केटल और आवाज सहायक। एक महान दोस्ती की शुरुआत

जीए की दुनिया में हमारे पास दी गई अवधि के लिए क्या है? ज्ञात तथ्य: स्मार्ट घरों के साथ काम करने के लिए बड़ी आईटी कंपनियों में से प्रत्येक का अपना उपकरण है। और प्रत्येक विक्रेता एकीकरण के इच्छुक लोगों के लिए अपना स्वयं का एपीआई प्रदान करता है। और प्रारंभिक चरण में, यह नए कौशल (क्रिया, कौशल, आदि - विक्रेता की शब्दावली के अनुसार) के लिए भी डेवलपर्स का भुगतान करता है।

हमारे विशेषज्ञों के अनुसार, आज तक की सबसे सुविधाजनक और व्यावहारिक सेवा अमेज़न एलेक्सा है। उसके पास Google सहायक, यांडेक्स "ऐलिस", मेल.रु "मर्सिया", टिंकॉफ "ओलेग" और अन्य की तुलना में विस्तृत कौशल निर्माण के अधिक अवसर हैं। एलेक्सा के लिए, एक डिवाइस एक पैरामीट्रिक वर्चुअल इकाई है, जिसके परिणामस्वरूप प्रत्येक डिवाइस के लिए व्यक्तिगत रूप से कौशल को अनुकूलित किया जा सकता है। उदाहरण के लिए, पानी के तापमान के अलावा, आप उपभोग्य सामग्रियों को निर्दिष्ट कर सकते हैं जो सहायक अमेज़न पर खरीदने की पेशकश करेगा। लेकिन, दुर्भाग्य से, एलेक्सा वर्तमान में रूसी भाषा का समर्थन नहीं करती है और रूसी संघ के क्षेत्र पर काम नहीं करती है, इसलिए यह जीए एक रूसी उपयोगकर्ता के लिए बेकार है। Google और यैंडेक्स में, सहायक अधिक "प्राकृतिक" है - यह "मानव" भाषा में आदेशों को प्राप्त करता है और प्रतिक्रिया करता है, उपयोगकर्ता के साथ एक संवाद कर सकता है, जो इस GA को उपयोग करने के लिए अधिक सुखद बनाता है। Google का एकमात्र गंभीर दोष यह था कि इसके कार्य रूसी भाषा का समर्थन नहीं करते थे। हालाँकि, 24 जुलाई, 2019 से, Google क्रियाएँ रूसी में "फोन" में काम कर रही हैं, इसलिए सहयोगियों ने इस खामी को समाप्त कर दिया है।

यह सब ठीक है। और अगर हम एक उपकरण को कई GA के साथ एकीकृत करना चाहते हैं?

यह संभव है। डिवाइस का उपयोग करना।

एक उपकरण प्रणाली में अपने व्यवहार के साथ एक इकाई है। यह सभी विक्रेताओं के लिए एक सामान्य सिद्धांत है। और यहाँ रुकने लायक है, यहाँ सारी मस्ती शुरू हो जाती है। मतभेद दृष्टिकोण में हैं। उदाहरण के लिए, Google और यांडेक्स प्रौद्योगिकी के प्रबंधन को मानकीकृत करने की कोशिश कर रहे हैं। यही है, अब प्रत्येक व्यक्तिगत डिवाइस के लिए कोड लिखना आवश्यक नहीं है, लेकिन पूरी श्रृंखला के लिए एक कार्यक्रम पर्याप्त है। और यहां तक ​​कि अगर फर्मवेयर बदलता है, तो आपको एक बार कोड बदलना होगा, जो बहुत सुविधाजनक है। हमारी कंपनी का पहले से ही Google, Yandex, Amazon के साथ एकीकरण है। ऐलिस , एलेक्स और Google के सहायक को तकनीक सुनता है । पहले हमने दिखाया कि अंदर वॉयस असिस्टेंट ।

वॉयस असिस्टेंट कहां से आए?

दुनिया में सबसे उन्नत भाषण मान्यता प्रणालियों में से एक Google से संबंधित है, इसका इतिहास 2002 में वापस शुरू हुआ। कंपनी ने वॉयस सर्च जारी किया, जिसके आधार पर Google सहायक विकसित किया गया था। 2016 में, उन्हें Google I / O की प्रस्तुति में प्रस्तुत किया गया था। Google होम, Google सहायक के लिए 'सतह' में से एक है। अब उनके GA की वाक् पहचान की सटीकता का अनुमान ९ ५% और लगभग लोगों से नीच है।

2014 में एलेक्सा की आवाज सहायक को अमेज़ॅन द्वारा पेश किया गया था। अमेज़ॅन इको स्मार्ट कॉलम, जो स्मार्ट होम के भीतर बड़ी संख्या में उपकरणों को नियंत्रित कर सकता है, वहां भी प्रस्तुत किया गया था।

Yandex SpeechKit - Yandex भाषण पहचान प्रणाली। इसका उपयोग 400+ अनुप्रयोगों में किया जाता है। कंपनी ब्राउज़रों और इलेक्ट्रॉनिक उपकरणों में अपने GA - ऐलिस - को भी एम्बेड करती है। रूसी कंपनी ने 2017 में अपने GA को पेश किया, और 2018 के पतन में पहले से ही, यैंडेक्स ने अपना Yandex.Station स्मार्ट कॉलम लॉन्च किया।

हमारे विशेषज्ञों का कहना है कि सौ और छठे वर्ष तक ...

हम मजाक कर रहे हैं, अब तक केवल 2020 तक। आंकड़ों के बारे में थोड़ा सा:

1. 2017 में, लगभग 33 मिलियन आवाज-नियंत्रित डिवाइस दुनिया भर में पंजीकृत किए गए थे;
2. पश्चिमी विशेषज्ञों ने आवाज को 2017 में शीर्ष 3 एसईओ रुझानों में से एक कहा;
3. 2018 के लिए, Google सहायक दुनिया भर में 400 मिलियन उपकरणों पर काम करता है। और यह आंकड़ा केवल बढ़ रहा है;
4. ग्लोबल वेब इंडेक्स के अनुसार, 16 से 24 वर्ष की आयु के 25% लोग मोबाइल उपकरणों से ध्वनि खोज का उपयोग करते हैं;
5. कॉमस्कोर के पूर्वानुमान के अनुसार, 2020 तक, आवाज द्वारा 50% अनुरोध किए जाएंगे;
6. वॉकरसैंड्स के 2018 के शोध के अनुसार, अमेज़ॅन के स्मार्ट स्पीकर के प्रत्येक पांचवें उपयोगकर्ता ने इसे खरीदा, और एक तीसरे ने अगले साल ऐसा करने की योजना बनाई;
7. PWC के एक अध्ययन के अनुसार, वेब खोजने वाले 71% उपयोगकर्ता मैन्युअल रूप से आवाज के बजाय आवाज में टाइप करना पसंद करेंगे।

जैसा कि आप समझ सकते हैं, जीए का उपयोग करने की प्रवृत्ति बढ़ रही है, जो बताती है कि यह एक विक्रेता को लेने और अपने स्वयं के सहायक को लॉन्च करने का समय है। हमारे लिए, इसकी कुंजी स्मार्ट उपकरणों को नियंत्रित करने की क्षमता है, जो स्काईफ्रेंड को अन्य सहायकों से अलग करेगी।

और चलो एकीकृत!

लेकिन यह भी हमारा काम मौजूदा विक्रेता दृष्टिकोण के साथ काम करना है और इसे हमारे विशिष्ट प्रौद्योगिकी नियंत्रण प्रोटोकॉल के अनुकूल बनाना है। हम मानकीकरण के मार्ग का अनुसरण करते हैं, व्यावहारिक अनुप्रयोग, उपकरण को कौशल का एक सेट मानते हुए: प्रत्येक केतली पानी (कौशल) को उबालना जानता है, यह भी जानता है कि इसे वांछित तापमान (कौशल) में कैसे गरम किया जाए, एक निश्चित समय के लिए इस तापमान को बनाए रखें, उदाहरण के लिए, आदि। "ऑन / ऑफ़" कमांड किसी भी डिवाइस के लिए मानक है। कार्य इस आदेश को सेवा से हमारे प्रोटोकॉल में स्थानांतरित करना है। हमारे प्रोटोकॉल की ख़ासियत क्या है? यह विभिन्न वॉयस असिस्टेंट (अब तीन, भविष्य में - सभी बड़े वाले) को जोड़ता है और उन सभी को एक ही समय में डिवाइस सहित काम करने की अनुमति देता है। संचार कई में से एक है। एकमात्र सवाल यह है कि हम अपने प्रोटोकॉल को सभी दृष्टिकोणों के अनुरूप कैसे बनाएंगे?

आइए देखते हैं। प्रत्येक GA के लिए अलग प्रोजेक्ट हैं:

• स्टाफ बढ़ा दिया
• भविष्य में बहुत सारे कोड और विरासत;
• पैमाने पर असमर्थता।

जब नए सहायक बाजार में दिखाई देते हैं, तो कर्मचारियों के आनुपातिक रूप से वृद्धि और काम की मात्रा को बढ़ाना आवश्यक होगा। यह तर्कसंगत है कि हमने इस विकल्प से इनकार कर दिया। हालांकि, प्रत्येक आवाज सहायक के लिए अलग-अलग दृष्टिकोणों के बावजूद, वे सामान्य रूप से कुछ पा सकते हैं - मूल रूप से वे जो काम करते हैं वह कौशल, विशेषता, कौशल है। नाम अलग हैं, लेकिन सार एक ही है। तो, कार्य अपने "कौशल" को विकसित करना है, जो सहायकों द्वारा माना जाएगा। भविष्य में, आपको केवल नए विक्रेताओं को जोड़ना होगा, जो स्केलिंग के मुद्दे को हल करता है। हम यह भी ध्यान रखेंगे कि हमारे उपकरण का एक महत्वपूर्ण हिस्सा BLE वाहनों का उपयोग करता है, जो स्थापत्य सुविधाओं को निर्धारित करता है।

हमने दो माइक्रोसर्विसेज विकसित किए हैं जो जोड़े में काम करते हैं।



पहली कमांड लेयर है। इसका कार्य: विक्रेता एपीआई और हमारे प्रोटोकॉल के बीच रूपांतरण (मैपिंग) करना। यह इस तरह काम करता है: एक सहायक के लिए एक विशिष्ट अनुरोध हमारे कौशल के लिए मैपिंग है - डिवाइस प्रोटोकॉल के लिए मैपिंग। इस दृष्टिकोण के साथ, नए कौशल जोड़ना आसान है: अंतिम आर 4 एस प्रोटोकॉल के लिए मानचित्रण किया जाता है - कोड को दूसरी सेवा में स्थानांतरित किया जाता है। वाई-फाई पर कमांड ट्रांसमिट करते समय आखिरी आइटम को बाहर रखा जा सकता है।

दूसरी सेवा या परिवहन परत का उपयोग इसके लिए किया जाता है:

1. क्लाइंट गेटवे के साथ एक सत्र स्थापित करें;
2. ब्लूटूथ कनेक्शन उठाना और बनाए रखना;
3. पहली सेवा से आदेशों का स्वागत / प्रसारण।

यह सेवा एक उच्च स्तरीय इकाई का हिस्सा है: बीटी-डिवाइस प्लस गेटवे-मध्यस्थ, सिद्धांत पर काम करना: इंटरनेट के माध्यम से कमांड प्राप्त करना - बीटी के माध्यम से भेजना। वायरलेस कनेक्शन अविश्वसनीय हो सकते हैं। क्यों? रेडियो चैनल को पर्यावरणीय मापदंडों - मोटी कंक्रीट की दीवारों, आदि द्वारा सीमित किया जा सकता है ... परिणामस्वरूप, उपकरण प्रारंभिक रूप से "गिर" सकते हैं, इसलिए एक स्थिर कनेक्शन बनाए रखना परिवहन परत के लिए एक महत्वपूर्ण कार्य बन जाता है।



कनेक्शन नीति अलग हो सकती है:

1. सतत संचार सहायता।

पेशेवरों : GA कमांड के निष्पादन में न्यूनतम देरी।
विपक्ष : यातायात और बिजली की खपत के लिए महंगा; एक साथ जुड़े उपकरणों की संख्या पर एक सीमा है (इस पीढ़ी में ब्लूटूथ 4.0 / 4.2 - छह, ब्लूटूथ 5.0 से बीस तक)। इसके लिए अतिरिक्त सर्वर संसाधनों की भी आवश्यकता होगी।

2. मांग पर कनेक्शन।

पेशेवरों : लगभग जोड़ने से यातायात और शुल्क की आवश्यकता नहीं होती है।
विपक्ष : आदेशों के निष्पादन में एक उच्च देरी प्लस निष्पादन की गारंटी नहीं है (कनेक्शन "बंद हो सकता है" या असफल हो सकता है)। इस दृष्टिकोण के साथ, हम GA के जवाब के लिए इंतजार करते समय फिट नहीं होते हैं। सत्र समाप्त हुआ और अंत हुआ।

सवाल यह भी है - आदेश प्राप्त हुआ और काम किया गया, लेकिन क्या कनेक्शन के साथ आगे क्या करना है: डिस्कनेक्ट करें या चालू रखें। ध्यान दें कि ठीक उसी तरह से Apple HomeKit काम करता है जब BLE टर्मिनल डिवाइस (Apple TV या iPad के रूप में गेटवे के रूप में) के साथ काम करता है। यह इस तरह दिखता है - पहली बार जब आप एक कमांड भेजने की कोशिश करते हैं, तो प्रक्रिया में काफी लंबा समय लगता है (या बेहतर, उपयोगकर्ता के लिए ध्यान देने योग्य), लेकिन बाद के कमांड लगभग तुरंत निष्पादित होते हैं। डिवाइस के साथ उपयोगकर्ता का काम पूरा होने के बाद, ऑपरेटिंग सिस्टम कुछ उचित समय के बाद सत्र को "सेट अप" करता है और फिर प्रक्रिया को नए रूप में दोहराया जाता है।

हालाँकि, यह सब नहीं है।

कठिनाई १ । गेटवे मार्ग।



यदि कमरे में कई गेटवे हैं, तो सवाल उठता है - किस से कनेक्ट करना है, और कौन सा गेटवे किस डिवाइस से जुड़ा है। अब सब कुछ सिद्धांत के अनुसार काम करता है - जो भी सफल होता है वह जुड़ा होता है। कार्यान्वयन हमेशा सफल नहीं होता है, क्योंकि निकटतम (और इसलिए अधिक मज़बूती से कनेक्ट करने में सक्षम) गेटवे का उपयोग समय स्लॉट में व्यस्त हो सकता है। फिर जो स्वतंत्र और सक्षम है वह जुड़ा हुआ है। यह संचार की गुणवत्ता के संबंध के बिना होता है। इसलिए, एक पदानुक्रम और कार्य योजना बनाना महत्वपूर्ण है ताकि उपयोगकर्ता यथासंभव आरामदायक हो।

कठिनाई २ । उपयोगकर्ताओं के बहुत सारे।

यह एक ऐसी स्थिति है जहां कई उपयोगकर्ता एक ही समय में एक गेटवे या डिवाइस का उपयोग कर सकते हैं। बेशक उच्च स्तर की सुरक्षा के साथ। उदाहरण के लिए, विभिन्न GA से या GA और उपयोगकर्ता फ़ोन से। प्रश्नों का एक झुंड: जो डिवाइस पहले चालू करता है, अगर GA कमांड एक-दूसरे के विपरीत होते हैं, कौन सी कमांड प्राथमिकता है और इसे पहले निष्पादित किया जाना चाहिए, आदि आंशिक रूप से हमारी समस्या को रेडिस सेवा द्वारा हल किया जाता है - एक डेटाबेस जिसमें उपयोगकर्ता सत्र, डिवाइस की स्थिति और ट्रांसीवर संग्रहीत किए जाते हैं। पहली और दूसरी सेवाओं के बीच डेटा बस की कमांड और सेवारत। लेकिन यहीं से समस्या का समाधान रुक जाता है।

हमने क्या किया है? हमने स्काईफ्रेंड बनाया। यह हमारा अपना विकास है, प्रौद्योगिकी प्रबंधन के लिए एक आवाज सहायक, जो रूसी भाषा का भी समर्थन करेगा। हमारे GA की एक प्रमुख विशेषता यह है कि यह अतिरिक्त उपकरणों के बिना स्काई तकनीक के लिए स्मार्ट रेडी के साथ सीधे संपर्क के लिए तेज किया जाता है। डिवाइस दो में एक है - सहायक को प्रवेश द्वार के साथ जोड़ा जाता है, जो या तो कमांडों के माध्यम से जानकारी प्राप्त करेगा जो उपयोगकर्ता अपने स्मार्टफोन से भेजता है, या सीधे आवाज से। प्लस स्काईफ्रेंड में अतिरिक्त विशेषताएं हैं जो इसे उन लोगों के साथ प्रतिस्पर्धा करने की अनुमति देगा जो पहले से मौजूद हैं। वह अनुरोध पर अनुस्मारक को चालू कर सकता है, वह उपयोगकर्ता के जियोलोकेशन को निर्धारित कर सकता है, विकिपीडिया पर जानकारी खोज सकता है, फिल्मों की सिफारिश कर सकता है, टोस्ट बना सकता है, समाचार पढ़ सकता है, प्रश्नों का उत्तर दे सकता है, दुनिया के किसी भी शहर में समय और मौसम बता सकता है, उपयोगकर्ता के साथ रहस्य और शहर खेल सकता है। मजाक बना रहे हैं। टिकट खरीदना और टैक्सी ऑर्डर करना अभी भी अल्फा टेस्ट स्टेज पर है। और यह कार्यक्षमता का केवल एक हिस्सा है।

हाल ही में, Google ने एक समान वास्तुकला पर अपने स्तंभ के काम की घोषणा की - निष्पादन स्क्रिप्ट सीधे Google होम कॉलम में लोड की गई है। उपयोगकर्ता के पक्ष में जीतना कमांड निष्पादित करने के लिए लगने वाले समय को कम करना है। आपको इसे उपकरण निर्माता के सर्वर पर भेजने की आवश्यकता नहीं है, यह एक ही संचार चैनल के माध्यम से सीधे Google सर्वर से कॉलम के लिए उड़ान भरता है और वहां निष्पादित होता है।

हालाँकि, Google अभी भी अन्य ट्रांसपोर्ट - ब्लूटूथ, ज़िगबी, जेड-वेव, आरएफ, आदि का समर्थन नहीं करता है। सीधे कॉलम पर, और SkyFriend ब्लूटूथ 5.0 का समर्थन करता है।

हमारे पास और क्या बचा है? सिस्टम संसाधनों के साथ काम करें - मेमोरी, प्रोसेसर पावर आदि जोड़ें। और हम उपयोगकर्ताओं को एक नया GA गुणवत्ता प्रदान करने के लिए तैयार हैं।

हम निष्कर्ष में क्या कह सकते हैं?

जीए एक प्रवृत्ति है, यह सुविधाजनक है, यह व्यावहारिक है विषय नया, व्यापक है, इसमें कई प्रश्न हैं जिन्हें हल करना अभी भी मुश्किल है। खासतौर पर अकेले। इसलिए, हम आपको चर्चा के लिए आमंत्रित करते हैं।

आगे क्या होगा? और फिर स्काईफ्रेंड आर्किटेक्चर पर हमारा नया लेख होगा। हम सब कुछ बताएंगे और दिखाएंगे। लेकिन तब।

पीएस के सुझाव और समीक्षा को टिप्पणियों में छोड़ा जा सकता है।