Asystent głosowy AI, który mówi w Twoim języku: 31 języków w telefonie iPhone

Orvena to asystent głosowy AI, który mówi w 31 językach głosami generowanymi przez samego iPhone'a, a jej interfejs jest dostępny w 30. Oto lista, sposób konfiguracji i szczegóły, które warto znać w przypadku Twojego języka.

Języki asystenta głosowego AI: pełna lista 31

Angielski (głosy amerykańskie i brytyjskie), hiszpański, francuski, włoski i portugalski mają dedykowane głosy z własnymi słownikami wymowy. Pozostałych 26 korzysta z jednego silnika i zestawu dziesięciu stylów głosu: arabski, bułgarski, chorwacki, czeski, duński, estoński, fiński, grecki, hindi, indonezyjski, japoński, koreański, litewski, łotewski, niderlandzki, niemiecki, polski, rosyjski, rumuński, słowacki, słoweński, szwedzki, turecki, ukraiński, węgierski i wietnamski.

Nie ustawiasz języka odpowiedzi. Orvena odpowiada w języku, w którym piszesz lub mówisz, wiadomość po wiadomości, więc możesz zmienić język w trakcie rozmowy, a ona za tym podąży.

Dotyczy to własnego modelu Orveny. Apple Intelligence, której Orvena może też używać do odpowiedzi w iOS 27, obsługuje mniej języków. Apple wymienia dla Apple Intelligence te języki: angielski, duński, niderlandzki, francuski, niemiecki, włoski, norweski, portugalski, hiszpański, szwedzki, turecki, wietnamski, chiński (uproszczony i tradycyjny), japoński i koreański. Orvena pyta iOS, czy model Apple obsługuje język Twojego iPhone'a, a w nieobsługiwanym języku pokazuje "Apple Intelligence nie obsługuje jeszcze tego języka. Pobierz własny model Orveny w sekcji Modele, aby rozmawiać w tym języku." Domyślne ustawienie silnika, Automatycznie, wybiera Apple Intelligence tylko wtedy, gdy obsługuje ona język Twojego iPhone'a.

Ustawianie języka mowy

Domyślnie rozpoznawanie mowy jest ustawione na Automatycznie: Orvena słucha w języku bieżącej rozmowy, a jeśli jeszcze żadnej nie ma, w języku telefonu. Jeśli zawsze mówisz w jednym języku, przypnij go w Ustawieniach, w sekcji Głos, a rozpoznawanie mowy przestanie zgadywać. Przy pierwszym użyciu danego języka iOS pobiera jego model rozpoznawania mowy na urządzeniu, więc ekran "Przygotowuję…" przed mówieniem jest wtedy widoczny nieco dłużej. iOS utrzymuje jednocześnie zainstalowanych tylko kilka języków rozpoznawania; Orvena tym zarządza i zawsze zachowuje język telefonu oraz przypięty przez Ciebie język.

Wybór głosu

Angielski ma osiem głosów. Domyślny jest Heart; pozostałe głosy amerykańskie to Bella, szepcząca Nicole, Michael i Fenrir, a brytyjskie to Emma, George i Fable. Hiszpański, francuski, włoski i portugalski mają po jednym własnym głosie. W 26 pozostałych językach wybierasz jeden z dziesięciu stylów, Kobiecy 1 do 5 i Męski 1 do 5, a wybrany styl obowiązuje we wszystkich tych językach. Każdy angielski głos i każdy z dziesięciu stylów ma w Ustawieniach przycisk odsłuchu; głosów hiszpańskiego, francuskiego, włoskiego i portugalskiego się nie wybiera, bo włączają się same, gdy odpowiedź jest w danym języku.

Pakiety do pobrania

Głos jest dostępny w dwóch pakietach, pobieranych po odblokowaniu i dokańczanych w tle: około 345 MB dla angielskiego, hiszpańskiego, francuskiego, włoskiego i portugalskiego oraz 400 MB dla pozostałych 26 języków. Jeśli potrzebujesz tylko jednego z nich, drugi możesz usunąć w Ustawieniach. Oba pochodzą z serwera lustrzanego Orveny, a każdy plik jest sprawdzany względem przypiętej sumy kontrolnej, tak samo jak model językowy.

Jak powstają głosy

Pierwszy silnik to Kokoro, model z 82 milionami parametrów, który przetwarza wymowę, a nie pisownię. Dla angielskiego zawiera w aplikacji słowniki wymowy obejmujące ponad 180 000 słów oraz małą sieć neuronową dla wszystkiego, czego w nich nie ma. Dla hiszpańskiego, francuskiego, włoskiego i portugalskiego pobiera osobny słownik wymowy dla każdego języka, rzadkie słowa wymawia według reguł czytania liter, a liczby odczytuje tak, jak zrobiłby to rodzimy użytkownik danego języka. Drugi silnik, Supertonic, czyta tekst bezpośrednio, bez etapu wymowy, i właśnie dzięki temu obsługuje 26 języków w jednym pakiecie 400 MB. Oba robią pauzę około ćwierć sekundy po zdaniu, a Supertonic dodatkowo o połowę krótszą przy przecinku. Oba odczytują symbole na głos: procenty, waluty i temperatury są wymawiane słownie po angielsku, hiszpańsku, francusku, włosku i portugalsku.

Uwagi o poszczególnych językach

• Norweski. Orvena go czyta i w nim pisze, a mówi duńskim głosem, bo pisany norweski i duński są na tyle bliskie, że duński głos dobrze sobie z nim radzi.
• Malajski i galicyjski. Z tego samego powodu wymawiane odpowiednio głosem indonezyjskim i portugalskim.
• Chiński. Rozumiany i pisany, ale nie ma jeszcze głosu neuronowego, więc mówione odpowiedzi na razie używają wbudowanego głosu iPhone'a.
• Arabski. Głos jest dostępny, ale interfejs nie jest przetłumaczony na arabski.
• Japoński i koreański. Wewnętrznie wymawiane krótszymi frazami, co pasuje do obu języków; zauważysz to tylko po tym, że pauzy wypadają naturalnie.
• Siri. Frazy Siri dla akcji Zapytaj Orvenę i Porozmawiaj z Orveną są przetłumaczone na 29 języków interfejsu poza angielskim, na przykład "Frag Orvena" po niemiecku, "Spørg Orvena" po duńsku i "Demande à Orvena" po francusku. To, czy Siri na nie zareaguje, zależy od języków obsługiwanych przez Siri.
• Dowolny język. To, czy Orvena może w nim słuchać, zależy od rozpoznawania mowy Apple na urządzeniu. Lista wyboru oferuje tylko języki, które Orvena potrafi zarówno usłyszeć, jak i wypowiedzieć.

Częste pytania

W jakich językach mówi Orvena?

W trzydziestu jeden: angielskim, hiszpańskim, francuskim, włoskim, portugalskim, niemieckim, niderlandzkim, duńskim, szwedzkim, fińskim, polskim, czeskim, słowackim, słoweńskim, chorwackim, węgierskim, rumuńskim, bułgarskim, greckim, ukraińskim, rosyjskim, tureckim, estońskim, łotewskim, litewskim, arabskim, hindi, indonezyjskim, wietnamskim, koreańskim i japońskim. Interfejs jest dostępny w 30 językach.

Czy głosy są generowane na telefonie?

Tak. Oba silniki mowy uruchamia sam iPhone, a przy własnym modelu aplikacji Orvena lub Apple Intelligence na telefonie powstaje też odpowiedź. Jeśli wybierzesz Private Cloud Compute lub model w chmurze, odpowiedź powstaje na serwerach danego dostawcy, a sesja głosowa na żywo z modelem realtime OpenAI i Twoim własnym kluczem przesyła Twój dźwięk strumieniowo do OpenAI. Każda z tych opcji najpierw prosi o zgodę.

Czy potrafi tłumaczyć?

Możesz poprosić o przetłumaczenie zdania lub wiadomości, a to zrobi. Poza tym po prostu odpowiada w języku, którego używasz.

Czy interfejs jest w moim języku?

Jest dostępny w 30 językach, wymienionych na stronie aplikacji w App Store. Arabski jest obsługiwany w mowie, ale interfejs nie jest jeszcze na niego przetłumaczony.