ウェイクワード検出 (Wake Word)
読み: うぇいくわーどけんしゅつ
最終更新: 2026-07-13・AI PICKS編集部
定義
ウェイクワード検出とは、デバイスが常時マイク入力を監視し、「OK Google」「Hey Siri」のような特定の起動語を検知した瞬間だけ音声認識処理を開始する仕組みのこと。
ウェイクワード検出 (Wake Word)とは — 詳しく解説
ウェイクワード検出とは、スマートスピーカーやIoTデバイスが常時マイク入力を監視し、「OK Google」「Alexa」のような特定の起動語を検知した瞬間だけ本格的な音声認識・クラウド送信処理を開始する仕組みで、省電力とプライバシー保護を両立する音声UIの基盤技術とされる。オンデバイスの軽量モデルを常時稼働させ、誤検知（無関係な音に反応する）と検知漏れ（呼びかけても反応しない）のバランス調整が技術的な核となる。2026年時点の実運用では、雑音の多い環境や小声・訛りでの精度低下、複数話者が同時に存在する場での誤起動が現場でしばしば課題になるとされる。また組み込み向けチップやSDKのライセンス費用に加え、クラウド音声認識APIの従量課金が製品コストの相場感を左右するため、独自ウェイクワードを採用する場合はチューニング工数も含めて選定する必要がある。
ウェイクワード検出 (Wake Word)の使用例
- 「OK Google、今日の天気は？」のように起動語の直後に用件を続けて話す設計が一般的とされる。
- スマートスピーカーの設定画面で「ねえGoogle」のような独自ウェイクワードを選べる製品もある。
ウェイクワード検出 (Wake Word)に関連するAIツール
関連用語
「音声・音楽」の他の用語
AI 音楽生成サービス。 歌詞 + ジャンル指定で 完成楽曲を 1 分で生成。
OpenAI のオープンソース音声認識モデル。 99 言語対応、 日本語精度も高い。
AI 音声生成のトップサービス。 自分の声をクローンして 多言語ナレーションに使える。
TTS（音声合成）とは、テキストデータを人間らしい音声に変換するAI技術のこと。ナレーション・コールセンター・音声UIなど幅広い用途で使われ、2026年現在は人間と聞き分けにくい品質が標準となっている。
ASR（自動音声認識）とは、人間の音声をリアルタイムまたは録音データからテキストへ自動変換する技術のこと。Whisperなどの深層学習モデルの普及により、文字起こし・音声コマンド・翻訳など幅広い用途で活用される。
ボイスクローンとは、数秒〜数分の音声サンプルから特定人物の声質・話し方・抑揚を高精度に再現するAI音声合成技術のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・502語以上を体系的に整理しています
辞典トップへ