voice-interaction

音声インタラクションの設計

アクセント、発話障害、非ネイティブ話者、騒がしい環境や静かな環境にいる人々など、 さまざまな人の発話に対応できる音声インターフェースを設計します。

対象となる人

• 音声を主な入力方法として使う、運動障害のある人
• 吃音、構音障害、その他の発話の違いがある人
• さまざまなアクセントを持つ非ネイティブ話者
• タイピングが現実的でない環境にいる人
• 特定のタスクではタイピングより音声を好む人

基本原則

音声を唯一の選択肢にしない

• 音声を使うすべてのインタラクションに、テキスト、タッチ、キーボードによる代替手段を用意します
• 音声は効率を高める手段であり、利用を妨げる関門ではありません
• 代替手段がない限り、本人確認や重要な操作に音声を必須としないでください

発話の多様性を考慮する

• さまざまなペースに対応し、話すのが遅い人の発話を途中で切らないようにします
• タイムアウトまで十分な無音時間を設けます
• 繰り返し、フィラー、言い直しを不利益に扱いません
• 同じ意図を表す複数の言い方に対応します （「戻る」「前のページ」「元に戻して」「取り消し」）

明確なフィードバックを提供する

• システムが聞き取った内容を確認できるようにします（視覚的な文字起こし）
• 誤認識を簡単に修正できるようにします
• システムが聞き取り中、処理中、待機中のどの状態かを示します
• 確認なしに音声だけで破壊的な操作を実行しないでください

設計パターン

柔軟な認識

• 同じコマンドを複数の言い方で受け付けます
• 正確な言い回しを要求せず、構文より意図を重視します
• 入力が曖昧な場合に「こちらの意味ですか？」と確認できるようにします
• システムが認識できない単語をユーザーが綴って伝えられるようにします

失敗時にもスムーズに対応する

• 認識に失敗した場合は、聞き取った内容を示し、修正方法を提示します
• 「理解できませんでした」とだけ返さず、代替案を提示します
• 失敗するたびに「代わりに入力する」選択肢を用意します
• 失敗が繰り返された場合は、テキスト入力への切り替えを積極的に提案します

プライバシーと操作性

• マイクが有効なときは、視覚または音声で明確に表示します
• 1回の操作で簡単にミュート、または聞き取りを停止できるようにします
• 明示的な同意なしに音声を録音または送信しません
• ユーザーが音声データを確認し、削除できるようにします

評価の質問

1. 音声で操作できるすべての機能を、音声を使わずに完了できますか？
2. システムは、さまざまな発話パターンにストレスなく対応できますか？
3. システムが聞き取った内容を示す、明確なフィードバックがありますか？
4. ユーザーは誤認識を簡単に修正できますか？
5. システムが聞き取り中であることが明確に分かりますか？