Hlasový asistent v zařízení pro iPhone: jak funguje a co od něj čekat
Hlasový asistent v zařízení jsou tři programy, které se střídají: jeden vás slyší, druhý rozhoduje, co říct a udělat, a třetí mluví. Většina asistentů provozuje ten prostřední, a často i zbylé dva, na serveru. Orvena ve výchozím nastavení provozuje všechny tři přímo v telefonu iPhone. Tady je, co to obnáší, jak to nastavit a kde jsou limity.
Co hlasový asistent v zařízení provozuje přímo v telefonu
Slyšení. Orvena používá rozpoznávač řeči Apple v zařízení z frameworku Speech v iOS 26. Když poprvé mluvíte určitým jazykem, iOS stáhne model rozpoznávání pro tento jazyk, takže krátká pauza "Připravuji se…", než začnete mluvit, tentokrát trvá déle.
Rozhodování. Stejný model, který odpovídá, když píšete: Orvena 4B, vlastní model Orveny, ke stažení o velikosti 3,1 GB, který běží na GPU telefonu, nebo v iOS 27 Apple Intelligence, která je součástí iOS. Během hovoru může používat nástroje telefonu: přesunout schůzku, nastavit budík, zjistit počasí, najít fotku.
Mluvení. Hlas generují přímo v telefonu dva neurální hlasové moduly. Jeden pokrývá angličtinu, španělštinu, francouzštinu, italštinu a portugalštinu a stahuje se zhruba 345 MB; druhý pokrývá 26 dalších jazyků a má 400 MB. Každý z nich má navíc verzi určenou pro jednotku Neural Engine v iPhonu, 634 MB u prvního a 129 MB u druhého, takže řeč nesoupeří s jazykovým modelem o GPU. Všechny se začnou stahovat, jakmile hlas odemknete, stahování doběhne na pozadí a při první hlasové relaci se jednorázově připraví.
Sledování rozhovoru. Malý vlastní model aplikace Orvena, Cue, pozná, co tím myslíte, když Orveně skočíte do řeči, a na krátké repliky typu "slyšíš mě?" odpoví bez jazykového modelu. Stahuje se 385 MB a každé rozhodnutí zvládne v jednotce Neural Engine zhruba za 10 milisekund.
S kterýmkoli z modelů v zařízení nic z této smyčky neprochází sítí. Poctivým testem je režim Letadlo: zapněte ho, spusťte hlasovou relaci, zeptejte se, co máte zítra v kalendáři, a poslechněte si odpověď.
Jak zahájit konverzaci
- V aplikaci. Klepněte na tlačítko se zvukovou vlnou v řádku pro dotaz. Otevře se hlasové zobrazení na celou obrazovku a tlačítko s klávesnicí vás kdykoli přepne zpět na psaní, aniž byste o konverzaci přišli.
- Z Akčního tlačítka. Otevřete Nastavení, zvolte Akční tlačítko, přejeďte na Zkratka a vyberte "Mluvit s Orvenou". Stiskněte a mluvte. Stejná akce "Mluvit s Orvenou" funguje i ze Zkratek a ze Siri.
- Z Dynamic Island. Během relace ukazuje živá aktivita stav Listening (poslouchá), Working (pracuje) nebo Approval (schválení) a tlačítko Stop ukončí poslech, i když jste aplikaci opustili.
Jak probíhá jedna výměna
Orvena poslouchá a během mluvení ukazuje přepis. Vaši řeč považuje za ukončenou po 1,5 sekundy ticha, nebo po 0,6 sekundy, když rozpoznávač už vaši větu označil za konečnou; díky tomu působí rozhovor svižně a zároveň vás nepřeruší uprostřed myšlenky. Pak přemýšlí, použije nástroj, pokud ho požadavek potřebuje, ukáže výsledek jako kartu a odpověď vysloví. Když odpověď skončí, znovu poslouchá, takže konverzace pokračuje bez použití rukou. Relace skončí, když klepnete na Ukončit, nebo po 90 sekundách, během kterých nic neřeknete.
Orvena poslouchá dál, i když přemýšlí a mluví, a potlačení ozvěny v iPhonu nepustí její vlastní hlas do mikrofonu. Když začnete mluvit, její hlas se ztiší a Cue mezitím zjistí, co jste mysleli: po "mhm" pokračuje, "počkej" nebo "stop" odpověď ukončí a nová otázka ji zastaví a stane se vaším dalším dotazem. Co přesně se počítá za co a jaké odpovědi Orvena dává bez jazykového modelu, popisuje článek Přerušování Orveny.
Co funguje offline
Vše výše uvedené a každý nástroj, který žije v telefonu: kalendář, připomínky, budíky a časovače, fotky, souhrny z aplikace Zdraví, kontakty, soubory, hudba. Síť potřebuje jen to, co sahá do okolního světa: vyhledávání na webu, čtení webové stránky, počasí, hledání míst a doby cesty, připojené služby jako Notion nebo GitHub, Private Cloud Compute a jakýkoli cloudový model, který přidáte s vlastním klíčem. Každá z těchto položek je i s podmínkou, za které sahá do sítě, uvedená v registru na úvodní stránce.
Limity
Orvena nemá vlastní aktivační slovo. iOS vyhrazuje nepřetržité naslouchání pro Siri, takže asistenta třetí strany je potřeba otevřít nebo spustit: Akční tlačítko spustí hlasovou relaci a když Siri řeknete "Zeptej se aplikace Orvena", předáte aplikaci jednu otázku. Model je menší než ty, které stojí za cloudovými asistenty, a u dlouhého výzkumu nebo specializovaného oboru to poznáte; na to, na co se lidé telefonu ptají nahlas, tedy rozvrh, počasí, připomínku, fotku nebo budík, který počítá s dobou cesty, má správnou velikost. Hlas potřebuje iPhone 15 Pro nebo novější s 8 GB paměti, protože to potřebuje jazykový model. A to, jakým jazykům Orvena rozumí, závisí na rozpoznávači Apple v zařízení, který zatím nepokrývá bulharštinu, estonštinu, lotyštinu, litevštinu ani slovinštinu: když píšete, Orvena v nich čte i píše, ale poslouchat v nich neumí. Výběr jazyka nabízí jen jazyky, ve kterých umí poslouchat i mluvit.
Volitelný cloudový hlas
Pokud máte klíč OpenAI, můžete místo toho spustit živou hlasovou relaci na realtime modelu OpenAI. V rychlé výměně replik je svižnější, výměnou za to ale váš zvuk proudí do OpenAI. Orvena si před zahájením relace vyžádá souhlas, znovu se zeptá, pokud konverzace už obsahuje zdravotní nebo finanční data, a hlasovou obrazovku označí jantarovým "cloud" místo zeleného "na tomto iPhonu", takže vždy víte, v jakém režimu jste.
Časté otázky
Potřebuje hlas v aplikaci Orvena připojení k internetu?
Ne, jakmile jsou v telefonu hlasové balíčky, spolu s vlastním modelem aplikace Orvena, pokud ho používáte místo Apple Intelligence, a iOS stáhl rozpoznávač pro váš jazyk, když jste jím poprvé mluvili. Rozpoznávání, odpověď i řeč běží v telefonu, pokud jste nezvolili Private Cloud Compute nebo cloudový model. Síť používají jen požadavky, které potřebují okolní svět, například vyhledávání na webu nebo počasí, a jen když o ně požádáte.
Jakými jazyky můžu s Orvenou mluvit?
Ve 26 z jejích 31 jazyků a také norsky. Rozpoznávání řeči Apple v zařízení zatím nepokrývá bulharštinu, estonštinu, lotyštinu, litevštinu ani slovinštinu, takže když píšete, Orvena těmto jazykům rozumí a píše v nich, ale poslouchat v nich neumí. Jednotlivé jazyky popisují návody k hlasovému asistentovi.
Můžu aplikaci Orvena přerušit, když mluví?
Ano. Začněte mluvit a její hlas se ztiší, zatímco zjišťuje, co jste mysleli. Po "mhm" pokračuje, na "počkej" nebo "stop" přestane a na novou otázku odpoví hned. Pokud se modely, které to zajišťují, zatím nepodařilo stáhnout, hlas funguje dál a zobrazí "Přerušování je zatím vypnuté. Orvena ho dokončí, až příště spustíte hlas."
Můžu použít AirPods nebo Bluetooth headset?
Ano. Hlasové relace povolují profil Bluetooth hands-free i stereo, jinak se použije vestavěný reproduktor.
Je hlas zdarma?
Psaní je zdarma bez omezení. Hlasové konverzace jsou součástí Premium Unlock, jednorázového nákupu za 14,99 USD bez předplatného.
Proč tu není aktivační slovo?
iOS dovoluje naslouchat na pozadí jen Siri. Můžete Siri říct "Zeptej se aplikace Orvena" a Siri se zeptá, na co se chcete zeptat, nebo spustit hlasovou relaci z Akčního tlačítka, ze Zkratek nebo tlačítkem se zvukovou vlnou v aplikaci.
Orvena je v App Storu zdarma pro iPhone 15 Pro a novější. Hlasové konverzace jsou součástí jednorázového Premium Unlock.
Stáhnout v App Store