Het verschil in één regel
Een spraakassistent is altijd beschikbaar, dus er moet iets luisteren naar het moment waarop je hem wilt.
Inspreken is niet beschikbaar tot je erom vraagt. Je drukt op een toets, de microfoon gaat open, je praat, hij gaat dicht.
Vrijwel elke zorg die mensen aan tegen telefoons praten hangen, hoort bij het eerste ontwerp en niet bij het tweede.
Je ziet het aan wat er nodig is om te beginnen. Een assistent roep je aan terwijl je telefoon op tafel ligt en je scherm uit staat. Inspreken vraagt een tekstveld dat openstaat en een vinger op een toets.
Een detector die wacht, tegenover een toets die je indrukt
Het mechanisme achter een assistent is minder duister dan de uitdrukking “luistert altijd mee” suggereert, en ook minder onbenullig dan fabrikanten laten doorschemeren.
Er draait onafgebroken een kleine detector die binnenkomend geluid vergelijkt met één kort patroon: het activeerwoord (in het Engels het wake word). Hij is met opzet piepklein, hij herkent verder praktisch niets, en hij bestaat om één vraag te beantwoorden, namelijk of die bepaalde lettergrepen zojuist voorbijkwamen. Al het andere wat hij hoort wordt weggegooid zodra het binnenkomt. Denkt hij die zin gehoord te hebben, dan start het echte systeem, en pas op dat moment komt er een volwaardige herkenner bij.
De detector verwerkt de hele tijd geluid, dus de zorg is niet ingebeeld. En hij schrijft je gesprekken niet uit, want dat kan hij niet: hij is een patroonvergelijker voor één zin en geen spraakherkenner.
Vals alarm is het vervelende deel. Iets dat er genoeg op lijkt start de assistent, en dan wordt een flard van wat er gezegd werd behandeld alsof jij erom gevraagd had. Je herkent het aan een telefoon die antwoord geeft terwijl je tegen iemand anders in de kamer praatte.
Bij inspreken valt er niets te detecteren, want er is geen detector. Android laat een aanduiding zien zodra welke app dan ook de microfoon open heeft, dus je kunt die toestand zien zonder hem af te leiden. Stop je, dan gaat de microfoon weer dicht.
Zo’n toets is geen privacyfunctie die op het ontwerp geschroefd is. Het is domweg wat een toetsenbord is: je raakte het scherm toch al aan om te schrijven, dus er is geen reden om op een oproep te liggen wachten. Het gevolg is dat inspreken helemaal geen sluimerende toestand heeft. Tussen het moment dat je stopt met praten en de volgende keer dat je de toets indrukt, draait er niets van deze functie.
Waarom mensen ze verwarren
De verwarring is begrijpelijk.
Allebei zet je in gang door te praten, dus het voelt als hetzelfde gebaar. Sommige telefoons zetten een assistentknop naast of in het toetsenbord, wat de grens verder vervaagt. En hetzelfde woord, spraak, wordt voor allebei gebruikt in elk instellingenmenu dat ooit geschreven is.
Die verwarring kost echt iets. Mensen die graag zouden inspreken doen het niet omdat ze denken dat het een microfoon impliceert die altijd aan staat, en mensen die zich zorgen maken over assistenten zetten soms het inspreken uit, wat niets verandert aan het ding waar ze zich zorgen over maakten.
Ze staan ook op verschillende plekken. Het activeerwoord zet je om bij de instellingen van je telefoon of van de assistent-app. Het inspreken zit bij de instellingen van je toetsenbord. Zoek je op de ene plek naar de andere schakelaar, dan vind je hem niet.
Antwoorden tegenover opschrijven
Een assistent antwoordt en handelt. Hoe is het weer, zet een wekker, bel iemand, speel iets af, doe het licht uit. Daarvoor is kennis van de wereld nodig en toegang tot jouw diensten.
Inspreken schrijft op wat je zei. Meer zit er niet in. Het antwoordt niet, zoekt niets op, vat niets samen en beslist niets. Geluid erin, woorden eruit, in het veld waar je cursor stond.
De meeste mensen gebruiken ze achter elkaar zonder het te merken. Je vraagt de assistent om een wekker voor kwart over zes, en het bericht waarin je dat aan iemand doorgeeft spreek je in het gesprek zelf in.
Dat verschil bepaalt ook waar het rekenwerk gebeurt, en daarmee waarom de twee categorieën verschillende kanten op zijn gegaan. Een assistent moet voor vrijwel alles wat het vragen waard is bij een server zijn. De kennis staat niet op je telefoon, je agenda en je muziek en je berichten wonen in diensten, en het antwoord hangt af van de stand van de wereld op dit moment. Lokaal verwerken lost dat niet op, hoe krachtig de hardware ook wordt.
Inspreken heeft de omgekeerde vorm. Alles wat het nodig heeft is al aanwezig: je stem, en een model dat geluid in woorden omzet. Niets aan die taak vraagt om kennis van iets buiten de zin die je net zei. Daarom bestaat inspreken op je telefoon als serieuze productcategorie en zijn assistenten op je telefoon grotendeels iets anders gebleven. De smalheid die mensen soms als beperking zien, is precies wat het mogelijk maakt om het hele ding op je telefoon te houden.
Twee minuten op je eigen telefoon
Kijk welke apps het recht op de microfoon hebben, en kijk apart of er in je telefoon- of assistentinstellingen een activeerwoord aan staat. Dat zijn verschillende schakelaars, en de een uitzetten doet niets met de ander.
Let tijdens gewoon gebruik op de microfoonaanduiding. Verschijnt die terwijl je niet met opzet tegen iets praat, dan zegt dat je meer dan welke uitleg ook.
Kijk in het privacyoverzicht van Android welke apps de microfoon gebruikt hebben en wanneer. Die lijst gaat over gisteren en eergisteren, dus hij vangt de momenten die je zelf niet gezien hebt.
En kijk wat er gebeurt als je het inspreken van een toetsenbord gebruikt: de aanduiding hoort te verschijnen als je de toets indrukt en te verdwijnen als je klaar bent. Blijft hij staan, kijk dan beter.
LocalType is het tweede soort
Het is inspreken, met nergens in het product een assistent.
De microfoon gaat open als je op de toets van het toetsenbord drukt en dicht als je stopt. Er is geen activeerwoord, er draait niets op de achtergrond, en er luistert niets tussen twee keer inspreken door. Het beantwoordt geen vragen, schrijft geen teksten namens jou en doet niets met wat je zei. Het schrijft je woorden op en houdt op.
Het herkennen gebeurt op de telefoon, uit een spraakmodel in de eigen opslag van de app, die alleen die app kan lezen, dus ook terwijl de microfoon open staat gaat de audio nergens naartoe. Internettoegang wordt voor precies één ding gebruikt, het ophalen van het model dat je kiest, en daarna nooit meer. Er is geen account, geen reclame, geen tracking binnen het product, en geen archief van je opnames. De gegevens van de app blijven met opzet buiten de back-up van Android, en in wachtwoordvelden verschijnt de microfoon helemaal niet.
Drie modelmaten, van 60, 190 en 539 MB, laten je snelheid tegenover nauwkeurigheid zetten, met 4,1 seconden nodig voor 6,9 seconden spraak bij de middelste maat op de testtelefoon met 4 GB. Achttien talen zitten in één meertalig model, afgeleid uit de opname en niet uit een menu, en de rest van de tijd is het een gewoon toetsenbord met autocorrectie, indelingen en emoji.
Zit het je dwars dat er een detector meeluistert tot hij één bepaald woord herkent, dan gaat je bezwaar over een assistent, en die staat op een schakelaar die je los kunt omzetten. Je hoeft er het inspreken niet voor op te geven, en andersom: houd de assistent voor de dingen waar assistenten goed in zijn, en laat een toetsenbord het schrijven doen.