AI-hangasszisztens, amely a te nyelveden beszél: 31 nyelven, az iPhone-on

Az Orvena egy AI-hangasszisztens, amely 31 nyelven beszél, az iPhone-on készülő hangokkal, a kezelőfelülete pedig 30 nyelven érhető el. Itt a lista, a beállítás menete, és azok a részletek, amelyeket a nyelvedről érdemes tudni.

Az AI-hangasszisztens nyelvei: mind a 31

Az angol (amerikai és brit hangokkal), a spanyol, a francia, az olasz és a portugál saját hangokat kapott, saját kiejtési szótárral. A többi 26 nyelv egy közös motoron és tíz hangstíluson osztozik: arab, bolgár, cseh, dán, észt, finn, görög, hindi, holland, horvát, indonéz, japán, koreai, lengyel, lett, litván, magyar, német, orosz, román, svéd, szlovák, szlovén, török, ukrán és vietnámi.

Válasznyelvet nem kell beállítanod. Az Orvena azon a nyelven válaszol, amelyen írtál vagy beszéltél, üzenetről üzenetre, így beszélgetés közben is válthatsz, és követi a váltást.

Ez az Orvena saját modelljére igaz. Az Apple Intelligence, amellyel az Orvena iOS 27 rendszeren szintén tud válaszolni, kevesebb nyelvet fed le. Az Apple listája szerint az Apple Intelligence nyelvei: angol, dán, holland, francia, német, olasz, norvég, portugál, spanyol, svéd, török, vietnámi, kínai (egyszerűsített és hagyományos), japán és koreai. Az Orvena megkérdezi az iOS-t, hogy az Apple modellje támogatja-e az iPhone-od nyelvét, és ha a nyelvet nem támogatja, ezt mutatja: "Az Apple Intelligence még nem támogatja ezt a nyelvet. Töltsd le az Orvena saját modelljét a Modellek képernyőn, hogy ezen a nyelven beszélgethess." Az alapértelmezett motorbeállítás, az Automatikus, csak akkor választja az Apple Intelligence-t, ha az támogatja az iPhone-od nyelvét.

A beszélt nyelv beállítása

Alapértelmezés szerint a beszédfelismerő Automatikus módban van: az Orvena az aktuális beszélgetés nyelvén figyel, ha pedig még nincs ilyen, a telefonod nyelvén. Ha mindig ugyanazon a nyelven beszélsz, rögzítsd a Beállítások, majd a Hang pontban, és a felismerő nem találgat tovább. Amikor egy nyelvet először használsz, az iOS letölti hozzá az eszközön futó felismerési modellt, így a megszólalás előtti "Előkészítés…" képernyő akkor kicsit tovább marad fent. Az iOS egyszerre csak néhány felismerési nyelvet tart telepítve; ezt az Orvena kezeli, és a telefonod nyelvét, valamint a rögzített nyelvet mindig megtartja.

Hang kiválasztása

Az angolhoz nyolc hang tartozik. A Heart az alapértelmezett; a további amerikai hangok Bella, Nicole, aki suttog, Michael és Fenrir, a britek pedig Emma, George és Fable. A spanyol, a francia, az olasz és a portugál egy-egy saját hangot kapott. A többi 26 nyelvhez tíz stílus közül választhatsz, Női 1-től Női 5-ig és Férfi 1-től Férfi 5-ig, és a választott stílus minden nyelven megmarad. Minden angol hangnak és mind a tíz stílusnak van előnézet gombja a Beállításokban; a spanyol, a francia, az olasz és a portugál hangot nem kell kiválasztani, maguktól lépnek be, amikor a válasz az adott nyelven szól.

A letöltések

A hang két csomagban érkezik, amelyek a feloldás után töltődnek le, és a háttérben fejeződnek be: nagyjából 345 MB az angolhoz, a spanyolhoz, a franciához, az olaszhoz és a portugálhoz, és 400 MB a többi 26 nyelvhez. Ha csak az egyikre van szükséged, a másikat eltávolíthatod a Beállításokban. Mindkettő az Orvena tükörszerveréről érkezik, és az app minden fájlt egy rögzített ellenőrzőösszeggel (hash) vet össze, ugyanúgy, mint a nyelvi modellnél.

Hogyan készülnek a hangok

Az első motor a Kokoro, egy 82 millió paraméteres modell, amely a kiejtésből dolgozik, nem a helyesírásból. Az angolhoz az appba épített, több mint 180 000 szavas kiejtési szótárakat használ, a bennük nem szereplő szavakhoz pedig egy kis neurális hálózatot. Spanyolhoz, franciához, olaszhoz és portugálhoz nyelvenként letölt egy kiejtési szótárat, a ritka szavak kiejtését betűszabályokból vezeti le, a számokat pedig úgy mondja ki, ahogy az adott nyelv beszélője tenné. A második motor, a Supertonic, kiejtési lépés nélkül, közvetlenül a szöveget olvassa, és ezért tud 26 nyelvet lefedni egyetlen 400 MB-os letöltésben. Mindkettő nagyjából negyed másodperces szünetet tart egy mondat után, a Supertonic ezen felül vesszőnél is tart egy fele akkora szünetet. Mindkettő felolvassa a szimbólumokat: a százalékokat, a pénznemeket és a hőmérsékleteket angolul, spanyolul, franciául, olaszul és portugálul szavakként mondja ki.

Tudnivalók nyelvenként

• Norvég. Az Orvena olvassa és írja, és a dán hanggal beszéli, mivel az írott norvég és dán elég közel áll egymáshoz ahhoz, hogy a dán hang jól felolvassa.
• Maláj és galiciai. Ugyanezért az indonéz, illetve a portugál hanggal szólalnak meg.
• Kínai. Érti és írja, de neurális hang még nincs hozzá, ezért a hangos válaszok egyelőre az iPhone beépített hangját használják.
• Arab. A hang megvan, de a kezelőfelület nincs arabra fordítva.
• Japán és koreai. A háttérben rövidebb szakaszokra bontva szólal meg, ami mindkét nyelvhez illik; ebből csak annyit veszel észre, hogy a szünetek természetes helyre esnek.
• Siri. A Kérdés az Orvenához és a Beszélgetés az Orvenával Siri-kifejezései az angolon kívül mind a 29 kezelőfelületi nyelvre le vannak fordítva, például németül "Frag Orvena", dánul "Spørg Orvena", franciául "Demande à Orvena". Hogy a Siri reagál-e rájuk, az attól függ, milyen nyelveket támogat a Siri.
• Bármely nyelv. Hogy az Orvena tud-e figyelni rajta, az az Apple eszközön futó beszédfelismerőjén múlik. A választó csak olyan nyelveket kínál, amelyeket hallani és beszélni is tud.

Gyakori kérdések

Milyen nyelveken beszél az Orvena?

Harmincegy nyelven: angol, spanyol, francia, olasz, portugál, német, holland, dán, svéd, finn, lengyel, cseh, szlovák, szlovén, horvát, magyar, román, bolgár, görög, ukrán, orosz, török, észt, lett, litván, arab, hindi, indonéz, vietnámi, koreai és japán. A kezelőfelület 30 nyelven érhető el.

A telefonon készülnek a hangok?

Igen. Mindkét beszédmotor az iPhone-on fut, és az Orvena saját modelljével vagy az Apple Intelligence-szel a válasz is ott készül. Ha a Private Cloud Compute-ot vagy egy felhőmodellt választasz, a válasz az adott szolgáltató szerverein készül, egy élő hangos munkamenet pedig az OpenAI valós idejű modelljén, a saját kulcsoddal, az OpenAI-hoz továbbítja a hangodat. Mindegyik előbb hozzájárulást kér.

Tud fordítani?

Megkérheted, hogy fordítson le egy mondatot vagy egy üzenetet, és megteszi. Egyébként egyszerűen azon a nyelven válaszol, amelyet használtál.

A kezelőfelület elérhető a nyelvemen?

30 nyelven érhető el, ezeket az App Store-oldal sorolja fel. Arabul beszél, de a kezelőfelület még nincs lefordítva arabra.