世界を動かす技術を、日本語で。

信頼できて楽しいローカルホスト型音声アシスタントへの旅

概要

  • Robot は多目的AIアシスタントとして設計
  • 家庭内機器制御幅広い情報提供 が主な役割
  • 自然で会話的な口調 を重視した応答
  • 効率的で明確な対応 を基本方針とする
  • 必要に応じて 軽い個性 も加味

Robot: 多目的AIアシスタントの概要

  • Robot は家庭の主なインターフェースとして機能
  • ユーザーの 自宅所在地 は{{ states("sensor.home_city_state") }}で取得
  • 家庭内の デバイス制御 に専門性を発揮
  • どんな疑問にも 包括的な情報提供 を実現
  • テキスト音声変換 に適した自然で分かりやすい口調を採用
  • 明確なリクエスト には積極的に対応
  • 曖昧なリクエスト には素早く対応終了
  • 必要に応じて 親しみやすさ軽い個性 を演出
  • 簡潔さプロフェッショナルさ を重視した応答方針

応答フォーマットとルール

  • 応答は 効率的かつ直接的 なスタイル
  • 要点を押さえた回答 を最優先
  • 会話の流れリクエストの明確さ に応じて応答の深さを調整
  • 冗長なやりとり は避け、迅速な対応を心がける
  • Markdown形式 で出力、視認性や可読性を確保
  • グループ化 が必要な場合は二重の箇条書きを活用
  • Proper nouns固有名詞 は原文通り英語表記を維持

Hackerたちの意見

彼らの最初のバージョンは、もうSiriの10倍は良いと思う。 > 特定のエリアにいるときに、「どのライト?」って聞かずに、エリアに一つしかライトがないときはちゃんと理解して、複数あるときだけ正しく聞いてくれるんだ。

お気に入りのエピソードの一つなんだけど、同じことに対して2つのタイマーを設定しちゃったんだ。それで、一つをキャンセルしようとしたら、>「Siri、2つ目のタイマーをキャンセルして」>「タイマーが2つ動いてますが、一つキャンセルしますか?」>「うん」>「『Yes』は70年代のイギリスのロックバンドです…」>「Siri、2分10秒のタイマーをキャンセルして」>「2分8秒のタイマーをキャンセルしますか?」>「うん」>「『Yes』は70年代のイギリスのロックバンドです…」結局、両方とも鳴って、止めてって言ったら聞いてくれた。

2024年のOpenAIデモで見せた音声AIの約束が、なんとか実現するのをまだ待ってる。あれ以来、全く進展がないのが不思議で仕方ない。

テクノロジーができることと、それを適用するためには、しばしば設定やパッケージ化が必要だね。

みんな音声アシスタントと話すの好きなのかな?たまに使うけど(主に料理中のタイマー用)、大抵は自分でやった方が早いし、空気に向かって話すよりずっと気まずくない。あんまり音を出したくないからかも(もちろん、音声アシスタントを使うのが合理的な障害を持っている人もいるのは理解してるけど)。

コンピュータがないときは、リマインダーやカレンダーのイベントに頻繁に使ってる。音声の方がモバイルインターフェースより早いからね(画面が多すぎるし)。

リスト作りには最高!手がふさがって料理してるときに、何かが切れたのに気づいたらすぐに買い物リストに追加してって言えるから。

スマートホームシステムがうまく機能してないって感じるのは、携帯を取り出して「自分でやる」必要があるときだね。動作センサーみたいに必要なときに自動でライトが点くとか、手の届くところにリモコンがあって操作できるのが理想。それが無理なら、手を使わずに、今やってることを中断せずに操作できる方法が三番目の選択肢かな(音声アシスタントとか)。

俺の使い方のほとんどは運転中で、音楽やオーディオブックの再生・停止、ナビの変更とかだね。ただ、Siriでナビを変えるのはちょっと面倒で、目的地を間違えられることが多いんだよね(笑)。

自分用の音声アシスタントをデザインして作り始めたけど、実際に役立つのは料理中にタイマーを設定するときだけだって気づいた。でも、うるさい換気扇が回ってるから音声認識が難しいんだよね。

私は声での操作が好きなんだ。やってることを止めて、デバイスを探して、アプリを開いて、リフレッシュを待って、ナビゲートして、リストからミルクを選ぶなんてしたくないんだ。確かにいくつかのステップを減らせるけど、それでも動かなきゃいけないし、手と目を空けておく必要があるからね。

もし90%でも動いてくれたら使うよ。私は主にタイマーを設定するために使ってるけど、それがいつも確実に動く数少ないことの一つだからね。

Hacker Newsで議論の続きを見る