นักวิจัยสังเกตพบว่าลำโพงอัจฉริยะตื่นขึ้นโดยผิดพลาด 0.95 ครั้งต่อชั่วโมงในการทดสอบที่ควบคุมตัวแปร ซึ่งเปิดเนื้อหา Netflix สองรอบ รอบละ 134 ชั่วโมงให้อุปกรณ์เจ็ดเครื่อง (Northeastern University และ Imperial College London, PETS 2020) การศึกษาในห้องปฏิบัติการอีกชิ้นที่นำลำโพง 11 ตัวจาก 8 ผู้ผลิตมาทดสอบกับรายการทีวีและข่าว พบการทริกเกอร์โดยไม่ตั้งใจที่ยืนยันแล้วมากกว่า 1,000 ครั้ง (Ruhr University Bochum และ Max Planck Institute, arXiv 2020) การยอมรับผิดพลาดเหล่านี้ตอนนี้มีราคาทางกฎหมายด้วย: ข้อตกลง 68 ล้านดอลลาร์ของ Google เรื่องการยอมรับผิดพลาดของ Assistant ได้รับคำร้องที่ยื่นภายในกำหนด 1.49 ล้านคำร้อง ก่อนได้รับการอนุมัติขั้นสุดท้ายในเดือนตุลาคม 2026 (ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026) ในด้านการรู้จำเสียง เกณฑ์วัดงานเลี้ยงอาหารค่ำในบ้านที่บันทึกด้วยแถวไมโครโฟน 7 ตัว พบว่าอัตราความผิดพลาดของคำพุ่งจาก 42.10% กับหูฟังแบบพูดใกล้ไมโครโฟน เป็น 77.52% กับอุปกรณ์ระยะไกล (เอกสารคลังข้อมูล DiPCo, 2019) เรารวบรวมข้อมูลจาก Northeastern University, Ruhr University Bochum, Amazon Science, Apple Machine Learning Research, Google Research, ผู้จัดการแข่งขัน CHiME, Johns Hopkins University และบันทึกคดีกลุ่มของรัฐบาลกลางสองคดี จำนวนบ้านที่มีอุปกรณ์เหล่านี้อยู่ในหัวข้อสถิติการใช้งานลำโพงอัจฉริยะของเรา ส่วนสรุปนี้ว่าด้วยการได้ยินของอุปกรณ์ว่าดีเพียงใด
สรุปโดยย่อ
- นักวิจัยสังเกตพบการเปิดใช้งานผิดพลาดของลำโพงอัจฉริยะ 0.95 ครั้งต่อชั่วโมง หรือ 1.43 ครั้งต่อ 10,000 คำที่พูด ขณะมีรายการทีวีเปิดอยู่ใกล้ ๆ (Northeastern University และ Imperial College London, PETS 2020)
- คำปลุก Cortana ทำให้เกิดการทริกเกอร์โดยไม่ตั้งใจ 197 ครั้ง เทียบกับ 8 ครั้งของ Hey Siri ในเสียง 624 ชั่วโมงต่อลำโพง (Ruhr University Bochum และ Max Planck Institute, arXiv 2020)
- ผู้ใช้ลำโพงอัจฉริยะที่สังเกตเห็นการตื่นโดยไม่ตั้งใจอย่างน้อยเดือนละครั้ง: 43.7% (แบบสำรวจของ Voicebot.ai 2018 รายงานโดย Voicebot.ai 2020)
- ตัวจำแนกขั้นที่สองลดสัญญาณเตือนผิดพลาดของ Alexa ได้ราว 67% เมื่อเทียบกับตัวตรวจจับขั้นแรกเพียงอย่างเดียว (Amazon Science, ICASSP 2018)
- ทรานส์ฟอร์เมอร์แบบสตรีมของ Apple กดการทริกเกอร์ผิดพลาดได้ 95% โดยใช้เสียงหลังการทริกเกอร์เพิ่มอีกหนึ่งวินาที (Apple Machine Learning Research 2021)
- การประมวลผลด้วยไมโครโฟนหกตัวของ HomePod ปรับปรุงอัตราความผิดพลาดของคำได้ราว 90% เชิงสัมพัทธ์ขณะเล่นเพลง (Apple Machine Learning Research 2018)
- การปฏิเสธผิดพลาดของคำปลุกที่สัญญาณเตือนผิดพลาดหนึ่งครั้งต่อชั่วโมง: 2.00% เมื่อพูดใกล้ไมโครโฟน เทียบกับ 5.11% บนแถวไมโครโฟนระยะไกล (Personalized Voice Trigger Challenge 2020)
- อัตราความผิดพลาดของคำบนคลังข้อมูลงานเลี้ยงอาหารค่ำในบ้าน: 42.10% เมื่อพูดใกล้ไมโครโฟน เทียบกับ 77.52% ในระยะไกล (เอกสารคลังข้อมูล DiPCo, 2019)
- แม้ระบบที่ดีที่สุดในการแข่งขัน CHiME-7 และ CHiME-8 ก็ยังมี tcpWER สูงกว่า 30% บนงานเลี้ยงอาหารค่ำในบ้านของ CHiME-6 (บทความทบทวน CHiME-7/8 DASR, arXiv 2025)
- 24.76% ของการโต้ตอบกับ Alexa จำนวน 2,552 ครั้งโดยผู้ใหญ่อายุ 66 ถึง 94 ปี เกิดข้อผิดพลาด (Johns Hopkins University, arXiv 2024)
- ข้อตกลง 68 ล้านดอลลาร์ของ Google เรื่องการยอมรับผิดพลาดของ Assistant ได้รับคำร้องที่ยื่นภายในกำหนด 1.49 ล้านคำร้อง (คำสั่งอนุมัติขั้นสุดท้าย Kumandan v. Google, ตุลาคม 2026)
- ข้อตกลง Siri 95 ล้านดอลลาร์ของ Apple จ่ายสูงสุด 20 ดอลลาร์ต่ออุปกรณ์สำหรับการเปิดใช้งานโดยไม่ตั้งใจ (ผู้บริหารข้อตกลง Lopez v. Apple, 2025-2026)
1. การเปิดใช้งานโดยไม่ตั้งใจ: บทสนทนาในทีวีปลุกลำโพงบ่อยแค่ไหน
การเปิดใช้งานผิดพลาด 0.95 ครั้งต่อชั่วโมง ฟังดูน้อย จนกว่าจะนึกได้ว่าทีวีในห้องนั่งเล่นเปิดอยู่ได้หลายชั่วโมงติดต่อกัน และการศึกษาเดียวกันนี้พบว่าการเปิดใช้งานที่ตรวจพบในเครื่องเกือบทั้งหมด (อุปกรณ์สว่างขึ้น) ถูกส่งไปยังคลาวด์ด้วย ดังนั้นคำถามเรื่องความเป็นส่วนตัวจึงไม่ใช่แค่ว่าลำโพงตื่นบ่อยแค่ไหน แต่คือมันฟังต่อไปนานเท่าใดหลังจากตื่นแล้ว
ระยะเวลาคือจุดที่การศึกษาของ Northeastern และ Imperial Collegeเผยให้เห็นชัดที่สุด: หนึ่งในสิบของการเปิดใช้งานที่ยาวที่สุดกินเวลา 8 ถึง 10 วินาทีขึ้นอยู่กับอุปกรณ์ นานพอที่จะจับประโยคเต็มของบทสนทนาส่วนตัวได้ การเปิดใช้งานผิดพลาดก็ไม่ใช่สัญญาณรบกวนสุ่ม: 20.7% ของการเปิดใช้งาน Google Home Mini และ 17.7% ของการเปิดใช้งาน HomePod เกิดซ้ำในมากกว่า 75% ของการทดสอบ 12 รอบ ซึ่งหมายความว่าบทพูดบางประโยคหลอกอุปกรณ์บางรุ่นได้อย่างสม่ำเสมอ แบบสำรวจเจ้าของอุปกรณ์ที่รายงานโดยVoicebot.aiเล่าเรื่องเดียวกันจากมุมโซฟา
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| เนื้อหาที่เปิดให้ลำโพงทดสอบ | สองรอบ รอบละ 134 ชั่วโมงจากรายการทีวี 12 รายการ ในสหรัฐฯ และสหราชอาณาจักร ให้อุปกรณ์ 7 เครื่อง (Google Home Mini, Apple HomePod, Harman Kardon Invoke, Echo Dot รุ่นที่ 2 สองเครื่อง, Echo Dot รุ่นที่ 3 สองเครื่อง) | Northeastern University และ Imperial College London, PETS 2020 |
| อัตราการเปิดใช้งานผิดพลาดที่สังเกตพบ | 0.95 ครั้งต่อชั่วโมง หรือ 1.43 ครั้งต่อ 10,000 คำที่พูด | Northeastern University และ Imperial College London, PETS 2020 |
| รายการทีวีที่ทำให้เกิดการเปิดใช้งานมากที่สุด | The West Wing: เฉลี่ย 4.26 ครั้งต่อชั่วโมง; Narcos: 6.21 ครั้งต่อ 10,000 คำของบทสนทนา | Northeastern University และ Imperial College London, PETS 2020 |
| ระยะเวลาของการเปิดใช้งานที่ยาวที่สุด 10%; การเปิดใช้งานครั้งเดียวที่ยาวที่สุด | อย่างน้อย 10 วินาทีบน HomePod, 9 วินาทีบน Google Home Mini, 8 วินาทีบน Echo Dot รุ่นที่ 2 (คำปลุก Echo); สูงสุด 43 วินาทีในการทดลองหนึ่ง ซึ่งถือเป็นค่าผิดปกติ | Northeastern University และ Imperial College London, PETS 2020 |
| ผู้ใช้ลำโพงอัจฉริยะที่สังเกตว่าตนเผลอปลุกผู้ช่วยเสียงอย่างน้อยเดือนละครั้ง | 43.7% | แบบสำรวจของ Voicebot.ai 2018 รายงานโดย Voicebot.ai 2020 |
| ผู้ใช้การค้นหาด้วยเสียงในสหรัฐฯ (รวมโทรศัพท์) ที่เผลอปลุกผู้ช่วยภายในหนึ่งเดือน | 64% จากผู้ตอบ 501 คน | แบบสำรวจของ The Manifest รายงานโดย Voicebot.ai 2020 |
| สัดส่วนการตื่นโดยไม่ตั้งใจที่มีรายงาน ซึ่งซอฟต์แวร์ตรวจพบคำปลุกโดยไม่มีสาเหตุชัดเจน | 29% | แบบสำรวจของ The Manifest รายงานโดย Voicebot.ai 2020 |
ข้อมูลล่าสุดที่มี: Northeastern University และ Imperial College London, PETS 2020 และแบบสำรวจเจ้าของอุปกรณ์ปี 2018 ถึง 2020 ยังไม่มีการเผยแพร่การวัดการเปิดใช้งานผิดพลาดอิสระที่ใหญ่กว่านี้นับจากนั้น ตัวเลขเหล่านี้จึงยังเป็นตัวเลขอ้างอิง พาดหัวที่ถูกพูดซ้ำกันมากว่า “สูงสุด 19 ครั้งต่อวัน” มาจากข่าว ไม่ใช่จากอัตราที่การศึกษารายงานเอง
2. คำปลุกใดทำงานผิดพลาดมากที่สุด
ช่องว่างระหว่างคำปลุกนั้นมหาศาล: Cortana ทำให้เกิดการทริกเกอร์โดยไม่ตั้งใจ 197 ครั้ง ขณะที่ Hey Siri เกิด 8 ครั้ง ภายใต้การเปิดเสียงชุดเดียวกัน คำปลุกที่สั้นและฟังดูธรรมดาชนกับคำพูดในชีวิตประจำวัน นักวิจัยพบว่าคำภาษาจีน ‘dage’ (พี่ชาย) ถูกสับสนกับ ‘Echo’ และวลีภาษาเยอรมัน ‘Am Sonntag’ ถูกสับสนกับ ‘Amazon’ ในพยากรณ์อากาศ
คลาวด์ทำหน้าที่เป็นตัวกรองชั้นที่สอง แต่ไม่สมบูรณ์ มีเพียงส่วนน้อยของการทริกเกอร์ในเครื่องของ Cortana ที่รอดการตรวจสอบของเซิร์ฟเวอร์ ทว่าเอกสารเรื่องการทริกเกอร์โดยไม่ตั้งใจพบว่าการทริกเกอร์ที่คลาวด์ยืนยันแล้วสามารถอัปโหลดเสียงได้ 10 วินาทีขึ้นไป ขั้นตอนการตรวจสอบบนคลาวด์ พูดให้เข้าใจง่ายคือตัวรู้จำเสียงตัวที่สองซึ่งใหญ่กว่า บนเซิร์ฟเวอร์ของบริษัท ที่ฟังคลิปซ้ำและยกเลิกการตื่นหากไม่เห็นด้วยกับอุปกรณ์
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ขอบเขตการทดสอบ | ลำโพงอัจฉริยะ 11 ตัวจาก 8 ผู้ผลิต; ชุดข้อมูลหลัก 13 ชุด ชุดละ 24 ชั่วโมง เล่นสองรอบ (13 x 24 x 2 = 624 ชั่วโมงต่อลำโพง) | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| การทริกเกอร์โดยไม่ตั้งใจแยกตามคำปลุก | Cortana 197; Alexa 99; Computer 77; Amazon 57; Echo 43; OK/Hey Google 16; Hey Siri 8 | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| การทริกเกอร์ของ Cortana ที่ผ่านการตรวจสอบฝั่งคลาวด์ด้วย | 8 จาก 197 (8 / 197 = 4.1%) | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| การทริกเกอร์ของ Amazon และ Google ที่เกิดซ้ำอย่างน้อย 4 ครั้งจากการเล่นซ้ำ 10 ครั้ง | ราว 75% | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| คำปลุก ‘Computer’ ที่ถูกทริกเกอร์โดยตอนเดียวกันของ Modern Family ฉบับภาษาอังกฤษเทียบกับฉบับภาษาเยอรมัน | 9 ครั้งเทียบกับ 1 ครั้ง | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| เสียงที่อัปโหลดหลังการทริกเกอร์ที่คลาวด์ยืนยัน เทียบกับเวลาที่การทริกเกอร์เฉพาะในเครื่องใช้จนหยุด | 10 วินาทีขึ้นไป เทียบกับราว 1-2 วินาที | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
ข้อมูลล่าสุดที่มี: Ruhr University Bochum และ Max Planck Institute, arXiv 2020 ตัวเลขของ Alexa ปรากฏเป็น 99 ในเนื้อความของเอกสาร และเป็น 100 ในแถวหนึ่งของตารางสรุป เราใช้ตัวเลขจากเนื้อความ
3. การตรวจจับคำปลุก: แลกการปฏิเสธผิดพลาดกับสัญญาณเตือนผิดพลาด
เครื่องมือตรวจจับคำปลุกทุกตัวต้องถ่วงดุลข้อผิดพลาดสองแบบ การปฏิเสธผิดพลาดคือกรณีที่ลำโพงเพิกเฉยต่อ ‘Alexa’ หรือ ‘Hey Siri’ ที่แท้จริง ส่วนสัญญาณเตือนผิดพลาด (เรียกอีกอย่างว่าการยอมรับผิดพลาดหรือการทริกเกอร์ผิดพลาด) คือกรณีที่ลำโพงตื่นทั้งที่ไม่มีใครพูดคำปลุก วิศวกรกำหนดอัตราข้อผิดพลาดหนึ่งแบบให้คงที่ แล้วพยายามกดอีกแบบให้ต่ำลง ซึ่งเป็นเหตุผลที่ผลลัพธ์ถูกอ้างอิงเป็น “การลดลงเชิงสัมพัทธ์ที่ระดับสัญญาณเตือนผิดพลาดคงที่” หรือ “ที่ 0.1 การยอมรับผิดพลาดต่อชั่วโมง”
รูปแบบที่พบในทุกผู้ผลิตคือการป้องกันแบบหลายชั้น ผลลัพธ์เด่นในที่นี้เป็นของ Apple: กดการทริกเกอร์ผิดพลาดได้ 95% โดยใช้เสียงเพิ่มเพียงหนึ่งวินาที (Apple Machine Learning Research 2021) ตัวตรวจจับสองขั้นของ Amazon และการตรวจสอบแบบแลตทิซของ Apple แสดงตรรกะเดียวกัน: ตัวตรวจจับราคาประหยัดที่ทำงานตลอดเวลาปลุกอุปกรณ์ แล้วขั้นที่สองที่หนักกว่าตัดสินว่าจะฟังต่อหรือไม่
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ตัวตรวจจับสองขั้นบนอุปกรณ์พร้อมการสร้างแบบจำลองเสียงพูดพื้นหลัง: การปฏิเสธผิดพลาดที่ระดับสัญญาณเตือนผิดพลาดคงที่; สัญญาณเตือนผิดพลาดที่อัตราการพลาดคงที่ | ลดลงเชิงสัมพัทธ์ราว 16%; ลดลงเชิงสัมพัทธ์ราว 37% | Amazon Science, ICASSP 2018 |
| ตัวจำแนกขั้นที่สองซ้อนบนตัวตรวจจับขั้นแรก | สัญญาณเตือนผิดพลาดลดลงราว 67% | Amazon Science, ICASSP 2018 |
| อัตราการทริกเกอร์ผิดพลาดเมื่อใช้แบบจำลองภาษาเสริม ที่การกดคำขอจริงผิดพลาดคงที่ 0.4% | ลดลงเชิงสัมพัทธ์ 38.34% แล้วลดลงอีก 10.8% เมื่อใช้แบบจำลองขนาน | Apple, Interspeech 2020 |
| การทริกเกอร์ผิดพลาดที่ถูกกดโดยทรานส์ฟอร์เมอร์แบบสตรีมเมื่อใช้เสียงหลังการทริกเกอร์หนึ่งวินาที | 95% | Apple Machine Learning Research 2021 |
| แบบจำลองสตรีมตัวเดียวกันเทียบกับรุ่นที่ไม่สตรีม | การปฏิเสธผิดพลาดลดลงเชิงสัมพัทธ์เฉลี่ย 18%; ใช้หน่วยความจำขณะทำงานน้อยลง 32%; ใช้เวลาอนุมานน้อยลง 56% | Apple Machine Learning Research 2021 |
| เครือข่ายหลายไมโครโฟนเทียบกับแบบจำลองช่องเดียวที่รันบนไมโครโฟนแต่ละตัว ที่ 0.1 การยอมรับผิดพลาดต่อชั่วโมง | การปฏิเสธผิดพลาดลดลงเชิงสัมพัทธ์ 27.2% (สะอาด) และ 31.8% (มีเสียงรบกวน) บนชุดทดสอบไมโครโฟนคู่ | Google Research, Odyssey 2020 |
| การออกแบบการทริกเกอร์ด้วยเสียงของ Siri | วลีทริกเกอร์สองวลี (‘Hey Siri’ และ ‘Siri’) ข้าม 7 ประเภทอุปกรณ์; เครือข่ายรอบแรกถูกบีบอัดเหลือ 4 บิตต่อน้ำหนัก | Apple Machine Learning Research 2023 |
บริบท: ผู้ผลิตแทบไม่เคยเผยแพร่อัตราการยอมรับผิดพลาดสัมบูรณ์ของผลิตภัณฑ์ที่วางจำหน่าย เผยแพร่เฉพาะการปรับปรุงเชิงสัมพัทธ์ เอกสาร Complementary Language Modelและเอกสารหลายช่องของ Googleทำตามธรรมเนียมนี้ ข้อมูลล่าสุดที่มีเกี่ยวกับสถาปัตยกรรมของระบบที่วางจำหน่าย: Apple Machine Learning Research, Voice Trigger System for Siri, 2023
4. บีมฟอร์มมิงและส่วนหน้าด้านเสียง
บีมฟอร์มมิงคือการรวมสัญญาณจากไมโครโฟนหลายตัวเพื่อให้แถวไมโครโฟน ‘ฟัง’ ไปทางผู้พูดและหันออกจากเสียงรบกวน การตัดเสียงสะท้อนคือการหักเสียงเพลงของลำโพงเองออกจากสิ่งที่ไมโครโฟนของมันได้ยิน ทั้งสองอย่างสำคัญ เพราะอย่างที่ Apple วัดได้ เสียงที่อุปกรณ์เล่นเองอาจดังกว่าเสียงพูดที่มันพยายามฟัง 30-40 dB (Apple Machine Learning Research 2018)
ประโยชน์สูงสุดอยู่ตรงจุดที่ลำโพงอัจฉริยะลำบากที่สุด คือขณะเล่นเพลงของตัวเอง งานตัดเสียงสะท้อนแบบหลายชั้นของ Amazon รายงานตัวเลขในระดับใกล้เคียงกัน หลักการทิศทางเดียวกันนี้ลดเสียงรบกวนที่หูในเครื่องช่วยฟัง ดังที่สถิติ SNR ของเครื่องช่วยฟังไมโครโฟนทิศทางของเราแสดง ลำโพงอัจฉริยะนำหลักการนี้ไปใช้จากอีกฟากหนึ่งของห้อง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ไมโครโฟนบน Apple HomePod; ต้นทุนการประมวลผลของการปรับปรุงเสียงพูด | หกตัว; น้อยกว่า 15% ของแกน A8 หนึ่งแกนที่ 1.4 GHz | Apple Machine Learning Research 2018 |
| เสียงที่อุปกรณ์เล่น (เสียงสะท้อน) เทียบกับเสียงพูดระยะไกล; เสียงสะท้อนที่เหลือหลังการตัดเสียงสะท้อนเชิงเส้นที่ระดับเสียงดัง | ดังกว่า 30-40 dB; สูงกว่าเสียงพูดระยะไกล 10-20 dB | Apple Machine Learning Research 2018 |
| การปรับปรุงเชิงสัมพัทธ์ของอัตราความผิดพลาดของคำจากการประมวลผลหลายช่องของ HomePod | ราว 40% (เสียงก้อง), 90% (ขณะเล่นเพลง), 74% (เสียงรบกวนพื้นหลังดัง), 61% (ผู้พูดแข่งกัน) | Apple Machine Learning Research 2018 |
| การปรับปรุงสัมบูรณ์ของการปฏิเสธผิดพลาดของ ‘Hey Siri’ เมื่อมีผู้พูดแข่งกัน | 29.0% เทียบกับการลดเสียงรบกวนแบบอิงมาสก์; 30.3% เทียบกับผลลัพธ์การประมวลผลสัญญาณฐาน | Apple Machine Learning Research 2018 |
| การลดเสียงสะท้อนและเสียงรบกวนจากระบบหลายชั้นของ Amazon บนอุปกรณ์ Echo | ลดเสียงสะท้อนราว 40 dB; ลดเสียงรบกวนราว 19 dB | Amazon Science 2018 |
| การปรับปรุงเชิงสัมพัทธ์ของอัตราความผิดพลาดของคำจากสามชั้น (Amazon เรียกว่า SBNR, SBRES และ NLEC) | ราว 22%, 14% และ 17% | Amazon Science 2018 |
| แถวอุปกรณ์ระยะไกลในการบันทึกเสียงในบ้านของ DiPCo | ไมโครโฟน 7 ตัว: 6 ตัวบนวงกลมรัศมี 35 mm และ 1 ตัวตรงกลาง | เอกสารคลังข้อมูล DiPCo, 2019 |
| แถวไมโครโฟนที่ใช้ในแต่ละงานเลี้ยงอาหารค่ำในบ้านของ CHiME-6 | อุปกรณ์ Microsoft Kinect 6 เครื่อง พร้อมแถวเชิงเส้น 4 ช่อง (ไมโครโฟนแถว 24 ตัว) | เอกสารวิจัย CHiME-6 Challenge, 2020 |
ข้อมูลล่าสุดที่มี: Apple Machine Learning Research 2018 และ Amazon Science 2018 ทั้งสองบริษัทออกฮาร์ดแวร์รุ่นใหม่กว่าแล้วนับจากนั้น แต่ไม่มีฝ่ายใดเผยแพร่การวัดส่วนหน้าที่เทียบเคียงกันได้
5. ค่าปรับของระยะห่างในการรู้จำเสียงระยะไกล
การย้ายไมโครโฟนจากปากไปอีกฟากของห้องทำให้ข้อผิดพลาดในการรู้จำเกือบเพิ่มเป็นสองเท่าในการทดสอบที่ควบคุมตัวแปร อัตราความผิดพลาดของคำเพิ่มจาก 42.10% กับหูฟังแบบพูดใกล้ไมโครโฟน เป็น 77.52% กับอุปกรณ์ระยะไกล ในเซสชันงานเลี้ยงอาหารค่ำชุดเดียวกัน (เอกสารคลังข้อมูล DiPCo, 2019) และการปฏิเสธผิดพลาดของคำปลุกใน Personalized Voice Trigger Challenge สูงกว่าสองเท่าบนแถวไมโครโฟนระยะไกลเมื่อเทียบกับโทรศัพท์แบบพูดใกล้ไมโครโฟน
เสียงสนทนาในบ้านยากกว่าคำสั่งเดี่ยว ๆ มาก: ผู้คนพูดทับกัน เดินระหว่างห้อง และทำอาหาร ศัพท์สองคำช่วยในการอ่านตาราง การแยกแหล่งกำเนิดเสียงแบบมีผู้นำทาง (GSS) คือวิธีหลายไมโครโฟนที่ใช้ข้อมูลว่าใครพูดเมื่อไรเพื่อแยกเสียงแต่ละคนออกจากกัน ส่วน tcpWER คืออัตราความผิดพลาดของคำที่ลงโทษคำที่ถูกกำหนดให้ผู้พูดผิดคนหรือผิดช่วงเวลาด้วย บทความทบทวน CHiME-7 และ CHiME-8แสดงให้เห็นว่าความก้าวหน้าหลายปีก็ยังทำให้งานเลี้ยงอาหารค่ำในบ้านเป็นสถานการณ์ที่ยากที่สุด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การปฏิเสธผิดพลาดของคำปลุกที่สัญญาณเตือนผิดพลาดหนึ่งครั้งต่อชั่วโมง โทรศัพท์แบบพูดใกล้ไมโครโฟนเทียบกับแถวไมโครโฟนระยะไกล (ชุดพัฒนา) | 2.00% เทียบกับ 5.11% | Personalized Voice Trigger Challenge 2020 |
| การตั้งค่าการบันทึกของการแข่งขัน | 612 ชั่วโมง, 658,995 ถ้อยคำ, ผู้พูด 550 คน; แถว 4 หรือ 6 ช่องที่ระยะ 1 m, 3 m และ 5 m ในห้องที่สร้างเป็นบ้านอัจฉริยะ | Personalized Voice Trigger Challenge 2020 |
| คำปลุกบ้านอัจฉริยะระยะไกล (‘Xiao T, Xiao T’), ชุดประเมินผล: การปฏิเสธผิดพลาดและสัญญาณเตือนผิดพลาด | ระบบเสียงล้วนที่ดีที่สุด 6.38% และ 4.65%; ระบบเสียงร่วมภาพที่ดีที่สุด 2.15% และ 3.44%; ค่าฐานเสียงร่วมภาพอย่างเป็นทางการ 10.1% และ 15% | ระบบของ Duke Kunshan University, ICASSP 2023 (การแข่งขัน MISP 2021) |
| อัตราความผิดพลาดของคำ หูฟังแบบพูดใกล้ไมโครโฟนเทียบกับอุปกรณ์ไมโครโฟน 7 ตัวระยะไกล (ชุดประเมินผล) | 42.10% เทียบกับ 77.52% | เอกสารคลังข้อมูล DiPCo, 2019 |
| อัตราความผิดพลาดของคำค่าฐานของ CHiME-6 (พัฒนา / ประเมินผล) เมื่อใช้ GSS เทียบกับบีมฟอร์เมอร์แบบดั้งเดิม (BeamformIt) | 51.8% / 51.3% เทียบกับ 69.8% / 61.2% | เอกสารวิจัย CHiME-6 Challenge, 2020 |
| ค่าฐานของ CHiME-6 เมื่อระบบต้องหาด้วยว่าใครพูดเมื่อไร (พัฒนา / ประเมินผล) | 84.3% / 77.9% | เอกสารวิจัย CHiME-6 Challenge, 2020 |
| อัตราความผิดพลาดของคำของระบบ CHiME-5 ที่ดีที่สุด (พัฒนา / ประเมินผล) | 45.6% / 46.6% (USTC-iFlytek) | เอกสารวิจัย CHiME-6 Challenge, 2020 |
| tcpWER บน CHiME-6 ของระบบ CHiME-7/8 ที่ดีที่สุด; การเข้าร่วม CHiME-8 | สูงกว่า 30%; 9 ทีมส่ง 32 ระบบ | บทความทบทวน CHiME-7/8 DASR, arXiv 2025 |
บริบท: ตัวเลขจากการแข่งขันวัดการสนทนาแบบเปิด ไม่ใช่คำสั่งสั้น ๆ จึงประเมินข้อผิดพลาดที่ลำโพงทำกับคำสั่ง ‘ตั้งเวลา’ สูงเกินจริง แต่ก็ยังเป็นหลักฐานสาธารณะที่ดีที่สุดว่าตัวห้องเองส่งผลเสียมากเพียงใด และเอกสาร CHiME-6แสดงว่าการเปลี่ยนจากบีมฟอร์เมอร์แบบดั้งเดิมมาเป็น GSS เพียงอย่างเดียวให้ผลราว 18 จุดบนชุดพัฒนา (69.8% ลบ 51.8%)
6. ใครถูกมองข้าม: ผู้สูงอายุที่บ้าน
ความล้มเหลวของคำปลุกและการรู้จำเสียงไม่ได้กระจายอย่างเท่าเทียม ในการใช้งานที่บ้านนานหนึ่งเดือน 24.76% ของการโต้ตอบกับ Alexa โดยผู้ใหญ่อายุ 66 ถึง 94 ปี เกิดข้อผิดพลาด (Johns Hopkins University, arXiv 2024) และอัตราข้อผิดพลาดไม่ลดลงตลอดสี่สัปดาห์ การได้ยินคำขอเป็นเพียงส่วนหนึ่งของปัญหา: การเข้าใจเจตนาผิดคือหมวดข้อผิดพลาดเดี่ยวที่ใหญ่ที่สุด
คำปลุกเองก็ทำให้คนสะดุด การพูดคำที่เกือบถูกเช่น ‘Alexis’ ทำให้เกิดการเดินเข้าทางผิดมากกว่าการเปิดใช้งานผิดพลาด ซึ่งเป็นภาพสะท้อนของปัญหาทีวีในหัวข้อที่ 1: อุปกรณ์เข้มงวดกับเจ้าของแต่ผ่อนปรนกับโทรทัศน์ ช่องว่างตามสำเนียงและภาษาถิ่นอยู่ในสถิติอคติสำเนียงของการรู้จำเสียงพูดของเรา หัวข้อนี้จึงจำกัดอยู่ที่อายุและการรู้คิด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การโต้ตอบที่เกิดข้อผิดพลาด 15 ครัวเรือนอายุ 66 ถึง 94 ปี Echo Dot สี่สัปดาห์ | 24.76% (632 จาก 2,552) | Johns Hopkins University, arXiv 2024 |
| ข้อผิดพลาดในการรู้จำเสียงพูดเป็นสัดส่วนของข้อผิดพลาดทั้งหมด | 24.4% (154 จาก 632) | Johns Hopkins University, arXiv 2024 |
| ข้อผิดพลาดที่ Alexa ไม่รับคำขอเลย (‘ไม่ได้ฟัง’) | 10.9% (69 จาก 632) | Johns Hopkins University, arXiv 2024 |
| ข้อผิดพลาดที่เกิดจากการพูดคำปลุกผิด (เช่น ‘Alexis’) | 7.8% (49 จาก 632) | Johns Hopkins University, arXiv 2024 |
| ข้อผิดพลาดที่เกิดจากการเปิดใช้งานผิดพลาด (การทริกเกอร์ผิด); สัดส่วนที่แก้ได้เมื่อลองใหม่ | 2.4% (15 จาก 632); 6.7% | Johns Hopkins University, arXiv 2024 |
| ความล้มเหลวในการรู้จำเจตนา ซึ่งเป็นหมวดข้อผิดพลาดที่ใหญ่ที่สุด | 32.3% (204 จาก 632) | Johns Hopkins University, arXiv 2024 |
| ข้อผิดพลาดในการรู้จำเสียงพูดกับคำสั่ง Alexa ที่ผู้สูงอายุ 83 คนอ่าน กลุ่มสมองเสื่อมเทียบกับกลุ่มที่มีการรู้คิดปกติ | สูงกว่าอย่างมีนัยสำคัญในกลุ่มสมองเสื่อม | Cohn และคณะ, arXiv 2026 |
การศึกษาภาวะสมองเสื่อมปี 2026รายงานว่าความเข้มเสียงของผู้พูด คุณภาพเสียง และสัดส่วนการหยุดพักทำนายความแม่นยำของการรู้จำได้ ซึ่งเชื่อมช่องว่างเรื่องอายุกลับไปที่ด้านเสียง: เสียงที่เบากว่าและมีลมหายใจมากกว่าสูญเสียพลังงานระหว่างทางข้ามห้องมากกว่าก่อนถึงแถวไมโครโฟน
7. การยอมรับผิดพลาดในศาลและในนโยบายบริษัท
การยอมรับผิดพลาดเปลี่ยนจากตัวชี้วัดในห้องแล็บมาเป็นความรับผิดทางกฎหมาย ข้อตกลงของ Google มีช่วงเวลากลุ่มที่เริ่มต้นวันที่ 18 พฤษภาคม 2016 และกลุ่มความเป็นส่วนตัวที่นิยามรอบการบันทึกเสียงจากการยอมรับผิดพลาด และมี คำร้องที่ยื่นภายในกำหนด 1.49 ล้านคำร้อง จากประกาศที่ส่งทางอีเมลไปยัง 173,814,291 ที่อยู่ (ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่งอนุมัติขั้นสุดท้าย Kumandan v. Google, ตุลาคม 2026) จากการคำนวณของเรา นั่นเป็นอัตราการยื่นคำร้องราว 0.86% ของที่อยู่ที่ได้รับแจ้ง (1.49 ล้าน / 173,814,291) ตัวคำสั่งเองไม่ได้ระบุอัตราการยื่นคำร้อง
ข้อตกลง Siriที่ขนานกันของ Apple ครอบคลุมการเปิดใช้งาน Siri โดยไม่ตั้งใจระหว่างการสนทนาส่วนตัวตลอดหนึ่งทศวรรษ นโยบายของบริษัทก็เปลี่ยนไปด้วย: Apple ระบุในเดือนมกราคม 2025 ว่าไม่เก็บรักษาไฟล์เสียงของการโต้ตอบกับ Siri เว้นแต่ผู้ใช้จะเลือกยินยอมอย่างชัดเจน (Apple Newsroom 2025)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| กองทุนข้อตกลงเรื่องการยอมรับผิดพลาดของ Google Assistant; วันที่อนุมัติขั้นสุดท้าย | 68,000,000 ดอลลาร์ ไม่คืนให้จำเลย; 13 ตุลาคม 2026 | ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026 |
| การส่งประกาศและการขอถอนตัว | อีเมลถึง 173,814,291 ที่อยู่ ส่งถึง 98.76%; คำขอถอนตัวที่ถูกต้อง 217 รายการและคำคัดค้าน 7 รายการ | ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026 |
| เงินที่คาดว่าจะได้รับต่อสมาชิกกลุ่ม | ราว 18 ถึง 56 ดอลลาร์ (กลุ่มผู้ซื้อ); ราว 2 ถึง 10 ดอลลาร์ (กลุ่มความเป็นส่วนตัว) | ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026 |
| ค่าทนายความที่ศาลอนุมัติ | 22,666,666.70 ดอลลาร์ (หนึ่งในสามของกองทุน) | ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026 |
| ข้อตกลงของ Apple เรื่องการเปิดใช้งาน Siri โดยไม่ตั้งใจ | กองทุน 95 ล้านดอลลาร์; สูงสุด 20 ดอลลาร์ต่ออุปกรณ์ Siri สูงสุดห้าเครื่อง; ช่วงเวลากลุ่ม 17 กันยายน 2014 ถึง 31 ธันวาคม 2024 | ผู้บริหารข้อตกลง Lopez v. Apple, 2025-2026 |
| สัดส่วนคลิปเสียงของ Assistant ที่ผู้เชี่ยวชาญด้านภาษาตรวจสอบ | ราว 0.2% | Google, บล็อก The Keyword, กรกฎาคม 2019 |
| สัดส่วนคำขอ Siri ที่ผู้ประเมินที่เป็นมนุษย์ได้ยินก่อนที่ Apple จะระงับการประเมิน | น้อยกว่า 0.2% | Apple Newsroom, สิงหาคม 2019 |
บริบท: แถลงการณ์ของ Google เรื่องข้อมูลเสียงพูดในปี 2019 อธิบายว่าการยอมรับผิดพลาดเกิดขึ้นได้น้อย และแถลงการณ์ปี 2019 ของ Appleให้คำมั่นว่าจะลบการบันทึกเสียงที่ประเมินว่าเป็นการทริกเกอร์โดยไม่ตั้งใจ ทั้งสองบริษัทไม่ได้เผยแพร่ความถี่ของการยอมรับผิดพลาด ซึ่งเป็นเหตุผลที่การศึกษาในห้องแล็บในหัวข้อที่ 1 และ 2 ยังคงเป็นหลักฐานสาธารณะหลัก
สรุป: บีมฟอร์มมิงของลำโพงอัจฉริยะระยะไกลและความแม่นยำของคำปลุกในรูปแบบตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การเปิดใช้งานผิดพลาดขณะมีรายการทีวีเปิดอยู่ใกล้ ๆ | 0.95 ครั้งต่อชั่วโมง หรือ 1.43 ครั้งต่อ 10,000 คำ | Northeastern University และ Imperial College London, PETS 2020 |
| การเปิดใช้งานที่ยาวที่สุด 10% | 8 ถึง 10 วินาทีขึ้นไป ขึ้นอยู่กับอุปกรณ์ | Northeastern University และ Imperial College London, PETS 2020 |
| การทริกเกอร์โดยไม่ตั้งใจ Cortana เทียบกับ Hey Siri 624 ชั่วโมงต่อลำโพง | 197 เทียบกับ 8 | Ruhr University Bochum และ Max Planck Institute, arXiv 2020 |
| ผู้ใช้ลำโพงอัจฉริยะที่สังเกตเห็นการตื่นโดยไม่ตั้งใจอย่างน้อยเดือนละครั้ง | 43.7% | แบบสำรวจของ Voicebot.ai 2018 รายงานโดย Voicebot.ai 2020 |
| สัญญาณเตือนผิดพลาดที่ถูกตัดออกโดยตัวจำแนกขั้นที่สอง | ราว 67% | Amazon Science, ICASSP 2018 |
| การลดการทริกเกอร์ผิดพลาดจากแบบจำลองภาษาเสริม | 38.34% เชิงสัมพัทธ์ | Apple, Interspeech 2020 |
| การทริกเกอร์ผิดพลาดที่ถูกกดด้วยเสียงเพิ่มหนึ่งวินาที | 95% | Apple Machine Learning Research 2021 |
| การลดการปฏิเสธผิดพลาดจากเครือข่ายไมโครโฟนคู่ที่ 0.1 การยอมรับผิดพลาดต่อชั่วโมง | 27.2% แบบสะอาด, 31.8% แบบมีเสียงรบกวน | Google Research, Odyssey 2020 |
| ระดับเสียงที่อุปกรณ์เล่นเทียบกับเสียงพูดระยะไกล | ดังกว่า 30-40 dB | Apple Machine Learning Research 2018 |
| การปรับปรุงอัตราความผิดพลาดของคำจากการประมวลผลของ HomePod ขณะเล่นเพลง | ราว 90% เชิงสัมพัทธ์ | Apple Machine Learning Research 2018 |
| การลดเสียงสะท้อนบนอุปกรณ์ Echo | ราว 40 dB | Amazon Science 2018 |
| การปฏิเสธผิดพลาดของคำปลุก พูดใกล้ไมโครโฟนเทียบกับระยะไกล | 2.00% เทียบกับ 5.11% | Personalized Voice Trigger Challenge 2020 |
| ระบบคำปลุกระยะไกลแบบเสียงร่วมภาพที่ดีที่สุด การปฏิเสธผิดพลาดและสัญญาณเตือนผิดพลาด | 2.15% และ 3.44% | ระบบของ Duke Kunshan University, ICASSP 2023 |
| อัตราความผิดพลาดของคำ พูดใกล้ไมโครโฟนเทียบกับระยะไกล | 42.10% เทียบกับ 77.52% | เอกสารคลังข้อมูล DiPCo, 2019 |
| ค่าฐานของ CHiME-6 GSS เทียบกับบีมฟอร์เมอร์แบบดั้งเดิม (ชุดพัฒนา) | 51.8% เทียบกับ 69.8% | เอกสารวิจัย CHiME-6 Challenge, 2020 |
| ระบบ CHiME-7/8 ที่ดีที่สุดบนงานเลี้ยงอาหารค่ำในบ้านของ CHiME-6 | tcpWER สูงกว่า 30% | บทความทบทวน CHiME-7/8 DASR, arXiv 2025 |
| การโต้ตอบกับ Alexa ที่เกิดข้อผิดพลาด ผู้ใหญ่อายุ 66 ถึง 94 ปี | 24.76% | Johns Hopkins University, arXiv 2024 |
| ข้อตกลงเรื่องการยอมรับผิดพลาดของ Google Assistant และคำร้องที่ยื่นภายในกำหนด | 68 ล้านดอลลาร์; 1.49 ล้าน | ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย คำสั่ง Kumandan v. Google 2026 |
| ข้อตกลงของ Apple เรื่องการเปิดใช้งาน Siri โดยไม่ตั้งใจ | 95 ล้านดอลลาร์; สูงสุด 20 ดอลลาร์ต่ออุปกรณ์ | ผู้บริหารข้อตกลง Lopez v. Apple, 2025-2026 |
ระเบียบวิธีและแหล่งที่มา
เราค้นหา 15 ครั้งและอ่านเอกสารวิจัยหลัก บันทึกของศาล หรือหน้าของบริษัทสำหรับทุกตัวเลขข้างต้น ในกรณีที่เผยแพร่เฉพาะการปรับปรุงเชิงสัมพัทธ์ เรารายงานเป็นเชิงสัมพัทธ์ เราไม่ได้แปลงการปรับปรุงเชิงสัมพัทธ์เป็นอัตราสัมบูรณ์ ตัวเลขข้อตกลงสองรายการเป็นบันทึกของศาลและผู้บริหารข้อตกลง ไม่ใช่การวัดทางเทคนิค
- Northeastern University and Imperial College London, When Speakers Are All Ears: Characterizing Misactivations of IoT Smart Speakers, PETS 2020
- Voicebot.ai, รายงานเกี่ยวกับแบบสำรวจของ The Manifest และแบบสำรวจ Voicebot 2018, มกราคม 2020
- Ruhr University Bochum และ Max Planck Institute for Security and Privacy, Unacceptable, where is my privacy? Exploring Accidental Triggers of Smart Speakers, arXiv 2020
- Amazon Science, Monophone-based Background Modeling for Two-stage On-device Wake Word Detection, ICASSP 2018
- Amazon Science, การตัดเสียงสะท้อนแบบหลายชั้นและการปรับปรุงเสียงพูดสำหรับลำโพงอัจฉริยะ, 2018
- Apple Machine Learning Research, Complementary Language Model and Parallel Bi-LRNN for False Trigger Mitigation, Interspeech 2020
- Apple Machine Learning Research, Streaming Transformer for Hardware Efficient Voice Trigger Detection and False Trigger Mitigation, 2021
- Apple Machine Learning Research, Voice Trigger System for Siri, 2023
- Apple Machine Learning Research, Optimizing Siri on HomePod in Far-Field Settings, 2018
- Google Research, Small Footprint Multi-channel Keyword Spotting, Odyssey 2020
- The 2020 Personalized Voice Trigger Challenge: Open Database, Evaluation Metrics and the Baseline Systems, arXiv 2021
- Duke Kunshan University, Post-Challenge Audio-Visual Wake Word Spotting System for the MISP 2021 Challenge, ICASSP 2023
- DiPCo, Dinner Party Corpus, 2019
- CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Cornell และคณะ, Recent Trends in Distant Conversational Speech Recognition: A Review of CHiME-7 and 8 DASR Challenges, arXiv 2025
- Johns Hopkins University, Situated Understanding of Errors in Older Adults’ Interactions with Voice Assistants: A Month-Long, In-Home Study, arXiv 2024
- Cohn และคณะ, ข้อผิดพลาดในการรู้จำเสียงพูดในผู้สูงอายุที่มีและไม่มีภาวะสมองเสื่อมซึ่งใช้ Amazon Alexa, arXiv 2026
- ศาลแขวงสหรัฐฯ เขตภาคเหนือของแคลิฟอร์เนีย, Kumandan v. Google, คำสั่งอนุมัติขั้นสุดท้าย, 13 ตุลาคม 2026
- Lopez v. Apple, เว็บไซต์ผู้บริหารข้อตกลง Lopez Voice Assistant Settlement, 2025-2026
- Google, More information about our processes to safeguard speech data, กรกฎาคม 2019
- Apple Newsroom, Improving Siri’s privacy protections, สิงหาคม 2019
- Apple Newsroom, Our longstanding privacy commitment with Siri, มกราคม 2025
- ข้อสังเกตเกี่ยวกับข้อมูล: การวัดทางเทคนิคส่วนใหญ่ในสรุปนี้มาจากช่วงปี 2018 ถึง 2023 เพราะผู้ผลิตลำโพงอัจฉริยะเผยแพร่การปรับปรุงเชิงสัมพัทธ์และบันทึกสถาปัตยกรรม แทนที่จะเผยแพร่อัตราการยอมรับผิดพลาดสัมบูรณ์ของอุปกรณ์ที่วางจำหน่าย ควรถือว่าทุกตัวเลขของปี 2018-2021 เป็นข้อมูลล่าสุดที่มี ไม่ใช่ประสิทธิภาพของผลิตภัณฑ์ในปัจจุบัน ตัวเลข “สูงสุด 19 ครั้งต่อวัน” ที่แพร่หลายเกี่ยวกับการศึกษาของ Northeastern เป็นพาดหัวข่าว ไม่ใช่อัตราที่การศึกษารายงาน เอกสารเรื่องการทริกเกอร์โดยไม่ตั้งใจระบุการทริกเกอร์ของ Alexa 99 ครั้งในเนื้อความ และ 100 ครั้งในแถวหนึ่งของตารางสรุป เอกสารหลายช่องของ Google ถูกระบุไว้ว่าการปฏิเสธผิดพลาดลดลง 27.2% และ 31.8% ในหน้า Google Research ของเอกสาร ส่วนรายการอื่นของฉบับที่เกี่ยวข้องแสดงตัวเลขต่างออกไป ดังนั้นควรอ้างอิงฉบับที่คุณอ่าน การศึกษาของ Johns Hopkins ระบุอัตราข้อผิดพลาดรายสัปดาห์เป็น 20-30% ในเนื้อความ และ 21-26% ในคำบรรยายภาพ แบบสำรวจ Voicebot 2018 และ The Manifest เทียบกันไม่ได้ (แบบสำรวจหลังรวมโทรศัพท์และการกดปุ่มด้วย) การจ่ายเงินตามข้อตกลงของ Google ยังไม่ได้แจกจ่ายในเวลาที่มีคำสั่งเดือนตุลาคม 2026 และคำสั่งรายงานจำนวนคำร้อง ณ วันที่ 17 กันยายน 2026 บวกคำร้องที่ยื่นล่าช้าอีกกว่า 40,000 รายการที่อาจได้รับการยอมรับ
อัปเดตล่าสุด: 24 ตุลาคม 2026 เราอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการปรับปรุงครั้งถัดไปจะเกิดขึ้นเมื่อมีการแจกจ่ายเงินตามข้อตกลง Kumandan v. Google และเมื่อเอกสารการประชุม ICASSP 2027 ถูกเผยแพร่