Умная колонка vs наушники
В умных колонках голосовая активация — задача в целом решённая. Несколько микрофонов, стабильное питание от розетки, производительный процессор с достаточным запасом вычислительных ресурсов — всё это создаёт комфортные условия для запуска моделей прямо на устройстве.
Перенести то же самое в наушники оказалось совсем другой историей. Принципиально иная аппаратная база потребовала переосмыслить с нуля архитектуру споттера — компонента, который распознаёт обращение «Алиса» непосредственно на устройстве, не обращаясь к серверу.
Аппаратные ограничения
Список ограничений оказался внушительным: крошечный аккумулятор с минимальным запасом энергии, малый объём памяти, чип с жёсткими ограничениями по тактовой частоте. К этому добавились неожиданные сюрпризы на уровне SDK — особенности программного интерфейса, которые обнаружились уже в ходе разработки.
Именно совокупность этих факторов заставила полностью переосмыслить подход. Итог — модель, которая умещается в 200 килобайт и при этом справляется с задачей голосовой активации в реальных условиях использования.
О чём эта статья
Меня зовут Григорий Афанасенко, я работаю в команде голосовых технологий Яндекса. Сегодня мы запустили Яндекс Дропс — первое носимое ИИ-устройство с Алисой AI.
В этой статье я расскажу, как мы адаптировали споттер под железо наушников, какие технические решения пришлось принять, где мы наступили на грабли и что планируем делать дальше.
