ジャービス計画第十六話

声紋で守るAI秘書の入口

声で呼べる便利さを、安全側の入口設計で実務に近づける

右Commandから始まる音声入力に、本人声紋の確認と重なり音声の拒否を入れました。今回は、AI秘書を「誰の声で動かすか」という入口の考え方を整理します。

AI秘書を声で呼べるようにすると、操作は一気に自然になります。

キーボードを打たなくても、右Commandを押して話すだけで、カーソル位置へ文章が入る。チャット、メモ、メール下書き、作業指示に使えるようになると、AI秘書は画面の中の道具から、仕事の流れに入ってくる存在へ近づきます。

ただし、声で動く入口には、文字入力とは別の危うさがあります。

第十六話では、ニリアコットで動かしている音声入力MVPに、声紋判定ゲートを入れた話を扱います。

MVPとは何か

MVPは Minimum Viable Product の略で、日本語では「実用最小限の試作品」と考えると分かりやすい言葉です。

最初から完成形を全部作り込むのではなく、現場で使える最低限の機能に絞ってまず動かし、実際の使い勝手や危険な点を確認しながら育てていくための段階です。今回の音声入力MVPも、右Command長押し、録音、声紋判定、文字起こし、貼り付けという最小構成で、安全性を検証するための入口として作っています。

音声入力そのものは珍しい技術ではありません。スマートフォンにも、PCにも、さまざまな音声入力があります。

けれど、AI秘書と組み合わせると意味が変わります。音声で入力した文章が、そのままAI秘書への指示になる可能性があるからです。

声で動く入口で気をつけること

そこで、今回のMVPでは「文字起こしの前」に声紋ゲートを置きました。本人の声として通してよいかを先に見て、通った時だけ文字起こしへ進みます。

現行のMVPは、完成版のすべてを先に作るのではなく、複雑な常時待ち受けを避け、右Command長押しから始まる軽い構成にしています。

社長が話す。録音WAVをローカルで保存する。声紋ゲートで本人確認する。通過した時だけWhisperで文字起こしし、カーソル位置へ貼り付ける。

段階	役割
右Command長押し	社長が話したい時だけ録音を始める
声紋ゲート	登録済みの本人声紋と照合し、通してよい音声か確認する
Whisper文字起こし	本人声紋に通った音声だけを文章へ変換する
貼り付け	通過した文字起こしだけを、現在の入力欄へ入れる

ポイントは、文字起こし後に止めるのではなく、文字起こし前に止めることです。AI秘書へ渡す前の入口で、不要な音声をできるだけ落とします。

声紋判定は、万能な鍵ではありません。録音環境、マイク、声の調子、周囲の音によって揺れます。だから、これだけで重要操作を完全自動化する設計にはしません。

今回の位置づけは、実務で事故を減らすためのゲートです。本人の声として十分に近い時だけ通し、迷う時は止める。AI秘書の入口としては、この安全側の設計が重要です。

声紋データは生体情報に近い扱いが必要です。今回のMVPでは、登録情報を外部サービスへ渡さず、ローカル保存を前提にしています。

便利さのために入口を広げるほど、守るべき情報も増えます。音声AIを会社へ入れる時は、話せるようにするだけでなく、誰の声なら動かすのかを決める必要があります。

検証では、社長の登録音声と短い本人音声は通過し、他者音声は拒否できることを確認しました。

さらに、本人の声に別の音声が重なった場合は、本人らしい成分が含まれていても止める仕様にしています。