स्मार्ट स्पीकर को कैसे पता चलता है कि आपने पुकारा?

कोहाकु
कोहाकुनाम पुकारते ही स्मार्ट स्पीकर तुरंत जवाब देता है। उसे पता कैसे चलता है?
30 सेकंड में जवाब
कोहाकुअंदर ही अंदर वह सिर्फ अपने वेक वर्ड की आवाज़ का पैटर्न ढूँढ रहा होता है।

स्मार्ट स्पीकर के अंदर एक छोटा सिस्टम चलता रहता है जो सिर्फ पुकारने वाले शब्द (वेक वर्ड) की आवाज़ का पैटर्न ढूँढता है और माइक्रोफ़ोन की आवाज़ से उसका मिलान करता है। मेल खाने का फ़ैसला होने पर ही वह आगे की बात इंटरनेट के ज़रिए सर्वर पर भेजता है, जो वेक वर्ड को दोबारा जाँचकर ध्यान से सुनता है।

कोहाकु
कोहाकुतो चलिए, अब इसे विस्तार से समझते हैं।
कपड़े से ढका छोटा, गोल स्मार्ट स्पीकर
एक छोटा स्मार्ट स्पीकर, जिसके ऊपर बटन लगे हैं।फ़ोटो: Samuel Wiki / CC0 / विकिमीडिया कॉमन्स

यह सिर्फ वेक वर्ड का पैटर्न ढूँढता है

Amazon के अनुसार, Echo डिवाइस “कीवर्ड स्पॉटिंग” नाम की तकनीक इस्तेमाल करते हैं, जो सुनी गई आवाज़ों का वेक वर्ड की आवाज़ के पैटर्न से मिलान करती है। बातचीत, बहते पानी और चिड़ियों की आवाज़ें छलनी से पानी की तरह निकल जाती हैं, और सिर्फ वेक वर्ड के “पकड़े” जाने पर ही आवाज़ क्लाउड पर भेजकर दोबारा जाँची जाती है। Google भी बताता है कि इंतज़ार के समय डिवाइस कुछ सेकंड की छोटी आवाज़ों को जाँचता है, और अगर पुकार न मिले, तो वह आवाज़ न भेजी जाती है, न सहेजी जाती है।

चित्र: पुकार पहचानने तक
स्मार्ट स्पीकर का कटा हुआ दृश्य: एक चिप आवाज़ को जगाने वाले शब्द से मिलाती है; मेल न हो तो आवाज़ मिट जाती है, मेल होने पर ही क्लाउड के सर्वर को जाती है
  1. 1पुकारने वाली आवाज़
  2. 2अंदर का हिस्सा, जो आवाज़ों को जगाने वाले शब्द के आकार से मिलाता है
  3. 3जो आवाज़ मेल नहीं खाती, वह भेजी नहीं जाती और मिट जाती है
  4. 4मेल होने पर ही आगे की बात सर्वर को भेजी जाती है

आवाज़ को संख्याओं और स्कोर में बदलना

Apple ने 2017 में “Hey Siri” के बारे में जो जानकारी दी, उससे अंदर का हाल समझ आता है। माइक्रोफ़ोन की आवाज़ हर सेकंड 16000 बार संख्याओं में बदलती है, जिसे लगभग हर 0.01 सेकंड की आवाज़ की विशेषताओं में बाँटा जाता है। इनमें से लगभग 20 एक साथ, यानी 0.2 सेकंड, डीप न्यूरल नेटवर्क नाम के गणना वाले सिस्टम में जाती हैं, जो बताता है कि आवाज़ “Hey Siri” की किन ध्वनियों के कितने करीब है। इन संख्याओं को समय के क्रम में जोड़कर एक स्कोर बनता है, और अगर वह तय सीमा (थ्रेशोल्ड) पार कर जाए, तो Siri जाग जाती है।

छोटा और बड़ा सिस्टम, दो कदमों में

बैटरी बचाने की तरकीबें भी हैं। iPhone में हमेशा चालू रहने वाला एक छोटा सहायक प्रोसेसर छोटे मॉडल से लगातार सुनता है। स्कोर सीमा पार करे तो मुख्य प्रोसेसर जागता है और बड़े मॉडल से दोबारा जाँचता है। आखिर में सर्वर का मुख्य स्पीच रिकग्निशन एक बार फिर सुनता है, और अगर कुछ और सुनाई दे, जैसे “Hey Seriously”, तो रद्द कर देता है।

चित्र: iPhone “Hey Siri” कैसे जाँचता है
छोटा सहायक प्रोसेसरछोटा मॉडलहमेशा सुनता हैमुख्य प्रोसेसरस्कोर पार हो तोबड़े मॉडल से जाँचसर्वरमुख्य स्पीच रिकग्निशनएक बार और सुनता है
कोहाकु
कोहाकुछोटा सिस्टम लगातार सुनता है और बड़ा सिस्टम जाँचता है। बैटरी का भी ख्याल रखने वाली योजना है न?

मिलती-जुलती आवाज़ से गलती भी

फिर भी, मिलती-जुलती आवाज़ से कभी-कभी यह गलती से जाग जाता है। Amazon उदाहरण देता है कि बातचीत में “Lexus” शब्द के वेक वर्ड समझ लिए जाने की थोड़ी संभावना होती है। अगर परिवार में किसी का नाम मिलता-जुलता हो, तो वेक वर्ड को “Echo”, “Amazon”, “Computer” या “Ziggy” में बदला जा सकता है। सुनना शुरू होते ही डिवाइस पर एक लाइट जलती है, जिससे पता चलता है कि वह कब सुन रहा है।

और जानना चाहते हैं?

  • Apple में “दूसरा मौका” नाम का सिस्टम है: अगर स्कोर सीमा से थोड़ा ही कम रह जाए, तो डिवाइस कुछ सेकंड के लिए ज़्यादा संवेदनशील हो जाता है, और फिर से कहने पर Siri जाग जाती है।
  • Apple Watch की बैटरी छोटी होती है, इसलिए “Hey Siri” ढूँढने वाला सिस्टम तभी चलता है जब आप कलाई उठाते हैं और स्क्रीन जलती है।
  • 2017 की जानकारी के अनुसार, iPhone में पहले “Hey Siri” से शुरू होने वाले 5 वाक्य बोलकर रजिस्टर करना होता है, और डिवाइस यह भी देखता है कि आवाज़ रजिस्टर की गई आवाज़ से मिलती है या नहीं, जिससे दूसरों की आवाज़ पर प्रतिक्रिया कम होती है।
कोहाकु
कोहाकुसिर्फ वेक वर्ड की आवाज़ का इंतज़ार, और मेल खाते ही आवाज़ भेजना। पुकार पहचानने का यही तरीका है।

त्वरित प्रश्नोत्तरी: खुद को परखें

कोहाकुअभी जो पढ़ा, याद है? एक बार आज़माइए!

इंतज़ार के समय डिवाइस क्या करता है?

उत्तर दिखाएँ
  1. सारी बातचीत रिकॉर्ड करता है
  2. वेक वर्ड की आवाज़ ढूँढता है
  3. पूरी तरह बंद रहता है

वेक वर्ड की आवाज़ ढूँढता है डिवाइस सुनी गई आवाज़ों का वेक वर्ड के पैटर्न से मिलान करता है, और मेल खाने पर ही आवाज़ सर्वर पर भेजता है।

स्रोत
  1. How Alexa works: Wake wordAmazon
  2. Hey Siri: An On-device DNN-powered Voice Trigger for Apple’s Personal AssistantApple Machine Learning Research
  3. Data security and privacy on devices that work with AssistantGoogle Nest Help

यह लेख 2026-10-03 तक ऊपर दिए गए स्रोतों की जाँच करके लिखा गया था। शोध आगे बढ़ने पर व्याख्याएँ बदल सकती हैं। फ़ोटो के श्रेय प्रत्येक फ़ोटो के नीचे दिए गए हैं।

अगला रोचक तथ्य ▶

तकनीकफ़ोन का कैमरा अंधेरे में भी साफ़ फ़ोटो कैसे लेता है?रास्ता अंधेरा है, फिर भी फ़ोन की फ़ोटो साफ़ आती है। क्या यह अनोखा नहीं लगता?