La differenza in una riga
Un assistente vocale è sempre disponibile, quindi qualcosa deve stare in ascolto del momento in cui lo vorrai.
La dettatura non è disponibile finché non la chiedi. Premi un tasto, il microfono si apre, parli, si chiude.
Quasi tutte le preoccupazioni che la gente attacca al parlare ai telefoni appartengono al primo progetto e non al secondo, ed è per questo che la distinzione vale venti secondi della tua attenzione.
Come funziona davvero una parola di attivazione
Il meccanismo è meno sinistro di quanto l’espressione «sempre in ascolto» suggerisca, e anche meno banale di quanto i produttori lascino intendere.
Un piccolo rilevatore gira di continuo, confrontando il suono in arrivo con un unico schema breve: la frase di attivazione. È minuscolo apposta, non riconosce in pratica nient’altro, ed esiste per rispondere a una domanda sola, cioè se quelle sillabe precise siano appena state pronunciate. Tutto il resto di quello che sente viene scartato man mano che arriva.
Quando gli sembra di aver sentito la frase, parte il sistema vero, ed è a quel punto che entra in scena un sistema di riconoscimento come si deve.
Il rilevatore deve davvero elaborare il suono tutto il tempo, ed è per questo che la preoccupazione non è immaginaria. E allo stesso tempo non sta trascrivendo le tue conversazioni, perché non può: è un riconoscitore di schemi per una frase sola, non un sistema di riconoscimento vocale.
Le attivazioni per sbaglio sono la parte scomoda. Qualcosa che suona abbastanza vicino fa partire l’assistente, e a quel punto un frammento di quello che si stava dicendo viene trattato come se fosse una tua richiesta.
Come funziona invece la dettatura
Non c’è nessun rilevatore, perché non c’è niente da rilevare.
Android mostra un indicatore ogni volta che una qualsiasi app tiene aperto il microfono, quindi lo stato puoi vederlo invece di dedurlo. Quando smetti, si richiude.
Non è una funzione di riservatezza imbullonata sopra il progetto. È semplicemente cosa una tastiera è: stavi già toccando lo schermo per scrivere, quindi non c’è nessuna ragione di stare in ascolto di una chiamata.
Il risultato pratico è che la dettatura non ha proprio nessuno stato di fondo. Fra il momento in cui smetti di parlare e la volta dopo in cui premi il tasto, della funzione non gira niente.
A cosa serve ciascuno dei due
Parecchie persone usano tutti e due e ne ricavano di più sapendo quale sia quale.
Un assistente risponde e agisce. Che tempo fa, imposta un timer, chiama qualcuno, metti su qualcosa, spegni le luci. Ha bisogno di una conoscenza del mondo e dell’accesso ai tuoi servizi, ed è per questo che per lo più non può girare tutto sull’apparecchio.
La dettatura mette per iscritto quello che hai detto. La funzione è tutta lì. Non risponde, non cerca niente, non riassume e non decide. Suono dentro, parole fuori, nel campo dove stava il cursore.
È proprio la strettezza a rendere possibile far girare la dettatura in locale. Mettere per iscritto una frase che hai pronunciato apposta è un compito delimitato in cui tutto quello che serve è già presente. Rispondere a una domanda qualsiasi no.
Perché la gente li confonde
La confusione si capisce.
Tutti e due si avviano parlando, quindi sembrano lo stesso gesto. Certi telefoni mettono un tasto per l’assistente accanto alla tastiera o dentro di essa, il che sfuma ancora di più il confine. E in ogni menu di impostazioni mai scritto per entrambi si usa la stessa parola, «voce».
La confusione ha un costo vero. Chi detterebbe volentieri evita di farlo perché crede che implichi un microfono sempre acceso, e chi si preoccupa degli assistenti a volte disattiva la dettatura, cosa che sulla faccenda che lo inquietava non cambia niente.
Perché la distinzione conta per il posto dell’elaborazione
Le due categorie hanno preso strade diverse per una ragione tecnica.
Un assistente deve raggiungere un server per quasi tutto quello che avresti motivo di chiedergli. La conoscenza non è sul tuo telefono, il calendario, la musica e i messaggi vivono dentro dei servizi, e la risposta dipende dallo stato del mondo in questo momento. L’elaborazione in locale non lo risolve, per quanto capace diventi l’hardware.
La dettatura ha la forma opposta. Tutto quello che le serve è già presente: la tua voce e un modello che trasforma il suono in parole. Niente nel compito richiede di sapere qualcosa oltre la frase che hai appena detto.
Ecco perché la dettatura sul dispositivo esiste come categoria di prodotto seria e gli assistenti sul dispositivo in gran parte no. La strettezza che ogni tanto viene vista come un limite è esattamente quello che rende possibile tenere tutto quanto sull’apparecchio.
Cosa controllare sul tuo telefono
Due minuti e saprai esattamente cosa sta girando.
Guarda quali app hanno il permesso per il microfono, e separatamente se una funzione di parola di attivazione sia accesa nelle impostazioni del telefono o dell’assistente. Sono interruttori diversi e spegnerne uno non tocca l’altro.
Tieni d’occhio l’indicatore del microfono durante l’uso normale. Se compare mentre non stai parlando apposta a qualcosa, quello ti dice più di qualunque spiegazione.
E controlla cosa succede quando usi la dettatura di una tastiera: l’indicatore dovrebbe comparire quando premi il tasto e sparire quando finisci. Se resta acceso, conviene indagare.
Dettatura, senza assistente dentro
LocalType detta, e dentro il prodotto non c’è nessun assistente da nessuna parte.
Il microfono si apre quando premi il tasto sulla tastiera e si chiude quando smetti. Non c’è nessuna parola di attivazione, niente che giri in sottofondo e niente in ascolto fra una dettatura e l’altra. Non risponde alle domande, non scrive testi al posto tuo e non agisce su quello che hai detto. Mette per iscritto le tue parole e si ferma.
Il riconoscimento avviene sul telefono, a partire da un modello vocale tenuto in uno spazio di archiviazione che può leggere soltanto l’app, quindi nemmeno mentre è aperto l’audio viene trasmesso da qualche parte. L’accesso a internet serve per una cosa sola, prendere il modello che scegli, e mai più dopo. Non c’è nessun account, nessuna pubblicità, nessun tracciamento del comportamento dentro il prodotto, e nessun archivio delle tue registrazioni. I dati dell’app sono esclusi apposta dal backup nel cloud di Android, e nei campi password il microfono non compare proprio.
Tre taglie di modello, da 60, 190 e 539 MB, ti lasciano regolare la velocità contro la precisione, con 4,1 secondi impiegati per 6,9 secondi di parlato nell’impostazione di mezzo sull’apparecchio di prova da 4 GB. Le diciotto lingue sono coperte da un modello multilingue solo, individuato dalla registrazione invece che da un menu, e il resto del tempo è una tastiera ordinaria con correzione automatica, layout ed emoji.
Tenere tutti e due, ciascuno per il suo compito
Se la cosa che ti dà fastidio è un apparecchio in attesa di sentire il proprio nome, quello è un assistente, ed è un’impostazione a parte che puoi spegnere per conto suo.
La dettatura non chiede niente finché non premi un tasto, e una tastiera che fa il riconoscimento sull’apparecchio non chiede niente nemmeno dopo.
Il che vuol dire anche che i due non sono alternative. Tieni l’assistente per le cose in cui gli assistenti sono bravi, e lascia che sia una tastiera a occuparsi della scrittura. Stanno rispondendo a domande diverse e nessuno dei due sostituisce l’altro.