iPhone के लिए ऑन-डिवाइस वॉइस असिस्टेंट: यह कैसे काम करता है और क्या उम्मीद करें
ऑन-डिवाइस वॉइस असिस्टेंट असल में तीन प्रोग्राम हैं जो बारी-बारी से काम करते हैं: एक जो आपको सुनता है, एक जो तय करता है कि क्या कहना और करना है, और एक जो बोलता है। ज़्यादातर असिस्टेंट बीच वाले को, और अक्सर बाक़ी दोनों को भी, किसी सर्वर पर चलाते हैं। Orvena डिफ़ॉल्ट रूप से तीनों को iPhone पर चलाता है। इसमें क्या-क्या शामिल है, इसे कैसे सेट करें, और इसकी सीमाएँ कहाँ हैं, यह सब यहाँ है।
ऑन-डिवाइस वॉइस असिस्टेंट फ़ोन पर क्या चलाता है
सुनना। Orvena, iOS 26 के Speech फ़्रेमवर्क वाला Apple का ऑन-डिवाइस स्पीच रिकग्नाइज़र इस्तेमाल करता है। किसी भाषा में पहली बार बोलने पर iOS उस भाषा का रिकग्निशन मॉडल डाउनलोड करता है, इसलिए उस बार बोलने से पहले का छोटा "तैयार हो रहा है…" वाला ठहराव ज़्यादा लंबा चलता है।
तय करना। वही मॉडल जो टाइप करने पर जवाब देता है: Orvena 4B, Orvena का अपना मॉडल, 3.1 GB का डाउनलोड जो फ़ोन के GPU पर चलता है, या iOS 27 पर Apple Intelligence, जो iOS में ही बना हुआ है। बात करते समय यह फ़ोन के टूल इस्तेमाल कर सकता है: मीटिंग आगे-पीछे करना, अलार्म लगाना, मौसम जाँचना, कोई फ़ोटो ढूँढना।
बोलना। दो न्यूरल स्पीच इंजन फ़ोन पर ही आवाज़ बनाते हैं। एक अंग्रेज़ी, स्पेनिश, फ़्रेंच, इतालवी और पुर्तगाली संभालता है और लगभग 345 MB का डाउनलोड है; दूसरा 26 और भाषाएँ संभालता है और 400 MB का है। हर इंजन का एक वर्ज़न iPhone के Neural Engine के लिए भी बना है, पहले का 634 MB और दूसरे का 129 MB, ताकि आवाज़ बनाने के काम को GPU के लिए भाषा मॉडल से होड़ न करनी पड़े। ये सभी वॉइस अनलॉक करने के बाद डाउनलोड होते हैं और बैकग्राउंड में पूरे हो जाते हैं, और पहला वॉइस सेशन इन्हें एक बार तैयार कर लेता है।
बातचीत समझना। Orvena का अपना एक छोटा मॉडल, Cue, समझता है कि Orvena के बोलते समय आप कुछ कहें तो आपका मतलब क्या है, और "मेरी आवाज़ आ रही है?" जैसी छोटी बातों का जवाब भाषा मॉडल के बिना देता है। यह 385 MB का डाउनलोड है और Neural Engine पर हर फ़ैसला लगभग 10 मिलीसेकंड में करता है।
दोनों में से किसी भी ऑन-डिवाइस मॉडल के साथ, इस चक्र का कोई भी हिस्सा नेटवर्क पार नहीं करता। एयरप्लेन मोड इसकी सच्ची कसौटी है: इसे चालू करें, वॉइस सेशन शुरू करें, पूछें कि कल आपके कैलेंडर में क्या है, और जवाब सुनें।
बातचीत शुरू करना
- ऐप में। पूछने वाली बार में वेवफ़ॉर्म बटन पर टैप करें। एक फ़ुल-स्क्रीन वॉइस व्यू खुलता है, और एक कीबोर्ड बटन आपको किसी भी समय, बातचीत खोए बिना, वापस टाइपिंग पर ले आता है।
- ऐक्शन बटन से। iPhone की सेटिंग्स खोलें, ऐक्शन बटन चुनें, स्वाइप करके शॉर्टकट पर जाएँ और "Orvena से बात करें" चुनें। फिर दबाकर बोलें। यही "Orvena से बात करें" ऐक्शन शॉर्टकट्स और Siri से भी काम करता है।
- Dynamic Island से। सेशन चलते समय एक Live Activity में Listening (सुन रहा है), Working (काम कर रहा है) या Approval (स्वीकृति) दिखता है, और एक Stop बटन सुनना बंद कर देता है, भले ही आप ऐप से बाहर जा चुके हों।
एक बारी कैसे चलती है
Orvena सुनता है और आपके बोलते समय ट्रांसक्रिप्ट दिखाता है। वह 1.5 सेकंड की चुप्पी के बाद आपकी बारी को पूरा मान लेता है, या 0.6 सेकंड बाद, अगर रिकग्नाइज़र आपके वाक्य को पहले ही अंतिम मान चुका हो; इसी से बातचीत तेज़ लगती है, और आपकी बात बीच में नहीं कटती। फिर वह सोचता है, अनुरोध को ज़रूरत हो तो कोई टूल इस्तेमाल करता है और नतीजा एक कार्ड के रूप में दिखाता है, और जवाब बोलता है। जवाब ख़त्म होने पर वह फिर सुनने लगता है, ताकि बातचीत बिना हाथ लगाए चलती रहे। सेशन तब ख़त्म होता है जब आप "समाप्त करें" पर टैप करें, या 90 सेकंड तक कुछ न कहा जाए।
Orvena सोचते और बोलते समय भी सुनता रहता है, और iPhone का इको कैंसलेशन उसकी अपनी आवाज़ को माइक्रोफ़ोन में नहीं आने देता। जब आप बोलना शुरू करते हैं, तो जब तक Cue यह समझता है कि आपका मतलब क्या है, Orvena की आवाज़ धीमी हो जाती है: "हम्म" कहने पर वह बोलता रहता है, "रुको" या "बस करो" कहने पर जवाब ख़त्म हो जाता है, और नया सवाल उसे रोककर आपकी अगली बारी बन जाता है। Orvena को बीच में टोकना में बताया गया है कि कौन-सी बात किस गिनती में आती है, और कौन-से जवाब वह भाषा मॉडल के बिना देता है।
क्या ऑफ़लाइन काम करता है
ऊपर का सब कुछ, और फ़ोन पर रहने वाला हर टूल: कैलेंडर, रिमाइंडर, अलार्म और टाइमर, फ़ोटो, Apple Health सारांश, संपर्क, फ़ाइलें, संगीत। कनेक्शन की ज़रूरत सिर्फ़ उसे है जिसे बाहरी दुनिया चाहिए: वेब खोज, वेब पेज पढ़ना, मौसम, जगहों की खोज और यात्रा समय, Notion या GitHub जैसी जुड़ी हुई सेवाएँ, Private Cloud Compute, और अपनी कुंजी से जोड़ा गया कोई भी क्लाउड मॉडल। इनमें से हर एक, उस शर्त के साथ जिस पर वह नेटवर्क तक पहुँचता है, होमपेज के बहीखाते में सूचीबद्ध है।
सीमाएँ
Orvena का अपना कोई वेक वर्ड नहीं है। iOS हमेशा चालू रहने वाला सुनना Siri के लिए आरक्षित रखता है, इसलिए किसी तीसरे पक्ष के असिस्टेंट को खोलना या ट्रिगर करना पड़ता है: ऐक्शन बटन वॉइस सेशन शुरू करता है, और Siri से "Orvena से पूछो" कहना उसे एक सवाल सौंप देता है। मॉडल क्लाउड असिस्टेंट के पीछे वाले मॉडलों से छोटा है, और लंबे शोध या किसी ख़ास क्षेत्र के सवालों में आपको यह फ़र्क़ दिखेगा; लोग फ़ोन से बोलकर जो पूछते हैं, जैसे शेड्यूल, मौसम, कोई रिमाइंडर, कोई फ़ोटो, यात्रा समय का ध्यान रखने वाला अलार्म, उसके लिए यह सही आकार का है। वॉइस के लिए 8 GB मेमोरी वाला iPhone 15 Pro या उससे नया चाहिए, क्योंकि भाषा मॉडल को इसकी ज़रूरत होती है। और Orvena किन भाषाओं को सुन सकता है, यह Apple के ऑन-डिवाइस रिकग्नाइज़र पर निर्भर है, जिसमें अभी बल्गेरियाई, एस्टोनियाई, लातवियाई, लिथुआनियाई और स्लोवेनियाई नहीं हैं: टाइप करने पर Orvena इन भाषाओं को पढ़ता और लिखता है, लेकिन इनमें सुन नहीं सकता। भाषा चुनने की सूची में सिर्फ़ वही भाषाएँ आती हैं जिन्हें वह सुन भी सकता है और बोल भी सकता है।
वैकल्पिक क्लाउड वॉइस
अगर आपके पास OpenAI कुंजी है, तो आप इसकी जगह OpenAI के रियलटाइम मॉडल पर लाइव वॉइस सेशन चला सकते हैं। बातचीत के लेन-देन में यह ज़्यादा तेज़ है, और बदले में आपका ऑडियो OpenAI को स्ट्रीम होता है। Orvena सेशन शुरू होने से पहले सहमति माँगता है, अगर बातचीत में पहले से स्वास्थ्य या वित्तीय डेटा हो तो फिर से पूछता है, और वॉइस स्क्रीन पर हरे रंग में "इस iPhone पर" की जगह पीले रंग में "क्लाउड" लिखता है, ताकि आपको हमेशा पता रहे कि आप किस मोड में हैं।
आम सवाल
क्या Orvena की वॉइस को इंटरनेट कनेक्शन चाहिए?
नहीं, जब वॉइस पैक फ़ोन पर आ चुके हों, साथ में Orvena का अपना मॉडल भी, अगर आप Apple Intelligence की जगह उसे इस्तेमाल करते हैं, और iOS पहली बार बोलने पर आपकी भाषा का रिकग्नाइज़र ले आया हो। स्पीच रिकग्निशन, जवाब और बोलना, सब फ़ोन पर चलते हैं, जब तक आपने Private Cloud Compute या कोई क्लाउड मॉडल न चुना हो। सिर्फ़ बाहरी दुनिया की ज़रूरत वाले अनुरोध, जैसे वेब खोज या मौसम, नेटवर्क इस्तेमाल करते हैं, और वह भी सिर्फ़ तब जब आप पूछें।
मैं इससे किन भाषाओं में बात कर सकता हूँ?
इसकी 31 में से 26 भाषाओं में, और नॉर्वेजियन में। Apple का ऑन-डिवाइस स्पीच रिकग्निशन अभी बल्गेरियाई, एस्टोनियाई, लातवियाई, लिथुआनियाई या स्लोवेनियाई को कवर नहीं करता, इसलिए आप इनमें टाइप करें तो Orvena इन्हें समझता और लिखता है, लेकिन इनमें सुन नहीं सकता। वॉइस गाइड में हर भाषा की जानकारी है।
क्या Orvena के बोलते समय मैं उसे बीच में टोक सकता हूँ?
हाँ। बोलना शुरू करें, और जब तक वह समझता है कि आपका मतलब क्या है, उसकी आवाज़ धीमी हो जाती है। "हम्म" के बाद वह बोलता रहता है, "रुको" या "बस करो" पर रुक जाता है, और नए सवाल का जवाब तुरंत देता है। अगर इसके पीछे के मॉडल अभी डाउनलोड नहीं हो पाए हैं, तो भी वॉइस काम करती है और यह दिखाती है: "अभी बीच में बोलकर रोकना बंद है। अगली बार वॉइस शुरू करने पर Orvena इसे पूरी तरह सेट कर देगी।"
क्या मैं AirPods या Bluetooth हेडसेट इस्तेमाल कर सकता हूँ?
हाँ। वॉइस सेशन Bluetooth हैंड्स-फ़्री और स्टीरियो, दोनों प्रोफ़ाइल की अनुमति देते हैं, और इनके न होने पर बिल्ट-इन स्पीकर इस्तेमाल होता है।
क्या वॉइस मुफ़्त है?
टाइप करना बिना किसी सीमा के मुफ़्त है। वॉइस बातचीत Premium Unlock का हिस्सा है, जो $14.99 की एक बार की ख़रीदारी है, कोई सब्सक्रिप्शन नहीं।
वेक वर्ड क्यों नहीं है?
iOS सिर्फ़ Siri को बैकग्राउंड में सुनने देता है। आप Siri से "Orvena से पूछो" कह सकते हैं, जो पूछता है कि आप क्या पूछना चाहते हैं, या ऐक्शन बटन, शॉर्टकट्स या ऐप के वेवफ़ॉर्म बटन से वॉइस सेशन शुरू कर सकते हैं।
Orvena, App Store पर iPhone 15 Pro या उससे नए मॉडल के लिए मुफ़्त है। वॉइस बातचीत एक बार के Premium Unlock का हिस्सा है।
App Store से डाउनलोड करें