Wake word: как ассистент узнаёт своё имя

25 сентября 2026 · для пользователей · 5 минут чтения

«Окей Google», «Алиса», «Сири» — за этими фразами стоит отдельный крошечный механизм, который живёт в телефоне и слушает круглосуточно. Разбираемся, как он устроен, почему иногда срабатывает от слова «окей» в сериале и чем кастомная фраза лучше стандартной.

Что такое wake word

Wake word (активационная фраза) — слово-переключатель, после которого ассистент начинает записывать запрос. До него телефон ничего не транскрибирует: работает только компактный детектор, натренированный на одном конкретном звучании. Он не понимает речь — он отличает «своё» звучание от «чужого». Поэтому «Окей Google» в рекламе срабатывает, а «окей, гугль» от бабушки — нет.

Локальный детектор против облачного

Два подхода. Облачный: кусок звука улетает на сервер, там решают, была ли фраза. Точнее, но каждая проверка — это сеть, задержка и отправленный наружу фрагмент вашей жизни. Локальный: крошечная нейросеть на устройстве (в Амалии — Silero VAD в паре с локальным детектором), ноль отправки, срабатывание за десятки миллисекунд. Современные локальные детекторы весят меньше мегабайта и работают даже на дешёвых телефонах.

Почему бывают ложные срабатывания

Детектор слышит фонетические скелеты, а не буквы. «Окей, голодно» и «окей, Гугл» для него почти близнецы. Ложняки учащаются при: фоновом телевизоре, разговорном радио, похожих именах домашних. Лечится тремя вещами: уникальной фразой (чем реже слова встречаются в обычной речи, тем лучше), порогом чувствительности и требованием произнести фразу целиком, а не её огрызок.

Как выбрать свою фразу

• 3–4 слога — короче будет срабатывать от случайной речи, длиннее — забудете, как произносится;
• редкая комбинация звуков: «Амалия» безопаснее, чем «Оля»;
• без шипящих на конце — они глушатся шумодавом;
• слово, которое не стыдно крикнуть из кухни.

Wake word в Амалии

Амалия детектирует обращение локально: микрофон включён, но звук никуда не уходит до момента срабатывания. После фразы открывается слушание с VAD — и дальше уже знакомый пайплайн Whisper → Qwen3 → Fish Audio. Полный путь «назвал имя — услышал ответ» занимает около секунды, потому что детектор не тратит время на сеть.

Попробовать свою фразу вживую проще всего на практике: APK Амалии — и позови её по имени.