Ce înseamnă Asistent vocal
Un asistent vocal este un program care înțelege comenzi și întrebări rostite și răspunde tot prin voce sau printr-o acțiune: pornește o melodie, setează o alarmă, sună pe cineva, citește vremea sau aprinde lumina. Primele asistente cunoscute au fost Siri (Apple, 2011), Alexa (Amazon, 2014) și Google Assistant (2016).
Generația nouă se bazează pe modele lingvistice mari: asistenții AI precum ChatGPT, Gemini sau Claude au moduri vocale în care poți purta o conversație naturală, poți întrerupe și poți pune întrebări complexe, nu doar comenzi fixe.
Cum funcționează
Clasic, procesul are mai mulți pași: dispozitivul ascultă în permanență, local, doar cuvântul de activare („Hey Siri”, „Ok Google”, „Alexa”); apoi înregistrarea este transformată în text (speech-to-text), textul este interpretat pentru a afla intenția, se execută acțiunea și răspunsul este rostit cu text-to-speech.
Asistenții noi pot procesa sunetul direct, cu modele multimodale, ceea ce face conversația mai rapidă și le permite să perceapă tonul vocii. Suportul pentru limba română diferă mult de la un produs la altul: unele asistente tradiționale nu înțeleg româna, în timp ce mulți asistenți bazați pe LLM o vorbesc destul de bine.
Pe înțelesul tuturor
Un asistent vocal clasic este ca un majordom care știe o listă de sarcini precise; unul bazat pe LLM este mai degrabă un interlocutor cu care poți discuta, dar care uneori înțelege greșit ce i-ai cerut.
Exemplu
Un șofer din Constanța, cu mâinile pe volan, îi cere telefonului să-i citească ultimul mesaj primit, să răspundă „ajung în zece minute” și să pornească navigația spre o adresă. Acasă, întreabă un asistent AI, în română, cum să scoată o pată de vin de pe o canapea.
De reținut
- Asistenții vocali combină recunoașterea vocii, înțelegerea limbajului și sinteza vocală.
- Ascultarea permanentă a cuvântului de activare ridică întrebări de confidențialitate; verifică setările de istoric vocal.
- Nu toți asistenții vocali înțeleg limba română.
Nu confunda
- Asistent vocal vs. boxă inteligentă: boxa este dispozitivul; asistentul este programul care rulează pe ea (și pe telefoane, mașini, televizoare).
Termeni înrudiți
- Speech-to-text (recunoaștere vocală): Tehnologie care transformă vorbirea dintr-o înregistrare sau de la microfon în text scris.
- Text-to-speech (sinteză vocală): Tehnologie care citește cu voce tare un text scris, generând vorbire artificială tot mai naturală.
- Asistent AI: Aplicație bazată pe un model de limbaj care te ajută prin conversație să scrii, să cauți, să înveți, să analizezi documente și să rezolvi sarcini.
- Casă inteligentă (smart home): Locuință cu dispozitive conectate (lumini, termostat, prize, camere) care pot fi controlate de la distanță și automatizate, uneori cu AI.
- NLP (procesarea limbajului natural): Domeniul AI care îi învață pe calculatoare să înțeleagă și să producă limbaj omenesc: traducere, rezumare, chatboți, analiza textelor.
- Model multimodal: Model AI care lucrează cu mai multe tipuri de date: text, imagini, sunet sau video, pe care le poate înțelege și, uneori, genera.