Голосовой ассистент на устройстве для iPhone: как он работает и чего ожидать

Голосовой ассистент на устройстве состоит из трёх программ, которые работают по очереди: одна вас слышит, другая решает, что сказать и сделать, третья говорит. Большинство ассистентов запускают среднюю, а часто и две другие, на сервере. Orvena по умолчанию запускает все три на iPhone. Ниже о том, что для этого нужно, как это настроить и где проходят границы.

Что голосовой ассистент на устройстве запускает на телефоне

Слух. Orvena использует распознаватель речи Apple на устройстве из фреймворка Speech в iOS 26. Когда вы впервые говорите на каком-то языке, iOS скачивает модель распознавания для этого языка, поэтому короткая пауза «Подготовка…» перед тем, как можно говорить, в этот раз длится дольше.

Решение. Та же модель, что отвечает, когда вы печатаете: Qwen 3.5 4B (загрузка 3,1 GB), которая работает на GPU телефона, или, в iOS 27, встроенная в систему Apple Intelligence. Пока вы говорите, она может пользоваться инструментами телефона: перенести встречу, поставить будильник, проверить погоду, найти фото.

Речь. Голос генерируют на телефоне два нейронных синтезатора речи. Один охватывает английский, испанский, французский, итальянский и португальский, его загрузка занимает около 345 MB; другой охватывает ещё 26 языков и занимает 400 MB. Оба скачиваются после того, как вы разблокируете голос, и докачиваются в фоне.

С любой из моделей на устройстве ничто в этом цикле не выходит в сеть. Честная проверка: включите авиарежим, начните голосовой сеанс, спросите, что у вас в календаре на завтра, и послушайте ответ.

Как начать беседу

• В приложении. Коснитесь кнопки со звуковой волной в строке ввода. Откроется полноэкранный голосовой режим, а кнопка с клавиатурой в любой момент вернёт вас к набору текста, и беседа не потеряется.
• С кнопки «Действие». Откройте Настройки, выберите «Кнопка действия», пролистайте до «Быстрая команда» и выберите «Поговорить с Orvena». Нажмите кнопку и говорите. То же действие «Поговорить с Orvena» работает из «Быстрых команд» и из Siri.
• Из Dynamic Island. Пока идёт сеанс, Live Activity показывает состояние Listening, Working или Approval (слушает, работает, ждёт подтверждения), а кнопка Stop прекращает прослушивание, даже если вы ушли из приложения.

Как устроена одна реплика

Orvena слушает и показывает расшифровку, пока вы говорите. Она считает вашу реплику законченной после 1,5 секунды тишины или после 0,6 секунды, если распознаватель уже пометил вашу фразу как завершённую: именно поэтому обмен репликами кажется быстрым и при этом вас не обрывают на полуслове. Затем она думает, при необходимости использует инструмент и показывает результат карточкой, а потом произносит ответ. Когда ответ заканчивается, она снова слушает, так что беседа продолжается без помощи рук. Сеанс завершается, когда вы касаетесь «Завершить», или через 90 секунд молчания.

Пока Orvena думает и говорит, микрофон выключен. Это сделано намеренно: когда два распознавателя слушают одновременно, ассистенты в итоге начинают отвечать сами себе. Это также значит, что в режиме на устройстве перебить ответ голосом нельзя. Чтобы прервать его, коснитесь «Завершить» или Stop в Dynamic Island.

Что работает офлайн

Всё описанное выше и все инструменты, которые живут на телефоне: календарь, напоминания, будильники и таймеры, фото, сводки из приложения «Здоровье», контакты, файлы, музыка. Подключение к сети нужно тому, что обращается к внешнему миру: поиску в интернете, чтению веб-страниц, погоде, поиску мест и времени в пути, подключённым сервисам вроде Notion или GitHub, Private Cloud Compute и любой облачной модели, которую вы добавите с собственным ключом. Каждый из этих пунктов вместе с условием, при котором он выходит в сеть, указан в реестре на главной странице.

Ограничения

Собственного слова активации у Orvena нет. iOS оставляет постоянное прослушивание за Siri, поэтому сторонний ассистент нужно открыть или запустить: кнопка «Действие» начинает голосовой сеанс, а если сказать Siri "Спроси Orvena", Orvena получит один вопрос. Модель меньше тех, что стоят за облачными ассистентами, и в долгом исследовании или узкоспециальной области это будет заметно; для того, что люди спрашивают у телефона вслух (расписание, погода, напоминание, фото, будильник с учётом времени в пути), её размер как раз подходит. Для голоса нужен iPhone 15 Pro или новее с 8 GB памяти, потому что она нужна языковой модели. А то, на каких языках Orvena может слушать, зависит от распознавателя Apple на устройстве; при выборе языка предлагаются только те, на которых она может и говорить.

Необязательный облачный голос

Если у вас есть ключ OpenAI, вместо этого можно провести живой голосовой сеанс на realtime-модели OpenAI. Обмен репликами с ней быстрее, и её можно перебить на полуслове, но взамен ваш звук передаётся в OpenAI. Orvena запрашивает согласие до начала сеанса, спрашивает ещё раз, если в беседе уже есть данные о здоровье или финансах, и помечает голосовой экран янтарной надписью «облако» вместо зелёной «на этом iPhone», чтобы вы всегда знали, в каком режиме находитесь.

Частые вопросы

Нужен ли голосу Orvena интернет?

Нет, если голосовые пакеты уже на телефоне (вместе с собственной моделью Orvena, если вы пользуетесь ею, а не Apple Intelligence) и iOS скачала распознаватель для вашего языка, когда вы впервые на нём заговорили. Распознавание, ответ и речь работают на телефоне, если только вы не выбрали Private Cloud Compute или облачную модель. В сеть выходят только запросы, которым нужен внешний мир, например поиск в интернете или погода, и только когда вы о них просите.

Можно ли пользоваться AirPods или Bluetooth-гарнитурой?

Да. Голосовые сеансы поддерживают и профиль громкой связи Bluetooth, и стереопрофиль, а в остальных случаях используется встроенный динамик.

Голос бесплатный?

Набор текста бесплатен и без ограничений. Голосовые беседы входят в Premium Unlock, разовую покупку за $14,99 без подписки.

Почему нет слова активации?

iOS разрешает слушать в фоне только Siri. Вы можете сказать Siri "Спроси Orvena", и она попросит задать вопрос, либо начать голосовой сеанс с кнопки «Действие», из «Быстрых команд» или кнопкой со звуковой волной в приложении.