Picovoice — eine Reihe von eigenen SDK für Sprachfunktionen auf dem Gerät. Der Entwickler wählt die gewünschten Komponenten aus: Aufzeichnungserkennung, Streaming-Text, Schlüsselphrase, Befehlsabsicht oder Synthese.
Eine Sprachoberfläche in einzelne Komponenten aufteilen
Nicht jedes Gerät benötigt ein freies Gespräch mit einem Cloud-Assistenten. Manchmal reichen Aktivierungsphrase, Erkennung eines Befehls und eine genau festgelegte Aktion. Picovoice bietet dafür eigene SDKs: Porcupine für Aktivierung, Rhino für Absichten, Leopard und Cheetah für Erkennung und Orca für Synthese. Zusätzlich gibt es Komponenten für Sprachaktivitätserkennung, Sprechertrennung und Rauschunterdrückung.
Die offizielle Website beschreibt die Verarbeitung auf dem Gerät. Dabei sind die Erstellung eigener Modelle und die Zugriffskontrolle mit der Console verbunden. Lokale Erkennung bedeutet nicht das Fehlen eines Kontos, eines Lizenzschlüssels oder kommerzieller Nutzungsbedingungen. Jeder Teil des Systems muss zusammen mit seiner Liefermethode betrachtet werden.
Beispiel: ein Übungsfeld für Sprachbefehle
Verwenden Sie für die Demonstration einen sicheren Anwendungsprototyp mit fiktiven Aktionen „Liste öffnen“ und „Hilfe anzeigen“. Entscheiden Sie zunächst, ob der vollständige Sprachtext benötigt wird oder eine vordefinierte Absicht ausreicht. Im zweiten Fall ist kein frei formulierbarer Chat für nur zwei Befehle nötig.
Prüfen Sie anschließend Ihre Aktivierungsphrase und ähnlich klingende Alltagswörter: Eine zufällige Übereinstimmung darf keine Aktion auslösen. Ergänzen Sie Stille, Hintergrundgespräche und unvollständige Befehle. Wird keine Absicht sicher erkannt, soll die Oberfläche nachfragen oder nichts tun. Testen Sie mit dem Mikrofon und Gerät, auf denen der Prototyp laufen wird. Das ist eine Übungsaufgabe und kein von uns bestätigtes Picovoice-Erkennungsergebnis.
Das Modell muss zur Plattform und zur Sprache passen
Die Dokumentation bietet SDK für verschiedene Betriebssysteme und Programmiersprachen sowie eigene Software-Komponentenschnittstellen. Zuerst wird AccessKey vom Konto Picovoice Console benötigt. Der Schlüssel bestätigt den Zugriff und die Nutzungsbeschränkungen; er kann nicht zusammen mit einem Codebeispiel veröffentlicht werden.
Plattformmodelle und Sprachen
Beim Trainieren einer eigenen Aktivierungsphrase wird die Zielplattform gewählt. Die Dokumentation warnt, dass ein Modell für ein System nicht automatisch auf ein anderes übertragbar ist. Auch die Sprachen unterscheiden sich je nach Komponente: Die Liste von Leopard gilt nicht gleichermaßen für Porcupine oder die Synthese. Eine russische Oberfläche und universelle Erkennung russischer Sprache werden hier nicht zugesagt. Prüfen Sie die gewünschte Sprache vor der Integration in der Anleitung des jeweiligen SDK.
Test und laufender Betrieb
Die offizielle Dokumentation beschreibt eine kostenlose Testphase zur Bewertung vor einem kostenpflichtigen Tarif, ohne erforderliche Bankkarte. Kommerzielle Bedingungen werden auf das Projekt abgestimmt; offene Beispiele belegen keinen dauerhaft kostenlosen Produktionszugang. Eigene SDKs und ein Cloud-HTTP-Dienst sind unterschiedliche Formen programmatischen Zugangs: In dieser Karte sind die SDK-Schnittstellen bestätigt.
Bereiten Sie für die Veröffentlichung einen Plan zur Aktualisierung der Modelle, zur Fehlerbehandlung und zur Überprüfung der Mikrofonberechtigungen vor. Messen Sie die Belastung des Zielgeräts und das Verhalten nach dem Neustart. Die fehlende Übertragung von Audio in die Cloud bei lokaler Erkennung hebt nicht die Notwendigkeit auf, die gespeicherten Aufzeichnungen und Ergebnisse bereits in Ihrer Anwendung zu schützen.
Für welche Aufgaben geeignet
- Fügen Sie dem Gerät eine Schlüsselphrase hinzu
- Einen begrenzten Satz von Sprachbefehlen erkennen
- Lokale Transkription in eine Anwendung integrieren
- Einen kontrollierbaren Sprachablauf mit SDK-Komponenten aufbauen
Stärken
- Eigene Komponenten der lokalen Sprachverarbeitung
- Aktivierung, Absichtserkennung und Transkription getrennt wählen
- Dokumentierte SDK und Software-Schnittstellen
Einschränkungen
- Sie benötigen ein Konto und einen gültigen AccessKey
- Unterstützte Sprachen und Plattformen unterscheiden sich je nach Komponente
- Kommerzielle Lieferung hat separate Bedingungen
Auswahl und Bedingungen
- Kostenlose Nutzung
- Nicht bestätigt
- Testphase
- Ja
- Keine Registrierung erforderlich
- Nein
- Russische Benutzeroberfläche
- Nicht bestätigt
- Lokale Installation
- Ja
- API
- Ja
„Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers.
- Eingabeformate
- Audio, Text
- Ergebnis
- Text, Audio, Daten
Bedingungen
Bestätigt sind lokale SDKs und deren eigene Programmierschnittstellen, kein Cloud-REST-Dienst. Ein Konto und AccessKey sind nötig. Die Testphase ist begrenzt; Sprachen und Plattformen müssen für jede Komponente geprüft werden.Von der Aufgabe zum ersten Ergebnis
Praxisbeispiel
- Aufgabe
- Fügen Sie dem Gerät eine Schlüsselphrase hinzu
- Was Sie vorbereiten sollten
- Eine kurze eigene Gesprächsaufnahme mit Zustimmung der Beteiligten zur Verarbeitung.
Aufgabenbeschreibung oder Prompt
Aufgabenbeschreibung: Transkribieren Sie die Aufnahme in ihrer ursprünglichen Sprache. Erhalten Sie den Sinn der Aussagen; markieren Sie unverständliche Stellen gesondert und prüfen Sie sie anhand der Aufnahme. Kontrollieren Sie Namen, Zahlen und Bezeichnungen manuell.
Erwartetes Ergebnis
Ein Transkriptentwurf; Spracherkennung garantiert nicht die korrekte Wiedergabe jeder Äußerung.
So prüfen Sie das Ergebnis
- Hören Sie sich Stellen mit Zahlen und Namen an.
- Markieren Sie Lücken und unverständliche Stellen; ergänzen Sie sie nicht durch Vermutungen.
Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses.
Details überprüfen
Offizielle Quellen
- Die aktuelle on-device-Plattform
- Dokumentation, Testphase und kommerzieller Zugang
- Leopard, AccessKey und Sprachen
- Porcupine und Plattformmodelle
Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung.
