मिलिए Yandex.Station Mini। एक छोटे से उपकरण की बड़ी कहानी

हमने अभी अपना नया डिवाइस पेश किया है - Yandex.Station Mini। यह एक कॉम्पैक्ट स्मार्ट स्पीकर है जो संगीत चला सकता है, स्मार्ट होम का प्रबंधन कर सकता है, रिमाइंडर सेट कर सकता है - और भी बहुत कुछ। एलिस के साथ यह पहला स्तंभ भी है, जिसे इशारों से नियंत्रित किया जा सकता है।

आज हम हबर के पाठकों को मिनी स्टेशन बनाने के चरणों के बारे में बताएंगे। बिजली की आपूर्ति के साथ काम करने की अस्पष्ट सुविधाओं के लिए ऑप्टिकल अंशांकन और यूएक्स परीक्षण से। आप यह भी जानेंगे कि थेरेमिन क्या है और यह यैंडेक्स डिवाइस के साथ कैसे जुड़ा हुआ है।



लेकिन शुरुआत के लिए, एक छोटा सा फ्लैशबैक।

पिछले साल हमने "बड़े" Yandex.Station (और यह भी Yandex.IO प्लेटफॉर्म, जिसे हम और भागीदारों का उपयोग करते हैं) के विकास के बारे में Habré पर बात की थी । यह ऐलिस के साथ हमारा प्रमुख उपकरण है, जिसे टीवी के बगल में एक बड़े कमरे के केंद्र में बनाया गया है। उसके पास शक्तिशाली ५० वाट की ध्वनि है। आवृत्तियों की एक विस्तृत श्रृंखला के साथ तीन सक्रिय वक्ता। सिंगल रडार के रूप में काम करने वाले सात माइक्रोफोन। एचडीएमआई आउटपुट, सब के बाद।

इस पूरे साल हम स्थिर नहीं रहे। ऐलिस की आवाज और अधिक स्वाभाविक हो गई। उसने कई होमोग्राफ के लिए उच्चारण की समस्या को हल करना सीखा, अर्थात्, संदर्भ के आधार पर, उन शब्दों पर जोर देने के लिए सही है जो समान लिखे गए हैं लेकिन उनके अलग-अलग अर्थ हैं। श्रवण भी विकसित हुआ: हाल ही में हमने पहले से ही इस बारे में बात की कि कैसे हमने ऐलिस को सिखाया कि वह अन्य लोगों के नामों पर प्रतिक्रिया न दें। हाल ही में, हमने एक कॉलम के मालिक को आवाज से पहचानने की क्षमता का परीक्षण करना शुरू किया।

और हमने स्मार्ट होम प्लेटफॉर्म भी लॉन्च किया । अब, आवाज की मदद से, आप तीसरे पक्ष के उपकरणों को नियंत्रित कर सकते हैं और यहां तक ​​कि उन्हें स्क्रिप्ट में जोड़ सकते हैं। आवाज के पक्ष में रीमोट और बटन की अस्वीकृति हमारे मंच की एक प्रमुख विशेषता है। और इसके लिए, एलिस पास होना चाहिए।

इसके अलावा, एक स्मार्ट स्पीकर न केवल संगीत, रेडियो और वीडियो है, बल्कि रिमाइंडर, एक अलार्म घड़ी, मौसम, तथ्यात्मक उत्तर, बच्चों के लिए परी कथाएं और गेम आदि भी है। डिवाइस बिस्तर से, कार्यालय में, रसोई में उपयोगी हो सकता है। अपार्टमेंट के किसी भी अन्य कोने।

इसलिए, हमने एक और स्टेशन बनाने का फैसला किया - उन लोगों के लिए जिन्हें ऐलिस के साथ एक सरल और अधिक कॉम्पैक्ट डिवाइस की आवश्यकता है।

डिवाइस को कम करें

मिनी-संस्करण को तेज ध्वनि की आवश्यकता नहीं होती है, इसलिए भारी और बड़े स्पीकरों को एक से बढ़कर एक ट्रिवैटनम दिया गया था। यह सरल कार्यों के लिए पर्याप्त से अधिक है। हालांकि यहां तक ​​कि यह शक्ति के साथ परेशानी पैदा कर सकता है, यदि आप एक बारीकियों को ध्यान में नहीं रखते हैं, लेकिन बाद में उस पर अधिक।

टीवी का उपयोग करने से इनकार कर दिया। यह भार, गर्मी और इसलिए इलेक्ट्रॉनिक्स की आवश्यकताओं को कम करता है। ठंडा करने के लिए निष्क्रिय रेडिएटर के साथ स्टेशन का विशाल धातु फ्रेम भी अनावश्यक हो गया।

सात माइक्रोफोनों के बजाय, चार को छोड़ दिया गया था, क्योंकि तेज ध्वनि अब भाषण अधिग्रहण में हस्तक्षेप नहीं करती है। लेकिन एक ही समय में, स्टेशन में माइक्रोफ़ोन, चरणबद्ध सरणी एंटेना या एक दिशात्मक माइक्रोफोन के सिद्धांत पर काम करते हैं। डिवाइस "एलिस" शब्द के साथ वॉयस कमांड के लिए आस-पास के शोर में एल्गोरिदम खोजता है। फिर यह दिशा को निर्धारित करता है और शोर से संकेत को साफ करता है, जिसमें संगीत को घटाया जाता है। और उसके बाद ही सिग्नल क्लाउड पर जाता है और पहचाना जाता है।

भाषण पहचान के लिए सबसे सटीक रूप से काम करने के लिए, तंत्रिका नेटवर्क को उन रिकॉर्डों पर प्रशिक्षित करने की आवश्यकता होती है जो विशेष रूप से इस उपकरण के लिए बोली गई हैं। "बड़े" स्टेशन से तंत्रिका नेटवर्क मॉडल लेने का कोई मतलब नहीं है, क्योंकि मिनी स्टेशन में इसकी दक्षता इतनी अधिक नहीं होगी।

इस समस्या को विभिन्न तरीकों से हल किया जा सकता है। उदाहरण के लिए, कागज के एक टुकड़े पर एक वाक्यांश कॉलम पढ़ने के लिए लोगों को काम पर रखें। लेकिन हम कुछ रिकॉर्ड प्राप्त करेंगे जो वास्तविक उपयोगकर्ता के अनुरोधों के समान नहीं हैं, क्योंकि वास्तव में रिकॉर्ड में अप्रत्याशित शोर, अतिव्यापी आवाज और बहुत कुछ शामिल हैं।

इसलिए, हमने गुणवत्ता पर बचत नहीं की और तुरंत कारखाने में कई सौ तैयार वक्ताओं का आदेश दिया, जिन्हें हमने तंत्रिका नेटवर्क के प्रशिक्षण में मदद के लिए यैंडेक्स में एक बंद बीटा परीक्षण में प्रतिभागियों को वितरित किया। और इसने काम किया।

वैसे, उन्होंने हार्डवेयर बटन म्यूट से इंकार नहीं किया, जो माइक्रोफ़ोन को डी-एनर्जेट करता है और ऐलिस की "सुनवाई" को म्यूट करता है। यह डिवाइस में किसी विशेष जटिलता को नहीं जोड़ता है और अब किनारे पर स्थित है।



लेकिन शेष बटन को छोड़ दिया गया था। और यहीं से मस्ती शुरू होती है।

जादू और लेजर जोड़ें

नीचे दिए गए फ़ोटो को देखें। यह हमारे दोनों स्टेशनों का एक शीर्ष दृश्य है। आज हम डिजाइन के बारे में बात नहीं करेंगे - एक और महत्वपूर्ण अंतर खोजने की कोशिश करें।



कृपया ध्यान दें: कोई बटन नहीं है। और ध्वनि को समायोजित करने के लिए कोई रोटरी रिंग नहीं है। यदि हम एक छोटा, हल्का उपकरण बनाते हैं, जिसका लगभग सभी इलेक्ट्रॉनिक्स एक बोर्ड पर फिट बैठता है, तो यांत्रिक तत्व केवल डिजाइन को जटिल करते हैं और आकार में वृद्धि करते हैं।

स्मार्ट स्पीकर को नियंत्रित करने के लिए आवाज सबसे स्वाभाविक तरीका है। लेकिन ऐसा होता है कि एक व्यक्ति फोन पर बात करता है या भोजन करता है, इसलिए अभी भी समझ की जरूरत है। और हमें एक विकल्प मिला। और कोई कम प्राकृतिक नहीं।

कल्पना करें: आप एक हाथ का इशारा कर रहे हैं - और आपका पसंदीदा गाना जोर से हो रहा है। या बस अपनी हथेली को कॉलम पर रखें और अलार्म बंद हो जाता है।

तो इशारों के साथ जादू कैसे काम करता है? गहराई संवेदक, जो डिवाइस के कवर के नीचे छिपा हुआ है, इसके लिए जिम्मेदार है। यह इस तरह से एक महत्वपूर्ण वृद्धि के साथ बोर्ड पर दिखता है (वास्तविकता में लंबाई केवल 4 मिमी है, मोटाई 1 मिमी बिल्कुल है):



यह एक लंबवत उत्सर्जित अवरक्त लेजर है जिसमें 940 एनएम के तरंग दैर्ध्य के साथ एक प्राप्त फोटोडायोड होता है। बीम स्तंभ के ऊपर एक बाधा से उछलता है और वापस लौटता है। और चूंकि प्रकाश की गति ज्ञात है, इसलिए किसी भी समय वस्तु की दूरी निर्धारित करना संभव है।



यह सेंसर खरीदने और बोर्ड से जोड़ने के लिए पर्याप्त प्रतीत होता है ताकि सब कुछ ठीक चले। लेकिन नहीं।

सेंसर अंदर छिपा हुआ है, इसके ऊपर मामले में छेद हैं (अन्यथा, यह कैसे काम करेगा)। इसका मतलब है कि धूल और अन्य मलबे माप को विकृत कर सकते हैं।

हमें एक सुरक्षात्मक प्लेट की आवश्यकता है जो लेजर और फोटोडायोड को कवर करेगी, लेकिन यह मामले में फिट होगी। इसकी सामग्री को सख्ती से विनियमित किया जाता है, क्योंकि सभी प्रकार के प्लास्टिक निकट अवरक्त सीमा में अच्छी तरह से काम नहीं करते हैं। एक मजबूत इच्छा के साथ, कांच भी काटा जा सकता है, लेकिन यह काफी मुश्किल है, जिसका अर्थ है कि यह बहुत महंगा है।



इसके अलावा, प्रत्येक सुरक्षात्मक प्लेट शाब्दिक अर्थ में डाली और अद्वितीय है। दो समान प्लेट बनाना असंभव है। तो, उनमें से प्रत्येक अपने तरीके से बीम के प्रसार को प्रभावित करता है। यदि इस पर ध्यान नहीं दिया जाता है, तो हम दूरी को मापने में त्रुटि प्राप्त करेंगे।

प्रत्येक नया मिनी स्टेशन लेंस की व्यक्तिगत विशेषताओं को ध्यान में रखने के लिए कन्वेयर पर एक सेंसर अंशांकन कदम से गुजरता है। सीधे शब्दों में कहें, ताकि डिवाइस इस ऊंचाई पर 15 सेमी की ऊंचाई पर एक बाधा को मानता है। अंशांकन कुछ इस तरह है। शीट्स को फोटोग्राफिक पेपर के समान सामग्रियों से लिया जाता है, लेकिन अवरक्त सीमा को पार नहीं करते हैं, और सांख्यिकीय रूप से ज्ञात ऊंचाई पर रखा जाता है।

नतीजतन, हम उस चरण में पहुंच गए जब आपको इकट्ठे डिवाइस में सेंसर की सटीकता का परीक्षण करने की आवश्यकता होती है। लेकिन यह पता चला कि इसके लिए तैयार औद्योगिक उपकरण बस मौजूद नहीं है। ऐसा करने के लिए कुछ भी नहीं है - उन्होंने अपना डिवाइस बनाया। नीचे दी गई तस्वीर में आप मास्को में हमारे कार्यालय में पहला प्रोटोटाइप देख सकते हैं, जो कि एक 3 डी प्रिंटर, दो मोटर्स और उन्हें नियंत्रित करने के लिए नियंत्रक पर मुद्रित प्लाईवुड की चादरों से शाब्दिक रूप से इकट्ठे हुए हैं। यह बात स्वचालित रूप से मूल्यांकन करती है कि संवेदक कितनी दूरी तय करता है इसका मूल्यांकन करने के लिए स्तंभ के ऊपर एक हाथ का अनुकरण करता है।



ठीक प्रतियां बाद में उत्पादन के लिए भेजी गईं।

हम शक्ति को स्थिर कर रहे हैं

यह बिजली की आपूर्ति के बारे में सोचने का समय है, जिसे हमने ऊपर बात करने का वादा किया था।

स्तंभ ऊर्जा की खपत करता है। औसतन थोड़ा, उच्च मात्रा पर भी 5 वाट से कम। लेकिन, कई अन्य छोटे घरेलू उपकरणों के विपरीत, इसकी खपत बेहद असमान है। जब हमने इस ट्रैक को सुनते हुए एक जेस्चर सेंसर का उपयोग किया, तो हमने एक प्रारंभिक प्रोटोटाइप पर इस प्रभाव को देखा:


यह अनुमान लगाने की कोशिश करें कि उसके साथ क्या गलत है? कम आवृत्तियों के लिए अचानक संक्रमण। और कम आवृत्तियों उच्च लोगों से कैसे भिन्न होती हैं? स्पीकर के डायाफ्राम के दोलन का आयाम। यह जितना अधिक होता है, उतनी ही अधिक ऊर्जा खपत होती है।

इस जेस्चर कंट्रोल, वॉयस कमांड, नेटवर्क ट्रैफ़िक में जोड़ें - और आपको कम, लेकिन अप्रत्याशित क्षण मिलते हैं जब खपत इतनी अधिक हो जाती है कि साधारण बिजली की आपूर्ति केवल स्थिर वोल्टेज के समर्थन से सामना नहीं कर सकती। उदाहरण के लिए, स्मार्टफ़ोन के लिए विशिष्ट शुल्क इसके लिए डिज़ाइन नहीं किए गए हैं, क्योंकि उपकरणों के इस वर्ग में एक बैटरी है और खपत काफी समान है। कॉलम, यदि आपूर्ति वोल्टेज कुछ समय के लिए है, तो बस रिबूट हो सकता है।

इस समस्या से बचने के लिए, हमने 100 हर्ट्ज की आवृत्ति के साथ एक ध्वनि पर प्रोटोटाइप का परीक्षण किया। यह उस पर है कि स्पीकर सबसे बड़ा भार बनाता है। हमारी बाहरी बिजली आपूर्ति, हालांकि यह 1.5 एम्पीयर के यूएसबी टाइप-सी के साथ एक विशिष्ट चार्ज की तरह दिखता है, ऐसी स्थितियों के लिए तैयार है। इसके अलावा, हम समझते हैं कि लोग अपने स्वयं के बिजली की आपूर्ति को कनेक्ट कर सकते हैं, इसलिए विकास के दौरान उन्होंने आंतरिक बिजली कन्वर्टर्स (तथाकथित डीसी-डीसी कन्वर्टर्स) को उन लोगों के साथ बदल दिया जो अल्पकालिक वोल्टेज ड्रॉप का सामना कर सकते हैं। बेशक, थर्ड-पार्टी बिजली की आपूर्ति अलग-अलग है, हम उनका परीक्षण नहीं करते हैं और उनकी सिफारिश नहीं करते हैं, लेकिन कन्वर्टर्स को बदलने के साथ समाधान मदद करता है।

वैसे, हमने उपयोगकर्ताओं की इच्छाओं को भी ध्यान में रखा: सफेद स्टेशन मिनी में एक सफेद बिजली की आपूर्ति और तार है। एक तिपहिया, लेकिन अच्छा है।

इशारे करो

एक स्थिर डिवाइस और सेंसर केवल आधी लड़ाई है। यह खुद इशारों से सामने आता है। किसी चीज़ के साथ आने का सबसे अच्छा तरीका अधिकतम विचारों को इकट्ठा करना है, और फिर उन्हें फ़िल्टर करना और उन्हें चरण दर चरण परीक्षण करना है। हमने बस यही किया: पुरस्कारों के साथ एक आंतरिक हैकथॉन का आयोजन किया। कंपनी का कोई भी कर्मचारी डिवाइस के लिए उनके इशारों को तुरंत पेश कर सकता है। यैंडेक्स में, यह दृष्टिकोण अच्छी तरह से काम करता है।

कई विकल्प थे। हमने उन्हें कई मानदंडों के अनुसार समाप्त कर दिया, लेकिन सबसे महत्वपूर्ण - दो। सबसे पहले, यदि कोई फ़ंक्शन लोकप्रिय है और अक्सर आवश्यक है, तो इसके लिए इशारा सरल और आसानी से प्रतिलिपि प्रस्तुत करने योग्य होना चाहिए। दूसरे, एक सफल इशारा सहज है। आप निर्देश लिख सकते हैं, प्रशिक्षण वीडियो शूट कर सकते हैं, लेकिन यह सब अच्छे पुराने अंतर्ज्ञान से कम प्रभावी नहीं है।

हमने जल्दी से इशारे पर फैसला किया "एलिस, इसे बंद करो।" उपयोगकर्ता पहले से ही ध्वनि को रोकने के लिए अलार्म घड़ी, फोन, स्मार्ट घड़ी पर अपना हाथ रखने के आदी हैं।

लेकिन ध्वनि को समायोजित करने के इशारे के साथ, सब कुछ इतना स्पष्ट नहीं था। हमारे पास दो विजेता विकल्प थे। दोनों में, यह समझा गया कि स्पीकर के ऊपर एक काल्पनिक ऊर्ध्वाधर पैमाने का उपयोग करके ध्वनि को नियंत्रित किया जाता है। लेकिन क्या यह केवल स्पीकर के ऊपर अपना हाथ रखने के लिए पर्याप्त है: जितनी अधिक दूरी, उतनी अधिक मात्रा? या यह एक रिश्तेदार पैमाने पर लेने के लिए और अपनी हथेली को ऊपर / नीचे स्थानांतरित करने के लिए वॉल्यूम को आसानी से बदलने के लिए बेहतर है?



यूएक्स परीक्षण ऐसे सवालों के जवाब खोजने के लिए अच्छी तरह से अनुकूल है। यैंडेक्स में, इसके लिए एक विशेष प्रयोगशाला बनाई गई है: हम वहां के लोगों को सड़क से लाते हैं और देखते हैं कि वे उत्पाद का उपयोग कैसे करते हैं। यह अभ्यास बहुत उपयोगी है।

हमें उम्मीद थी कि UX परीक्षण में दो विकल्पों में से एक निश्चित रूप से जीतेगा। लेकिन इस बार नहीं। लोगों के व्यवहार को लगभग समान रूप से विभाजित किया गया था। तो, आपको दोनों विकल्पों की जांच करने की आवश्यकता है। इसलिए हमने बीटा में किया, और इसके प्रतिभागियों ने जल्दी से पूर्ण पैमाने पर एक महत्वपूर्ण कमी को इंगित किया। यह विकल्प इस तथ्य की ओर जाता है कि हाथ की एक यादृच्छिक लहर (या बिल्ली की उड़ान) अचानक अधिकतम मात्रा को चालू कर सकती है। और यह अप्रिय है।

सापेक्ष पैमाने का विकल्प जीता। यद्यपि बीटा उपयोगकर्ताओं से प्रतिक्रिया के आधार पर सुधार हुए हैं। उदाहरण के लिए, यादृच्छिक गिरने वाली वस्तुओं से यकृत को जोड़ा गया था: ध्वनि को बदलने के लिए, हथेली को एक ही ऊंचाई पर एक पल के लिए फ्रीज करना चाहिए और उसके बाद ही आगे बढ़ना चाहिए। और उन्होंने वॉल्यूम स्तरों का एक ध्वनि संकेत भी जोड़ा, ताकि व्यक्ति यह सुन सके कि उसने कितने चरणों को बदल दिया है।

इससे कहानी समाप्त हो सकती थी, लेकिन इशारों पर काम करने वाले सहकर्मी संगीत के बड़े प्रेमी और इसे खेलने के गैर-मानक तरीके थे।

ग्रेविट्सापु को जोड़ें

इशारों पर काम करने के दौरान, निम्नलिखित विचार का जन्म हुआ: हाथ आंदोलनों की मदद से, न केवल वॉल्यूम समायोजित करें, बल्कि संगीत भी बनाएं। बाद में हमें याद आया कि यह विचार पहले से ही चिकित्सा में लागू है। इस विद्युत उपकरण को 1920 में सोवियत आविष्कारक लेव सर्गेयेविच टर्मेन ने बनाया था। थेरेमिन निम्नानुसार काम करता है: हाथ आंदोलनों से इसकी दोलन सर्किट की क्षमता में परिवर्तन होता है और, तदनुसार, ध्वनि की आवृत्ति। बस आविष्कारक खुद को सुनो:



लियो थेरेमिन का शास्त्रीय उपकरण एक विद्युत चुम्बकीय क्षेत्र और दो एंटेना का उपयोग करता है: मात्रा और पिच को नियंत्रित करने के लिए। हमारे पास केवल एक अवरक्त किरण है, इसलिए आप एक चीज से नियंत्रित कर सकते हैं। हमने वॉल्यूम को एक स्थिर के रूप में लिया।

पीटर टर्मन, लेव थेरेमिन के महान-पोते, एक संगीतकार और कलाकार, ने हमें एक नया शासन विकसित करने में मदद की। और प्रायोगिक संगीतकार एंटोन मास्कियाडे और मोनोलक स्टूडियो ने सिंथेसाइज़र के लिए वाद्य शैली का निर्माण किया: परिचित पियानो और गिटार से लेकर असामान्य तलवार और पैन तक। आप अंतरिक्ष संगीत भी बजा सकते हैं - बस कहें: "ऐलिस, एक ग्रेविट्सपा की आवाज़ दें।" संग्रह में पहले से ही कई दर्जन उपकरण हैं, और इसे फिर से भरना होगा।

थेरेमिनवॉक्स में, हाथ की थोड़ी सी हलचल ध्वनि की आवृत्ति को बदल देती है। नोटों को सटीक रूप से हिट करने और कुछ मधुर को पुन: उत्पन्न करने के लिए आपको एक मजबूत हाथ के साथ पेशेवर होने की आवश्यकता है। हम चाहते थे कि हर कोई हमारे स्पीकर पर संगीत बजाए। इसलिए, कई वाद्य शैलियों के लिए, एक काल्पनिक किरण को खंडों में विभाजित किया गया था, जिनमें से प्रत्येक को एक विशिष्ट ध्वनि सौंपी गई थी।

वैसे, शुरू में सिंथेसाइज़र मोड हमारे एक सहयोगी की व्यक्तिगत परियोजना के रूप में विकसित हुआ। लेकिन बच्चे, जिन्हें हमने यूएक्स-अध्ययन के लिए आमंत्रित किया था, नए शासन के बारे में बहुत उत्साहित थे। इसलिए हमने महसूस किया कि हमें शर्म नहीं करनी चाहिए और उत्पाद के लिए व्यक्तिगत पहल करनी चाहिए।

***

आज हमने दिखाया कि एक छोटा और प्रतीत होता है कि सरल उपकरण पूरे इतिहास और कई तकनीकी समाधानों को छुपाता है। आप किन व्यक्तिगत कहानियों को अधिक विस्तार से सुनना चाहेंगे?

हम मानते हैं कि भविष्य ध्वनि नियंत्रण के साथ है, क्योंकि कई मामलों में यह कहना आसान है - यह बटन दबाने की तुलना में बहुत अधिक सुविधाजनक और अधिक प्राकृतिक है। और नया डिवाइस इस दिशा में एक और कदम है।