Nie mamy, w naszym rozwiązaniu mikrofon musi być fizycznie włączony przez użytkownika przed wydaniem komendy głosowej.
Z jakiego mikrofonu można wydawać komendy?
Obecnie po wyjęciu z pudełka, mamy dobrze działające sterownie głosowe “z bliska” (tzw. near field), z jakiego mikrofonu wydawana jest komenda głosowa, nie ma dla nas znaczenia.
Wspieramy kilka możliwości:
- mikrofon w aplikacji webowej
- mikrofon w telefonie z systemem Android i z zainstalowaną naszą darmową aplikacją dostępną w Google Play
- mikrofon w zegarku z systemem Wear OS i z zainstalowaną naszą darmową aplikacją dostępną w Google Play
- z naszego dedykowanego pilota radiowego z wbudowanym mikrofonem
Gwarantujemy działanie wspomnianych wyżej mikrofonów.
Bardzo możliwe, że zadziała też mikrofon USB, który masz w domu, ale nie możemy być tego pewni.
Czemu mikrofon nie jest cały czas włączony?
Stale włączony mikrofon niesie ze sobą kilka problemów, które obecnie nie są jeszcze do końca rozwiązane:
-
Kontrowersje związane z prywatnością
Nie da się rozpoznać słowa kluczowego występującego przed komendą bez stałego nagrywania i rozpoznawania (zamiany mowy na tekst) jakie słowa zostały powiedziane.
Łatwo można być posądzonym o podsłuchiwanie rozmów. Te problemy mają obecnie wszyscy dostawcy tego typu rozwiązań. -
Macierz mikrofonów
Nie wystarczy mikrofonu włączyć, trzeba mieć odpowiedni sprzęt (macierz mikrofonów), który będzie w stanie kierunkowo nagrać komendę wydaną z daleka (far field microphone) oraz odfiltrować muzykę i inne “szumy” w pomieszczeniu. Takie rozwiązania są obecnie drogie i nie zawsze działają dobrze. -
Obciążenie procesora
Ciągłe nagrywanie i rozpoznawanie tekstu wiąże się z dodatkowym obciążeniem procesora na urządzeniu (rzędu 30%), a co za tym idzie dodatkowym użyciem prądu.
Chcemy, żeby nasze urządzenie było ECO. Obecnie ciągle włączona bramka zużywa miesięcznie do 2 KWh (złotówkę za prąd miesięcznie).
Jak dodać sterowanie z daleka i ciągle włączony mikrofon?
Produkt jest otwarty, są publicznie dostępne źródła, jest root, porty USB - nikomu nie zabraniamy dodać sobie takiej funkcjonalności.
Jako mikrofon można próbować zastosować kamerę Sony PlayStation Eye, która ma 4 mikrofony i jest do kupienia za 15 zł w Internecie.
Samo trenowanie wykrywania słowa rozpoczynającego komendę (wake word detection, keyword spotting, trigger word detection, hotword detection) można zrobić gotowym otwartym rozwiązaniem, np. coś takiego jak te projekty: