Навігатор для місць, де підводить GPS, часто опиняється й без мобільного інтернету. Тож у голосового асистента була одна жорстка вимога: усе на телефоні, нічого нікуди.
Три моделі, одне речення
- Whisper large-v3-turbo перетворює мову на текст. Він розуміє, як люди справді говорять в Україні: українською з англійськими назвами й часом російським словом.
- Gemma 4 E2B перетворює текст на одну команду: маршрут, пошук, «Я тут», питання про маршрут. Її відповідь граматикою обмежена рівно однією з наших команд, і наш код перевіряє її, перш ніж щось станеться.
- Vosk чекає на кодове слово «Привіт, навігатор» — дешево і лише тоді, коли щось чути.
Чесний вибір моделі
Ми написали 160 реальних команд — українською, суржиком, російською, англійською, зі словами-паразитами — і дали їх кільком малим моделям. Шістдесят із них ми написали вже після того, як інструкції були остаточні, тож під них нічого не підганялося. Gemma 4 E2B зрозуміла 88 % із них, більша E4B — усі, але вдвічі з половиною повільніше. Прості фрази («додому», «помовч», «скільки ще») розбирають правила, миттєво й без моделі, тож малої моделі досить.
Достатньо швидко, щоб користуватися за кермом
На Galaxy S25 Ultra перші цифри були погані: 17,8 секунди на розпізнавання трисекундної фрази. Причини буденні. Асистент працював на малих ядрах, бо ми дали йому низький пріоритет, щоб система жертвувала ним раніше, ніж навігацією. Найсильніше стиснутий Whisper повільно розпаковувався на ARM. А ще Whisper обробляв 30-секундне вікно для фрази у 3 секунди. Після виправлень розпізнавання займає близько 1,4 с, а розуміння — менше секунди.
Ніколи не заважає навігації
Моделі живуть в окремому процесі. Якщо одна зависне, перегріє телефон чи забере всю пам'ять, Android завершить цей процес — навігація й запис поїздки працюють далі, а наступна команда знову запускає асистента. Моделі завантажуються, поки ви говорите, і вивантажуються за кілька хвилин після останньої команди або одразу, коли телефон гарячий чи йому бракує пам'яті.
Чого він не робить
Жодних розмов, інтернету чи дій поза навігацією. Він не записує аудіо; розпізнаний текст потрапляє в запис поїздки на телефоні — для бети. «Тут мій дім» працює лише за перевіреного GPS, інакше підроблена позиція назавжди стала б вашим домом.