体に格納されてよい。

図１は、本発明の一実施形態における、音声基盤インタフェースを活用したサービス環境の例を示した図である。図１の実施形態では、スマートホーム（ｓｍａｒｔ ｈｏｍｅ）やホームネットワークサービスのように宅内のデバイスを連結して制御する技術において、音声を基盤として動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信した音声入力「電気を消して」を認識および分析し、宅内で電子機器１００と内部ネットワークを介して繋がっている宅内照明機器１２０の電源を制御する例について示している。

例えば、宅内のデバイスは、上述した宅内照明機器１２０の他にも、テレビ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、周辺機器、エアコン、冷蔵庫、ロボット清掃機などのような家電製品はもちろん、水道、電気、冷暖房機器などのようなエネルギー消費装置、ドアロックや監視カメラなどのような保安機器など、オンライン上で連結して制御される多様なデバイスを含んでよい。また、内部ネットワークには、イーサネット（Ｅｔｈｅｒｎｅｔ）（登録商標）、ＨｏｍｅＰＮＡ、ＩＥＥＥ １３９４のような有線ネットワーク技術や、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）（登録商標）、ＵＷＢ（ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）、ジグビー（ＺｉｇＢｅｅ）（登録商標）、Ｗｉｒｅｌｅｓｓ １３９４、Ｈｏｍｅ ＲＦのような無線ネットワーク技術などが活用されてよい。

電子機器１００は、宅内のデバイスのうちの１つであってよい。例えば、電子機器１００は、宅内に備えられた人工知能スピーカやロボット清掃機などのようなデバイスのうちの１つであってよい。また、電子機器１００は、スマートフォン（ｓｍａｒｔ ｐｈｏｎｅ）、携帯電話、ナビゲーション、ノート型パンコン、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔｓ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレット、ゲームコンソール、ウェアラブルデバイス、ＩｏＴ（ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ）デバイス、ＶＲ（ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）デバイス、ＡＲ（ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）デバイスなどのようなユーザ１１０のモバイル機器であってもよい。このように、電子機器１００は、ユーザ１１０の音声入力を受信して宅内のデバイスを制御するために宅内のデバイスと連結可能な機能を含む機器であれば、特に制限されることはない。また、実施形態によっては、上述したユーザ１１０のモバイル機器が宅内のデバイスとして含まれてもよい。

図２は、本発明の一実施形態における、音声基盤インタフェースを活用したサービス環境の他の例を示した図である。図２は、音声を基盤として動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信した音声入力「今日の天気」を認識および分析し、外部ネットワークを介して外部サーバ２１０から今日の天気に関する情報を取得し、取得した情報を「今日の天気は・・・」のように音声で出力する例について示している。

例えば、外部ネットワークは、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。

図２の実施形態でも、電子機器１００は、宅内のデバイスのうちの１つであるか、ユーザ１１０のモバイル機器のうちの１つであってよく、ユーザ１１０の音声入力を受信して処理するための機能と、外部ネットワークを介して外部サーバ２１０に接続して外部サーバ２１０が提供するサービスやコンテンツをユーザ１１０に提供するための機能を含む機器であれば、特に制限されることはない。

このように、本発明の実施形態に係る電子機器１００は、音声基盤インタフェースでユーザ１１０の発話によって受信される音声入力を含むユーザ命令を処理することのできる機器であれば、特に制限されなくてよい。例えば、電子機器１００は、ユーザの音声入力を直接に認識および分析して音声入力に適した動作を実行することによってユーザ命令を処理してよいが、実施形態によっては、ユーザの音声入力に対する認識や認識された音声入力の分析、ユーザに提供される音声の合成などの処理を、電子機器１００と連係する外部のプラットフォームで実行してもよい。

図３は、本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。図３は、電子機器３１０とクラウド人工知能プラットフォーム３２０、およびコンテンツ・サービス３３０を示している。

一例として、電子機器３１０は、宅内に備えられるデバイスを意味してよく、少なくとも上述した電子機器１００を含んでよい。このような電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリケーション（以下、「アプリ」とする。）は、インタフェースコネクト３４０を介してクラウド人工知能プラットフォーム３２０と連係することができる。ここで、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリの開発のためのＳＤＫ（Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ）および／または開発文書を開発者に提供してよい。また、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０にインストールおよび駆動されるアプリが、クラウド人工知能プラットフォーム３２０が提供する機能を活用することを可能にする、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を提供してよい。具体的な例として、開発者は、インタフェースコネクト３４０により提供されるＳＤＫおよび／または開発文書を利用して開発した機器やアプリが、インタフェースコネクト３４０が提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０により提供される機能を活用できるようにする。

ここで、クラウド人工知能プラットフォーム３２０は、音声基盤のサービスを提供するための機能を提供してよい。例えば、クラウド人工知能プラットフォーム３２０は、受信した音声を認識し、出力する音声を合成するための音声処理モジュール３２１、受信した映像や動画を分析して処理するためのビジョン処理モジュール３２２、受信した音声に適した音声を出力するために適切な対話を決定するための対話処理モジュール３２３、受信した音声に適した機能を薦めるための推薦モジュール３２４、人工知能がデータ学習に基づいて文章単位で言語を翻訳するように支援するニューラル機械翻訳（Ｎｅｕｒａｌ Ｍａｃｈｉｎｅ Ｔｒａｎｓｌａｔｉｏｎ：ＮＭＴ）３２５などのように、音声基盤サービスを提供するための多様なモジュールを含んでよい。

例えば、図１および図２の実施形態において、電子機器１００は、ユーザ１１０の音声入力をインタフェースコネクト３４０が提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０に送信してよい。この場合、クラウド人工知能プラットフォーム３２０は、受信した音声入力を上述したモジュール３２１〜３２５を活用して認識および分析してよく、受信した音声入力に応じて適切な返答音声を合成して提供したり、適切な動作を推薦したりしてよい。

また、拡張キット３５０は、第三者コンテンツ開発者または会社がクラウド人工知能プラットフォーム３２０を基盤とした新たな音声基盤機能を実現することのできる開発キットを提供してよい。例えば、図２の実施形態において、電子機器１００は、ユーザ１１０の音声入力を外部サーバ２１０に送信してよく、外部サーバ２１０は、拡張キット３５０により提供されるＡＰＩを利用してクラウド人工知能プラットフォーム３２０に音声入力を送信してよい。この場合、上述と同じように、クラウド人工知能プラットフォーム３２０は、受信した音声入力を認識および分析して適切な返答音声を合成して提供したり、音声入力に応じて処理すべき機能に対する推薦情報を外部サーバ２１０に提供したりしてよい。一例として、図２において、外部サーバ２１０は、音声入力「今日の天気」をクラウド人工知能プラットフォーム３２０に送信し、クラウド人工知能プラットフォーム３２０から音声入力「今日の天気」の認識によって抽出されるキーワード「今日の」および「天気」を受信したとする。この場合、外部サーバ２１０は、キーワード「今日の」および「天気」に基づいて「今日の天気は・・・」のようなテキスト情報を生成し、生成されたテキスト情報をクラウド人工知能プラットフォーム３２０に再送してよい。このとき、クラウド人工知能プラットフォーム３２０は、テキスト情報を音声で合成して外部サーバ２１０に提供してよい。外部サーバ２１０は、合成された音声を電子機器１００に送信してよく、電子機器１００は、合成された音声「今日の天気は・・・」をスピーカから出力することにより、ユーザ１１０から受信した音声入力「今日の天気」を処理することができる。このとき、電子機器１００は、ユーザとの対話を基盤としてデバイス動作やコンテンツ提供を実施するためのものである。

図４は、本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。図４の電子機器４１０は、上述した電子機器１００に対応してよく、サーバ４２０は、上述した外部サーバ２１０またはクラウド人工知能プラットフォーム３２０を実現する１つのコンピュータ装置に対応してよい。

電子機器４１０とサーバ４２０は、それぞれメモリ４１１、４２１、プロセッサ４１２、４２２、通信モジュール４１３、４２３、および入力／出力インタフェース４１４、４２４を含んでよい。メモリ４１１、４２１は、コンピュータ読取可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ディスクドライブ、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、フラッシュメモリ（ｆｌａｓｈ ｍｅｍｏｒｙ）などのような永久大容量記憶装置（ｐｅｒｍａｎｅｎｔ ｍａｓｓ ｓｔｏｒａｇｅ ｄｅｖｉｃｅ）を含んでよい。ここで、ＲＯＭ、ＳＳＤ、フラッシュメモリ、ディスクドライブなどのような永久大容量記憶装置は、メモリ４１１、４２１とは区分される別の永久記憶装置として電子機器４１０やサーバ４２０に含まれてもよい。また、メモリ４１１、４２１には、オペレーティングシステムと、少なくとも１つのプログラムコード（一例として、電子機器４１０にインストールされ、特定のサービスの提供のために電子機器４１０で駆動するアプリケーションなどのためのコード）が格納されてよい。このようなソフトウェア構成要素は、メモリ４１１、４２１とは別のコンピュータ読取可能な記録媒体からロードされてよい。このような別のコンピュータ読取可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ−ＲＯＭドライブ、メモリカードなどのコンピュータ読取可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読取可能な記録媒体ではない通信モジュール４１３、４２３を通じてメモリ４１１、４２１にロードされてもよい。例えば、少なくとも１つのプログラムは、開発者またはアプリケーションのインストールファイルを配布するファイル配布システムがネットワーク４３０を介して提供するファイルによってインストールされるコンピュータプログラム（一例として、上述したアプリケーション）に基づいて電子機器４１０のメモリ４１１にロードされてよい。

プロセッサ４１２、４２２は、基本的な算術、ロジック、および入力／出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ４１１、４２１または通信モジュール４１３、４２３によって、プロセッサ４１２、４２２に提供されてよい。例えば、プロセッサ４１２、４２２は、メモリ４１１、４２１のような記憶装置に格納されたプログラムコードに従って受信される命令を実行するように構成されてよい。

通信モジュール４１３、４２３は、ネットワーク４３０を介して電子機器４１０とサーバ４２０とが互いに通信するための機能を提供してもよく、電子機器４１０および／またはサーバ４２０が他の電子機器または他のサーバと通信するための機能を提供してもよい。一例として、電子機器４１０のプロセッサ４１２がメモリ４１１のような記憶装置に格納されたプログラムコードに従って生成した要求が、通信モジュール４１３の制御に従ってネットワーク４３０を介してサーバ４２０に伝達されてよい。これとは逆に、サーバ４２０のプロセッサ４２２の制御に従って提供される制御信号や命令、コンテンツ、ファイルなどが、通信モジュール４２３およびネットワーク４３０を経て電子機器４１０の通信モジュール４１３を通じて電子機器４１０で受信されてもよい。例えば、通信モジュール４１３を通じて受信したサーバ４２０の制御信号や命令、コンテンツ、ファイルなどは、プロセッサ４１２やメモリ４１１に伝達されてよく、コンテンツやファイルなどは、電子機器４１０がさらに含むことができる記録媒体（上述した永久記憶装置）に格納されてよい。

入力／出力インタフェース４１４は、入力／出力装置４１５とのインタフェースのための手段であってよい。例えば、入力装置は、キーボード、マウス、マイクロフォン、カメラなどの装置を含んでよく、出力装置は、ディスプレイ、スピーカ、ハプティックフィードバックデバイス（ｈａｐｔｉｃ ｆｅｅｄｂａｃｋ ｄｅｖｉｃｅ）などのような装置を含んでよい。他の例として、入力／出力インタフェース４１４は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置４１５は、電子機器４１０と１つの装置で構成されてもよい。また、サーバ４２０の入力／出力インタフェース４２４は、サーバ４２０と連結されるかサーバ４２０が含むことができる、入力または出力のための装置（図示せず）とのインタフェースのための手段であってもよい。より具体的な例として、電子機器４１０のプロセッサ４１２がメモリ４１１にロードされたコンピュータプログラムの命令を処理するにあたり、サーバ４２０や他の電子機器が提供するデータを利用して構成されるサービス画面やコンテンツが、入力／出力インタフェース４１４を経てディスプレイに表示されてよい。

また、他の実施形態において、電子機器４１０およびサーバ４２０は、図４の構成要素よりも少ないか多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、電子機器４１０は、上述した入力／出力装置４１５のうちの少なくとも一部を含むように実現されてもよく、トランシーバ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュール、カメラ、各種センサ、データベースなどのような他の構成要素をさらに含んでもよい。より具体的な例として、電子機器４１０がスマートフォンである場合、一般的にスマートフォンに含まれている加速度センサやジャイロセンサ、動作センサ、カメラモジュール、物理的な各種ボタン、タッチパネルを利用したボタン、入力／出力ポート、振動のための振動器などのような多様な構成要素が、電子機器４１０にさらに含まれるように実現されてよい。

本実施形態において、電子機器４１０は、ユーザの音声入力を受信するためのマイクを入力／出力装置４１５として基本的に含んでよく、ユーザの音声入力に対応する返答音声やオーディオコンテンツのような音を出力するためのスピーカを入力／出力装置４１５としてさらに含んでよい。

図５は、本発明の一実施形態における、電子機器のプロセッサが含むことができる構成要素の例を示したブロック図であり、図６は、本発明の一実施形態における、電子機器が実行することができる人工知能対話方法の例を示したフローチャートである。

本実施形態に係る電子機器４１０内に、人工知能対話システムを構成することができる。人工知能対話システムは、ＰＣ基盤のプログラムまたはモバイル端末専用のアプリケーションで構成されてよい。本実施形態における人工知能対話システムは、独立的に動作するプログラム形態で実現されるか、あるいは特定のアプリケーションのイン−アプリ（ｉｎ−ａｐｐ）形態で構成されて当該特定のアプリケーション上で動作可能であるように実現されてよい。

例えば、電子機器４１０にインストールされたアプリケーションが提供する命令に基づき、電子機器４１０に実現された人工知能対話システムは、人工知能対話方法を実行してよい。図６に係る人工知能対話方法を実行するために、電子機器４１０のプロセッサ４１２は、構成要素として、図５に示すように、設定部５１０、活性化部５２０、および動作実行部を備えることができる。実施形態によっては、プロセッサ４１２の構成要素は、選択的にプロセッサ４１２に含まれても除外されてもよい。また、実施形態によっては、プロセッサ４１２の構成要素は、プロセッサ４１２の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ４１２およびプロセッサ４１２の構成要素は、図６の人工知能対話方法に含まれる段階６１０〜段階６４０を実行するように電子機器４１０を制御することができる。例えば、プロセッサ４１２およびプロセッサ４１２の構成要素は、メモリ４１１に含まれるオペレーティングシステムのコードと少なくとも１つのプログラムのコードによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

ここで、プロセッサ４１２の構成要素は、電子機器４１０に格納されたプログラムコードが提供する命令（一例として、電子機器４１０で駆動するアプリケーションが提供する命令）に従ってプロセッサ４１２によって実行される、プロセッサ４１２の互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。例えば、電子機器４１０が各設定過程を実行するように上述した命令に従って電子機器４１０を制御するプロセッサ４１２の機能的表現として、設定部５１０が利用されてよい。

段階６１０において、プロセッサ４１２は、電子機器４１０の制御と関連する命令がロードされたメモリ４１１から必要な命令を読み取ることができる。この場合、読み取った命令には、プロセッサ４１２が以下で説明する段階６２０〜段階６４０を実行するように制御するための命令が含まれてよい。

段階６２０において、設定部５１０は、電子機器４１０の対話機能を活性化させるための対話活性トリガとして利用される２つ以上のウェイクワードを設定することができる。本発明において、ウェイクワードは、電子機器４１０の対話機能を活性化させるための対話活性トリガとして利用されると同時に、電子機器４１０の動作を特定するための用途に利用されてよい。このとき、ウェイクワードは、電子機器４１０で実行可能な動作ごとに事前に定義されて設定されてよく、あるいはユーザによって任意に設定されてもよい。一例として、電子機器４１０の動作は、音声命令に対応する動作を電子機器４１０で直接実行するメインデバイスの役割と、音声命令に対応する動作が電子機器４１０とペアリングしている他のデバイスで実行されるように該当の音声命令を伝達するリレーの役割とに分けられてよい。例えば、図７（Ａ）に示すように、メインデバイスの動作に対するウェイクワードとして「クローバ」が定義され、リレー動作に対するウェイクワードとして「フレンド」が定義されているとする。このとき、電子機器４１０に複数のデバイスがペアリングされている場合、デバイスごとにウェイクワードが異なるように指定し、それぞれ異なるウェイクワードに応じてリレー対象を特定してよい。他の例として、電子機器４１０の動作は、音声命令に対応する返答情報を出力する音声エンジンの種類によって分けられてよい。例えば、図７（Ｂ）に示すように、女性キャラクタの音声エンジンによる動作には「シリ」が、男性キャラクタの音声エンジンによる動作には「ブラウン」が、それぞれウェイクワードとして定義されてよい。この他にも、ウェイクワードはもちろん、各ウェイクワードに対応する電子機器４１０の動作も、ユーザが任意に指定することによって個別化することも可能である。上述した動作は例示的なものに過ぎず、電子機器４１０によって実現可能な動作であればすべて適用可能である。

再び図６を参照すると、段階６３０において、活性化部５２０は、２つ以上のウェイクワードのうちのいずれか１つのウェイクワードが認識されると、電子機器４１０の対話機能を活性化させることができる。活性化部５２０は、電子機器４１０の対話機能が非活性化の状態で音声インタフェース（例えば、スピーカ）によって受信した音声が、複数のウェイクワードのうちのいずれか１つのウェイクワードに該当する場合、対話機能を活性化させることができる。このとき、活性化部５２０は、音声インタフェースで受信した音声の雑音除去などの前処理過程を行った後、前処理された音声が事前に定められたウェイクワードに該当するかどうかを識別してよい。

段階６４０において、動作実行部５３０は、電子機器４１０の対話機能が活性化した状態で音声インタフェースによって受信した音声入力に対し、電子機器４１０が対話機能を活性化するときに利用されたウェイクワードに対応する動作を実行するように制御することができる。動作実行部５３０は、対話機能を活性化するのに利用されたウェイクワードに応じて異なる動作を実行することができる。図７（Ａ）を参照すると、電子機器４１０に２つのウェイクワード「クローバ」と「フレンド」が搭載されている場合、動作実行部５３０は、ウェイクワード「クローバ」によって対話機能が活性化されたときには、メインデバイス動作として、音声命令に対応する動作を電子機器４１０で直接実行し、一方、ウェイクワード「フレンド」によって対話機能が活性化されたときには、リレー動作として、音声命令に対応する動作が電子機器４１０とペアリングされている他のデバイスで実行されるように、該当のデバイスに音声命令を伝達することができる。言い換えれば、電子機器４１０に異なる種類のウェイクワードを搭載しておき、そのうちの１つは電子機器４１０に入力された命令を他のデバイスに伝達するために利用されるようになるが、このとき、電子機器４１０は、マイクと同時にリレーの役割を行うようになる。他の例として、動作実行部５３０は、電子機器４１０で、音声命令に対応する返答情報を、各ウェイクワードに応じて異なるエンジンから出力してよい。図７（Ｂ）を参照すると、電子機器４１０にウェイクワード「シリ」と「ブラウン」が搭載されている場合、動作実行部５３０は、ウェイクワード「シリ」によって対話機能が活性化されたときには、音声命令に対応する返答情報を女性キャラクタエンジンから出力し、ウェイクワード「ブラウン」によって対話機能が活性化されたときには、音声命令に対応する返答情報を男性キャラクタエンジンから出力することができる。言い換えれば、電子機器４１０に異なる種類のウェイクワードを搭載しておくことで、１つの機器内で、ウェイクワードに応じて異なる音声エンジンを呼び出す機能を実現することができる。

したがって、本発明では、電子機器４１０の対話機能を活性化させるためのウェイクワードを２つ以上に区分し、各ウェイクワードに応じて電子機器４１０の動作を異なるように制御することができる。

以下では、人工知能対話システムの具体的なシナリオについて例示的に説明する。

図８は、本発明の一実施形態における、複数のウェイクワードを利用した制御環境の例を示した図である。図８において、４１０は、音声インタフェースを提供する電子機器の例であって、人工知能スピーカを示しており、人工知能スピーカ４１０がＩＰＴＶのセットトップボックス（ＳＴＢ）８００とペアリングする様子を示している。

人工知能スピーカ４１０は、該人工知能スピーカ４１０のような内部ネットワーク（図示せず）に連結しているセットトップボックス８００とペアリングが可能である。例えば、人工知能スピーカ４１０とセットトップボックス８００は、Ｗｉ−Ｆｉルータ（図示せず）を利用して同じＷｉ−Ｆｉネットワークに接続しており、相互間でデータ通信が可能である。内部ネットワークの機器の相互間のペアリングおよびデータ通信のためには、オールジョイン（Ａｌｌｊｏｙｎ）方式などが使用されてよいが、これに限定されることはない。

人工知能スピーカ４１０には、メインデバイス動作のための基本ウェイクワード（例えば、「クローバ」）の他に、セットトップボックス８００に命令を伝達するリレー動作のための追加ウェイクワード（例えば、「ＴＶフレンド」）が搭載されてよい。ユーザが発する命令語は、人工知能スピーカ４１０での動作を希望する場合には基本ウェイクワードを利用し、ＩＰＴＶでの動作を希望する場合には追加ウェイクワードを利用する。人工知能スピーカ４１０のウェイクワード、すなわち「クローバ」が発話されると、ユーザの音声命令は人工知能スピーカ４１０で直接処理がなされて人工知能スピーカ４１０で該当の動作が実行されるようになるが、セットトップボックス８００のウェイクワード、すなわち「ＴＶフレンド」が発話されると、ユーザの音声命令は人工知能スピーカ４１０からセットトップボックス８００に伝達され、セットトップボックス８００で該当の動作が実行される。具体的な例として、人工知能スピーカ４１０は、機器が活性化された場合、先ずは機器を活性化させたウェイクワードが何であるかを確認し、確認されたウェイクワードに応じ、ユーザが発話した命令語が含まれる音声ＰＣＭ（ｐｕｌｓｅ ｃｏｄｅ ｍｏｄｕｌａｔｉｏｎ）を対象機器に伝達して処理されるようにする。

したがって、人工知能スピーカ４１０に基本ウェイクワードと追加ウェイクワードを搭載しておき、追加ウェイクワードはセットトップボックス８００に命令するためのウェイクワードとして利用されるが、このとき、人工知能スピーカ４１０は、セットトップボックス８００のマイクの役割を担うようになる。追加ウェイクワードは、セットトップボックス８００の状態に応じてイネーブル（ｅｎａｂｌｅ）またはディスエーブル（ｄｉｓａｂｌｅ）となってよい。イネーブル（ｅｎａｂｌｅ）される状態というのは、デバイス設定過程の中でセットトップボックス８００がネットワークに正常に連結されている場合（このとき、人工知能スピーカ４１０とセットトップボックス８００が連結されているネットワークは同じであるべきである）に該当することができる。ディスエーブル（ｄｉｓａｂｌｅ）される状態というのは、デバイス設定過程の中でセットトップボックス８００がネットワークに連結されていない場合、人工知能スピーカ４１０とセットトップボックス８００が連結されているネットワークが同じでない場合、ユーザが連結を取り消した場合などが該当することができる。

図９は、本発明の一実施形態における、複数のウェイクワードを利用して人工知能スピーカ４１０の動作を制御する過程の例を示したフローチャートである。

図９を参照すると、人工知能スピーカ４１０は、初期設定過程でネットワーク設定が完了した後、連結可能なセットトップボックス８００を検索してよい（Ｄｉｓｃｏｖｅｒｙ Ｍｏｄｅ）（Ｓ９０１）。

人工知能スピーカ４１０がＤｉｓｃｏｖｅｒｙ Ｍｏｄｅになると、オールジョイン方式により、一定の時間（例えば、３０秒間）の間、オールジョイン信号に応答するセットトップボックス８００を待機する（Ｓ９０２）。

人工知能スピーカ４１０は、オールジョイン信号に一定の時間内に応答したセットトップボックス８００と連結することができる（ペアリング）（Ｓ９０３）。

このとき、人工知能スピーカ４１０が連結している内部ネットワークにセットトップボックスが１つだけ存在する場合には、人工知能スピーカ４１０とセットトップボックス８００とは直ぐにペアリングをする。ＩＰＴＶ画面には、「ＡＩスピーカと連結しました。」のようなメッセージを含むポップアップ画面が表示される。

一方、人工知能スピーカ４１０が連結している内部ネットワークにセットトップボックスが２つ以上存在する場合には、連結可能なすべてのＩＰＴＶ画面に「ＡＩスピーカと連結しますか？連結ボタンを押してください。」のようなポップアップが表示され、最も先に連結ボタンを押したセットトップボックス８００とペアリングをする。どのセットトップボックスと連結可能であるかを、ＩＰＴＶ画面に表示されるポップアップメッセージからユーザが確認できるようにし、進行過程では音声案内を行うことによってユーザの混乱を最小化することができる。

人工知能スピーカ４１０が連結している内部ネットワークにセットトップボックスが存在しない場合には、連結可能なＩＰＴＶは見つからなかったという案内音声と同時に、Ｄｉｓｃｏｖｅｒｙ Ｍｏｄｅは終了する。

セットトップボックス８００がアクティブモード（Ａｃｔｉｖｅ Ｍｏｄｅ）であるときだけでなく、スリープモード（Ｓｌｅｅｐ Ｍｏｄｅ）であるときでも、人工知能スピーカ４１０とのペアリングは常に可能でなければならない。さらに、人工知能スピーカ４１０は、セットトップボックス８００とのペアリング完了後に起動を実行するが、セットトップボックス８００とのペアリング設定に失敗しても人工知能スピーカ４１０の起動は実行させることで、人工知能スピーカ４１０の利用を可能にしなければならない。

機器間のペアリングはもちろん、ウェイクワードなどに対する設定は、別の機器（例えば、ユーザのスマートフォン）で実行される、人工知能スピーカ４１０のネットワーク連結および各設定のためのアプリ（すなわち、マネジネントアプリ）で行われてもよい。マネジネントアプリは、同じ内部ネットワーク上に連結している人工知能スピーカ４１０と１つ以上の他のデバイス、例えば、セットトップボックス８００を検索し、該当の情報を受信して設定を行うことができる。

人工知能スピーカ４１０は、セットトップボックス８００とのペアリングが完了するかタイムアウト（Ｔｉｍｅｏｕｔ）した場合、該当の情報をサーバ４２０に伝達してよい。このとき、サーバ４２０にセットトップボックスの登録が受信されると、マネジネントアプリでは設定画面に「セットトップボックスと連結しました。」あるいは「セットトップボックスとの連結に失敗しました。」のようなトーストポップアップを表示した後、メイン画面に移動するようになる。マネジネントアプリの設定画面にはセットトップボックスの登録状況が示されるが、このとき、登録されていれば、セットトップモデル（マックアドレス）形態でユーザに表示される。

また、人工知能スピーカ４１０は、必要な設定が完了するまでは、ユーザがウェイクワードを発話したとしても、「連結中です。しばらくお待ちください。」のようなローカルアナウンスを発話し、活性化は行わない。

人工知能スピーカ４１０でプロビジョニングをする際に、セットトップボックス８００とのペアリング履歴が存在すれば、上述したような初期設定過程をスキップし、ここ最近にペアリングした履歴のあるセットトップボックス８００と自動で再連結してよい。

マネジネントアプリを利用して内部ネットワークを再設定するとき、ネットワーク設定後にはペアリング過程をもう一度行わなければならない。このとき、人工知能スピーカ４１０に格納されていたペアリング設定履歴は、ネットワークの再設定後には削除される。

人工知能スピーカ４１０は、セットトップボックス８００とのペアリング設定が終わり、基本ウェイクワード「クローバ」が発話されると、メインデバイス動作のために対話機能を活性化させることができる（Ｓ９０４）。

一方、人工知能スピーカ４１０は、セットトップボックス８００とのペアリング設定が終わり、追加ウェイクワード「ＴＶフレンド」が発話されると、リレー動作のために対話機能を活性化させることができる（Ｓ９０６）。

人工知能スピーカ４１０は、ウェイクワードによって対話機能を活性化した場合、ＬＥＤのような表示手段を利用して活性化状態を表示してよい。このとき、基本ウェイクワードによる活性化状態と追加ウェイクワードによる活性化状態を区別して表示してよい。例えば、基本ウェイクワードによって活性化した場合には「オレンジ色」のＬＥＤが、追加ウェイクワードによって活性化した場合には「紫色」のＬＥＤが点灯してよい。

人工知能スピーカ４１０が基本ウェイクワード「クローバ」によって活性化された場合には、ユーザの音声命令に対応する動作を電子機器４１０で直接実行するようになるが、一例として、音声命令に対応する返答情報をサーバ４２０から取得し、人工知能スピーカ４１０の音声インタフェースから出力することができる（Ｓ９０５）。

人工知能スピーカ４１０が追加ウェイクワード「ＴＶフレンド」によって活性化された場合には、ユーザの音声命令に対応する動作がセットトップボックス８００で実行されるように、該当の音声命令をセットトップボックス８００に伝達する（Ｓ９０７）。これにより、セットトップボックス８００は、人工知能スピーカ４１０からユーザの音声命令を受信し、該当の音声命令に対応する動作をセットトップボックス８００で実行するようになるが、一例として、音声命令に対応する返答情報をサーバ４２０から取得し、セットトップボックス８００のインタフェースから出力することができる（Ｓ９０８）。

人工知能スピーカ４１０がセットトップボックス８００とペアリングしている状態で追加ウェイクワードによって活性化されるようになれば、ユーザから入力された音声命令をセットトップボックス８００に伝達する。このとき、人工知能スピーカ４１０は、セットトップボックス８００との通信に基づいて、ユーザが、ＩＰＴＶでサポートされていない機能を発話した場合には、「サポートされていない機能です。」のような案内アナウンスを出力することができる。この他にも、人工知能スピーカ４１０は、セットトップボックス８００の電源状態や連結状態などをモニタリングし、ユーザの発話時にセットトップボックス８００の状態に対応する案内アナウンスを出力してもよい。

言い換えれば、人工知能スピーカ４１０に対するウェイクワードのうち、基本ウェイクワードが発話されたときには、ユーザの音声命令が人工知能スピーカ４１０に伝達され、人工知能スピーカ４１０で該当の動作が実行されるが、追加ウェイクワードが発話されたときには、ユーザの音声命令が人工知能スピーカ４１０を経てセットトップボックス８００に伝達され、セットトップボックス８００で該当の動作が実行されるようになる。例えば、ユーザが「クローバ、今日の天気は？」のような発話をした場合、人工知能スピーカ４１０はサーバ４２０から今日の天気に関する情報を取得し、取得した情報を「今日の天気は・・・」のようにスピーカ音声によって出力する。一方、ユーザが「ＴＶフレンド、今日の天気は？」のような発話をした場合には、該当の音声命令が人工知能スピーカ４１０を経てセットトップボックス８００に伝達され、セットトップボックス８００はサーバ４２０から今日の天気に関する情報を取得し、取得した情報を「今日の天気は・・・」のようにＴＶ音声で出力したり、天気に関する情報を画面に出力したりする。

図８と図９では、人工知能スピーカ４１０が１つのセットトップボックス８００とペアリングしていることについて説明しているが、これに限定されることはなく、複数のセットトップボックスあるいは互いに異なる複数のデバイスと連動することも可能である。人工知能スピーカ４１０と複数のデバイスとがペアリングする場合も、デバイスごとにウェイクワードを異なるように指定してよく、例えば、人工知能スピーカ４１０とペアリングするセットトップボックスが２つであるときにはウェイクワードを３つ、すなわち、基本ウェイクワード、セットトップボックス１のウェイクワード、セットトップボックス２のウェイクワードを指定して搭載してよい。

基本ウェイクワードと追加ウェイクワードは、事前に定義されたウェイクワードが適用されてよいが、ユーザが直接指定することも可能である。例えば、宅内に２つのセットトップボックスが存在する場合、人工知能スピーカ４１０に２つのセットトップボックスを連結させ、セットトップボックス１のウェイクワードとセットトップボックス２のウェイクワードはユーザが直接指定してよい。

したがって、基本ウェイクワードの他に追加ウェイクワードが搭載され、追加ウェイクワードを利用して人工知能スピーカ４１０を活性化させた場合、人工知能スピーカ４１０は、ユーザの音声命令を追加ウェイクワードに対応するデバイスに伝達する役割をする。

この他にも、上述したように、複数のウェイクワードを利用することにより、１つの人工知能スピーカ４１０内で各ウェイクワードに応じて動作を異ならせることができ、あるいは異なるエンジンを呼び出す機能をサポートすることが可能となる。

このように、本発明の実施形態によると、音声基盤インタフェースを提供する人工知能機器のウェイクワードを２つ以上に区分し、各ウェイクワードに応じて人工知能機器の動作を異なるように制御することができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを格納、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことを理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサと１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、所望のとおりに動作するように処理装置を構成してもよく、独立的または集合的に処理装置に命令してもよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で格納されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読取可能な記録媒体に格納されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読取可能な媒体に記録されてよい。このとき、媒体は、コンピュータ実行可能なプログラムを継続して格納するものであってもよく、実行またはダウンロードのために一時的に格納するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接に接続する媒体に限定されてはならず、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が格納されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを流通するアプリストアやその他の多様なソフトウェアを供給あるいは流通するサイト、サーバなどで管理する記録媒体あるいは格納媒体が挙げられてもよい。

以上のように、実施形態を、限定された実施形態と図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって代替されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

４１２：プロセッサ
５１０：設定部
５２０：活性化部
５３０：動作実行部

Claims (18)

1. コンピュータによって実現される電子機器で実行される人工知能対話方法であって、
   前記電子機器の音声インタフェースによって、予め設定された複数のウェイクワードのうちのいずれか１つのウェイクワードが認識されると、対話機能を活性化させる段階、および
   前記対話機能が活性化した状態で入力された音声命令に対し、前記認識されたウェイクワードに応じて異なる動作を実行するように制御する段階
   を含む、人工知能対話方法。
2. 前記電子機器で実行可能な動作ごとに、該当の動作を特定するためのウェイクワードを設定する段階
   をさらに含む、請求項１に記載の人工知能対話方法。
3. 前記ウェイクワードと各ウェイクワードの動作は、前記電子機器のユーザに個人化されること
   を特徴とする、請求項１に記載の人工知能対話方法。
4. 前記電子機器のようなネットワークに連結する他のデバイスとペアリングする段階
   をさらに含み、
   前記ウェイクワードは、基本ウェイクワードと追加ウェイクワードを含み、
   前記制御する段階は、
   前記対話機能が前記基本ウェイクワードによって活性化された場合には前記音声命令に対応する動作を前記電子機器で実行し、
   前記対話機能が前記追加ウェイクワードによって活性化された場合には前記音声命令に対応する動作が前記他のデバイスで実行されるように、前記音声命令を前記他のデバイスに伝達すること
   を特徴とする、請求項１に記載の人工知能対話方法。
5. 前記ペアリングする段階は、
   前記ネットワークに連結する他のデバイスを検索し、検索信号に応答したデバイスとペアリングすること
   を特徴とする、請求項４に記載の人工知能対話方法。
6. 前記電子機器とペアリングする他のデバイスが複数である場合、デバイスごとに前記追加ウェイクワードを異なるように設定する段階
   をさらに含む、請求項４に記載の人工知能対話方法。
7. 前記制御する段階は、
   前記認識されたウェイクワードに応じて異なるエンジンを呼び出し、該当のエンジンから前記音声命令に対応する返答情報を出力すること
   を特徴とする、請求項１に記載の人工知能対話方法。
8. 前記活性化する段階は、
   前記認識されたウェイクワードに応じて活性化状態を区別して表示する段階
   を含む、請求項１に記載の人工知能対話方法。
9. コンピュータと結合して請求項１乃至８のうちのいずれか一項に記載の人工知能対話方法をコンピュータに実行させる、コンピュータプログラム。
10. 請求項１乃至８のうちのいずれか一項に記載の人工知能対話方法をコンピュータに実行させるためのプログラムが記録されていることを特徴とする、コンピュータ読取可能な記録媒体。
11. コンピュータによって実現される電子機器の人工知能対話システムであって、
    コンピュータ読取可能な命令を実行するように実現される少なくとも１つのプロセッサ
    を含み、
    前記少なくとも１つのプロセッサは、
    前記電子機器の対話機能を活性化させるための対話活性トリガとして使用される２つ以上のウェイクワードを設定する設定部、
    前記電子機器の音声インタフェースによって前記ウェイクワードのうちのいずれか１つのウェイクワードが認識されると、前記対話機能を活性化させる活性化部、および
    前記対話機能が活性化した状態で入力された音声命令に対し、前記認識されたウェイクワードに応じて異なる動作を実行するように制御する動作実行部
    を備える、人工知能対話システム。
12. 前記設定部は、
    前記電子機器で実行可能な動作ごとに、該当の動作を特定するためのウェイクワードを設定すること
    を特徴とする、請求項１１に記載の人工知能対話システム。
13. 前記ウェイクワードと各ウェイクワードの動作は、前記電子機器のユーザに個人化されること
    を特徴とする、請求項１１に記載の人工知能対話システム。
14. 前記設定部は、
    前記電子機器のようなネットワークに連結する他のデバイスとペアリングし、
    前記ウェイクワードは、基本ウェイクワードと追加ウェイクワードを含み、
    前記動作実行部は、
    前記対話機能が前記基本ウェイクワードによって活性化された場合には前記音声命令に対応する動作を前記電子機器で実行し、
    前記対話機能が前記追加ウェイクワードによって活性化された場合には前記音声命令に対応する動作が前記他のデバイスで実行されるように、前記音声命令を前記他のデバイスに伝達すること
    を特徴とする、請求項１１に記載の人工知能対話システム。
15. 前記設定部は、
    前記ネットワークに連結する他のデバイスを検索し、検索信号に応答したデバイスとペアリングすること
    を特徴とする、請求項１４に記載の人工知能対話システム。
16. 前記設定部は、
    前記電子機器とペアリングする他のデバイスが複数である場合、デバイスごとに前記追加ウェイクワードを異なるように設定すること
    を特徴とする、請求項１４に記載の人工知能対話システム。
17. 前記動作実行部は、
    前記認識されたウェイクワードに応じて異なるエンジンを呼び出し、該当のエンジンから前記音声命令に対応する返答情報を出力すること
    を特徴とする、請求項１１に記載の人工知能対話システム。
18. 前記活性化部は、
    前記認識されたウェイクワードに応じて活性化状態を区別して表示すること
    を特徴とする、請求項１１に記載の人工知能対話システム。

Images