Para peneliti mengamati speaker pintar bangun secara keliru 0,95 kali per jam dalam uji terkontrol yang memutar dua putaran konten Netflix masing-masing 134 jam ke tujuh perangkat (Northeastern University dan Imperial College London, PETS 2020). Studi laboratorium terpisah yang menjalankan 11 speaker dari 8 produsen melalui acara TV dan siaran berita menghasilkan lebih dari 1.000 pemicuan tidak disengaja yang terverifikasi (Ruhr University Bochum dan Max Planck Institute, arXiv 2020). Penerimaan palsu ini kini membawa harga hukum: kesepakatan Google senilai US$68 juta terkait penerimaan palsu Assistant menerima 1,49 juta klaim tepat waktu sebelum persetujuan akhir pada Oktober 2026 (Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026). Dari sisi pengenalan, tolok ukur makan malam di rumah yang direkam dengan susunan 7 mikrofon mencatat tingkat kesalahan kata melonjak dari 42,10% pada headset bicara jarak dekat menjadi 77,52% pada perangkat medan jauh (makalah korpus DiPCo, 2019). Kami menghimpun data dari Northeastern University, Ruhr University Bochum, Amazon Science, Apple Machine Learning Research, Google Research, penyelenggara tantangan CHiME, Johns Hopkins University, dan dua catatan gugatan class action federal. Berapa banyak rumah yang memiliki perangkat ini dibahas dalam statistik penggunaan speaker pintar kami; rangkuman ini membahas seberapa baik perangkat tersebut mendengar.
TL;DR
- Para peneliti mengamati 0,95 aktivasi keliru speaker pintar per jam, atau 1,43 per 10.000 kata yang diucapkan, saat acara TV diputar di dekatnya (Northeastern University dan Imperial College London, PETS 2020).
- Kata pengaktif Cortana menghasilkan 197 pemicuan tidak disengaja dibandingkan 8 untuk Hey Siri dalam 624 jam audio per speaker (Ruhr University Bochum dan Max Planck Institute, arXiv 2020).
- Pengguna speaker pintar yang menyadari bangun tidak disengaja setidaknya sebulan sekali: 43,7% (survei Voicebot.ai 2018, dilaporkan oleh Voicebot.ai 2020).
- Pengklasifikasi tahap kedua memangkas alarm palsu Alexa sekitar 67% di atas detektor tahap pertama (Amazon Science, ICASSP 2018).
- Transformer streaming Apple menekan 95% pemicuan palsu dengan tambahan satu detik audio setelah pemicuan (Apple Machine Learning Research 2021).
- Pemrosesan enam mikrofon HomePod memperbaiki tingkat kesalahan kata sekitar 90% secara relatif saat memutar musik (Apple Machine Learning Research 2018).
- Penolakan palsu kata pengaktif pada satu alarm palsu per jam: 2,00% pada bicara jarak dekat dibandingkan 5,11% pada susunan medan jauh (Personalized Voice Trigger Challenge 2020).
- Tingkat kesalahan kata pada korpus makan malam di rumah: 42,10% pada bicara jarak dekat dibandingkan 77,52% pada medan jauh (makalah korpus DiPCo, 2019).
- Bahkan sistem terbaik dalam tantangan CHiME-7 dan CHiME-8 tetap di atas 30% tcpWER pada makan malam di rumah CHiME-6 (CHiME-7/8 DASR review, arXiv 2025).
- 24,76% dari 2.552 interaksi Alexa oleh orang dewasa berusia 66 hingga 94 tahun mengandung kesalahan (Johns Hopkins University, arXiv 2024).
- Kesepakatan penerimaan palsu Assistant senilai US$68 juta dari Google menerima 1,49 juta klaim tepat waktu (perintah persetujuan akhir Kumandan v. Google, Oktober 2026).
- Kesepakatan Siri Apple senilai US$95 juta membayar hingga US$20 per perangkat untuk aktivasi yang tidak disengaja (Lopez v. Apple, administrator kesepakatan, 2025-2026).
1. Aktivasi Tidak Disengaja: Seberapa Sering Dialog TV Membangunkan Speaker
0,95 aktivasi keliru per jam terdengar kecil sampai kita ingat bahwa televisi di ruang keluarga menyala berjam-jam, dan bahwa studi yang sama menemukan hampir semua aktivasi yang terdeteksi secara lokal (perangkat menyala) juga dikirim ke cloud. Jadi pertanyaan privasinya bukan hanya seberapa sering speaker bangun, tetapi berapa lama ia terus mendengarkan setelah bangun.
Durasi adalah bagian yang paling mengungkap dari studi Northeastern dan Imperial College: sepersepuluh aktivasi terpanjang berlangsung 8 hingga 10 detik tergantung perangkat, cukup lama untuk menangkap satu kalimat penuh dari percakapan pribadi. Aktivasi keliru juga bukan derau acak: 20,7% aktivasi Google Home Mini dan 17,7% aktivasi HomePod terulang di lebih dari 75% dari 12 putaran uji, yang berarti baris dialog tertentu secara andal mengecoh perangkat tertentu. Survei pemilik, yang dilaporkan oleh Voicebot.ai, menceritakan hal yang sama dari sofa.
| Metrik | Nilai | Sumber |
|---|---|---|
| Konten yang diputar ke speaker uji | Dua putaran masing-masing 134 jam dari 12 acara TV, di AS dan Inggris, ke 7 perangkat (Google Home Mini, Apple HomePod, Harman Kardon Invoke, 2 Echo Dot gen ke-2, 2 Echo Dot gen ke-3) | Northeastern University dan Imperial College London, PETS 2020 |
| Tingkat aktivasi keliru yang diamati | 0,95 per jam, atau 1,43 per 10.000 kata yang diucapkan | Northeastern University dan Imperial College London, PETS 2020 |
| Acara TV yang menyebabkan aktivasi terbanyak | The West Wing: rata-rata 4,26 aktivasi per jam; Narcos: 6,21 aktivasi per 10.000 kata dialog | Northeastern University dan Imperial College London, PETS 2020 |
| Durasi yang dicapai oleh 10% aktivasi terpanjang; aktivasi tunggal terpanjang | Setidaknya 10 detik pada HomePod, 9 detik pada Google Home Mini, 8 detik pada Echo Dot gen ke-2 (kata pengaktif Echo); hingga 43 detik dalam satu eksperimen, diperlakukan sebagai pencilan | Northeastern University dan Imperial College London, PETS 2020 |
| Pengguna speaker pintar yang menyadari mereka tidak sengaja membangunkan asisten suara setidaknya sebulan sekali | 43,7% | Survei Voicebot.ai 2018, dilaporkan oleh Voicebot.ai 2020 |
| Pengguna pencarian suara di AS (termasuk ponsel) yang tidak sengaja membangunkan asistennya dalam sebulan | 64% dari 501 responden | Survei The Manifest, dilaporkan oleh Voicebot.ai 2020 |
| Porsi bangun tidak disengaja yang dilaporkan di mana perangkat lunak mendeteksi kata pengaktifnya tanpa alasan yang jelas | 29% | Survei The Manifest, dilaporkan oleh Voicebot.ai 2020 |
Data terbaru yang tersedia: Northeastern University dan Imperial College London, PETS 2020, serta survei pemilik dari 2018 hingga 2020. Tidak ada pengukuran aktivasi keliru independen yang lebih besar yang dipublikasikan sejak itu, sehingga angka-angka ini tetap menjadi rujukan. Judul yang sering diulang “hingga 19 kali sehari” berasal dari pemberitaan pers, bukan dari tingkat yang dilaporkan studi itu sendiri.
2. Kata Pengaktif yang Paling Sering Keliru Terpicu
Kesenjangan antar kata pengaktif sangat besar: Cortana menghasilkan 197 pemicuan tidak disengaja sementara Hey Siri menghasilkan 8 pada pemutaran yang sama. Kata pengaktif yang pendek dan terdengar umum bertabrakan dengan ucapan sehari-hari; para peneliti menemukan kata Mandarin ‘dage’ (kakak laki-laki) tertukar dengan ‘Echo’ dan frasa Jerman ‘Am Sonntag’ tertukar dengan ‘Amazon’ dalam prakiraan cuaca.
Cloud bertindak sebagai filter kedua, tetapi tidak sempurna. Hanya sebagian kecil pemicuan lokal Cortana yang lolos pemeriksaan server, namun makalah pemicuan tidak disengaja menemukan bahwa pemicuan yang dikonfirmasi di cloud dapat mengunggah audio 10 detik atau lebih. Langkah verifikasi cloud, dalam bahasa sederhana, adalah pengenal kedua yang lebih besar di server perusahaan yang mendengarkan ulang klip tersebut dan membatalkan bangunnya perangkat jika tidak setuju dengan perangkat.
| Metrik | Nilai | Sumber |
|---|---|---|
| Cakupan uji | 11 speaker pintar dari 8 produsen; 13 dataset utama masing-masing 24 jam, diputar dua kali (13 x 24 x 2 = 624 jam per speaker) | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Pemicuan tidak disengaja menurut kata pengaktif | Cortana 197; Alexa 99; Computer 77; Amazon 57; Echo 43; OK/Hey Google 16; Hey Siri 8 | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Pemicuan Cortana yang juga lolos pemeriksaan di sisi cloud | 8 dari 197 (8 / 197 = 4,1%) | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Pemicuan Amazon dan Google yang terpicu lagi setidaknya 4 kali dalam 10 pemutaran ulang | Sekitar 75% | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Kata pengaktif ‘Computer’ yang terpicu oleh episode Modern Family yang sama, versi Inggris dibandingkan versi Jerman | 9 kali dibandingkan 1 kali | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Audio yang diunggah setelah pemicuan yang dikonfirmasi cloud dibandingkan waktu hingga pemicuan hanya-lokal berhenti | 10 detik atau lebih dibandingkan sekitar 1-2 detik | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
Data terbaru yang tersedia: Ruhr University Bochum dan Max Planck Institute, arXiv 2020. Jumlah untuk Alexa muncul sebagai 99 di teks makalah dan sebagai 100 di satu baris tabel ringkasan; kami memakai angka dari teks.
3. Deteksi Kata Pengaktif: Menukar Penolakan Palsu dengan Alarm Palsu
Setiap mesin kata pengaktif menyeimbangkan dua kesalahan. Penolakan palsu terjadi saat speaker mengabaikan ‘Alexa’ atau ‘Hey Siri’ yang asli; alarm palsu (disebut juga penerimaan palsu atau pemicuan palsu) terjadi saat speaker bangun padahal tidak ada yang mengucapkan kata pengaktif. Para insinyur menetapkan satu tingkat kesalahan lalu berusaha menekan yang lain, itulah sebabnya hasil dikutip sebagai “pengurangan relatif pada tingkat alarm palsu tetap” atau “pada 0,1 penerimaan palsu per jam”.
Pola di berbagai vendor adalah pertahanan berlapis. Hasil utama di sini milik Apple: 95% pemicuan palsu ditekan hanya dengan tambahan satu detik audio (Apple Machine Learning Research 2021). Detektor dua tahap Amazon dan pemeriksaan berbasis lattice Apple menunjukkan logika yang sama: detektor murah yang selalu aktif membangunkan perangkat, dan tahap kedua yang lebih berat memutuskan apakah akan terus mendengarkan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Detektor dua tahap di perangkat dengan pemodelan ucapan latar: penolakan palsu pada tingkat alarm palsu tetap; alarm palsu pada tingkat terlewat tetap | Sekitar 16% pengurangan relatif; sekitar 37% pengurangan relatif | Amazon Science, ICASSP 2018 |
| Pengklasifikasi tahap kedua di atas detektor tahap pertama | Sekitar 67% lebih sedikit alarm palsu | Amazon Science, ICASSP 2018 |
| Tingkat pemicuan palsu dengan model bahasa komplementer, pada penekanan palsu tetap 0,4% terhadap permintaan asli | 38,34% pengurangan relatif, lalu 10,8% lagi dengan model paralel | Apple, Interspeech 2020 |
| Pemicuan palsu yang ditekan oleh transformer streaming dengan satu detik audio setelah pemicuan | 95% | Apple Machine Learning Research 2021 |
| Model streaming yang sama dibandingkan versi non-streaming | Rata-rata 18% pengurangan relatif penolakan palsu; 32% lebih sedikit memori runtime; 56% lebih sedikit waktu inferensi | Apple Machine Learning Research 2021 |
| Jaringan multi-mikrofon dibandingkan model kanal tunggal yang dijalankan pada setiap mikrofon, pada 0,1 penerimaan palsu per jam | 27,2% (bersih) dan 31,8% (berisik) pengurangan relatif penolakan palsu pada set uji dua mikrofon | Google Research, Odyssey 2020 |
| Desain pemicu suara Siri | Dua frasa pemicu (‘Hey Siri’ dan ‘Siri’) di 7 kategori perangkat; jaringan lintasan pertama dikompresi menjadi 4 bit per bobot | Apple Machine Learning Research 2023 |
Konteks: vendor hampir tidak pernah mempublikasikan tingkat penerimaan palsu absolut untuk produk yang dijual, hanya perbaikan relatif. Makalah Complementary Language Model dan makalah multikanal Google mengikuti konvensi itu. Data terbaru yang tersedia untuk arsitektur sistem yang dijual: Apple Machine Learning Research, Voice Trigger System for Siri, 2023.
4. Beamforming dan Pemrosesan Awal Akustik
Beamforming berarti menggabungkan sinyal dari beberapa mikrofon agar susunan mikrofon ‘mendengarkan’ ke arah pembicara dan menjauh dari derau. Peredaman gema berarti mengurangi musik dari speaker itu sendiri dari apa yang didengar mikrofonnya. Keduanya penting karena, seperti yang diukur Apple, pemutaran suara perangkat itu sendiri bisa 30-40 dB lebih keras daripada suara yang berusaha didengarnya (Apple Machine Learning Research 2018).
Manfaatnya paling besar tepat di tempat speaker pintar paling kesulitan: saat memutar musiknya sendiri. Pekerjaan peredaman gema berlapis Amazon melaporkan orde besaran yang serupa. Prinsip arah yang sama mengecilkan derau di telinga pada alat bantu dengar, seperti yang ditunjukkan statistik SNR alat bantu dengar mikrofon direksional kami; speaker pintar menerapkannya dari seberang ruangan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Mikrofon pada Apple HomePod; biaya pemrosesan peningkatan ucapannya | Enam; kurang dari 15% satu inti A8 pada 1,4 GHz | Apple Machine Learning Research 2018 |
| Pemutaran perangkat (gema) dibandingkan ucapan medan jauh; gema sisa setelah peredaman gema linear pada volume keras | 30-40 dB lebih keras; 10-20 dB di atas ucapan medan jauh | Apple Machine Learning Research 2018 |
| Perbaikan relatif tingkat kesalahan kata dari pemrosesan multikanal HomePod | Sekitar 40% (ucapan bergaung), 90% (pemutaran), 74% (derau latar keras), 61% (pembicara yang bersaing) | Apple Machine Learning Research 2018 |
| Perbaikan absolut penolakan palsu ‘Hey Siri’ dengan pembicara yang bersaing | 29,0% dibandingkan pengurangan derau berbasis masker; 30,3% dibandingkan keluaran pemrosesan sinyal dasar | Apple Machine Learning Research 2018 |
| Pengurangan gema dan derau dari sistem berlapis Amazon pada perangkat Echo | Sekitar 40 dB pengurangan gema; sekitar 19 dB pengurangan derau | Amazon Science 2018 |
| Perbaikan relatif tingkat kesalahan kata dari tiga lapisan (diberi label SBNR, SBRES, dan NLEC oleh Amazon) | Sekitar 22%, 14%, dan 17% | Amazon Science 2018 |
| Susunan perangkat medan jauh dalam rekaman rumah DiPCo | 7 mikrofon: 6 pada lingkaran berjari-jari 35 mm ditambah 1 di tengah | Makalah korpus DiPCo, 2019 |
| Susunan yang digunakan dalam setiap makan malam di rumah CHiME-6 | 6 perangkat Microsoft Kinect dengan susunan linear 4 kanal (24 mikrofon susunan) | CHiME-6 Challenge paper, 2020 |
Data terbaru yang tersedia: Apple Machine Learning Research 2018 dan Amazon Science 2018. Kedua perusahaan telah merilis perangkat keras yang lebih baru sejak itu, tetapi tidak ada yang mempublikasikan pengukuran front end yang sebanding.
5. Penalti Jarak dalam Pengenalan Medan Jauh
Memindahkan mikrofon dari mulut ke seberang ruangan hampir menggandakan kesalahan pengenalan dalam uji terkontrol. Tingkat kesalahan kata naik dari 42,10% pada headset bicara jarak dekat menjadi 77,52% pada perangkat medan jauh dalam sesi makan malam yang sama (makalah korpus DiPCo, 2019), dan penolakan palsu kata pengaktif dalam Personalized Voice Trigger Challenge lebih dari dua kali lebih tinggi pada susunan medan jauh dibandingkan ponsel bicara jarak dekat.
Audio percakapan di rumah jauh lebih sulit daripada satu perintah: orang saling menyela, berpindah antar ruangan, dan memasak. Dua istilah membantu membaca tabel. Pemisahan sumber terpandu (GSS) adalah metode multi-mikrofon yang memakai pewaktuan siapa-berbicara-kapan untuk memisahkan setiap suara, dan tcpWER adalah tingkat kesalahan kata yang juga menghukum kata yang ditetapkan ke pembicara atau waktu yang salah. Tinjauan CHiME-7 dan CHiME-8 menunjukkan bahwa bertahun-tahun kemajuan tetap menyisakan makan malam di rumah sebagai skenario tersulit.
| Metrik | Nilai | Sumber |
|---|---|---|
| Penolakan palsu kata pengaktif pada satu alarm palsu per jam, ponsel bicara jarak dekat dibandingkan susunan mikrofon medan jauh (set pengembangan) | 2,00% dibandingkan 5,11% | Personalized Voice Trigger Challenge 2020 |
| Pengaturan rekaman tantangan | 612 jam, 658.995 ujaran, 550 pembicara; susunan 4 atau 6 kanal pada jarak 1 m, 3 m, dan 5 m di ruangan yang dibangun sebagai rumah pintar | Personalized Voice Trigger Challenge 2020 |
| Kata pengaktif rumah pintar medan jauh (‘Xiao T, Xiao T’), set evaluasi: penolakan palsu dan alarm palsu | Sistem audio-saja terbaik 6,38% dan 4,65%; sistem audio-visual terbaik 2,15% dan 3,44%; garis dasar audio-visual resmi 10,1% dan 15% | Duke Kunshan University system, ICASSP 2023 (MISP 2021 challenge) |
| Tingkat kesalahan kata, headset bicara jarak dekat dibandingkan perangkat medan jauh 7 mikrofon (set evaluasi) | 42,10% dibandingkan 77,52% | Makalah korpus DiPCo, 2019 |
| Tingkat kesalahan kata garis dasar CHiME-6 (pengembangan / evaluasi), dengan GSS dibandingkan dengan beamformer konvensional (BeamformIt) | 51,8% / 51,3% dibandingkan 69,8% / 61,2% | CHiME-6 Challenge paper, 2020 |
| Garis dasar CHiME-6 saat sistem juga harus menemukan siapa berbicara kapan (pengembangan / evaluasi) | 84,3% / 77,9% | CHiME-6 Challenge paper, 2020 |
| Tingkat kesalahan kata sistem CHiME-5 terbaik (pengembangan / evaluasi) | 45,6% / 46,6% (USTC-iFlytek) | CHiME-6 Challenge paper, 2020 |
| tcpWER CHiME-6 dari sistem CHiME-7/8 terbaik; partisipasi CHiME-8 | Di atas 30%; 9 tim mengirimkan 32 sistem | CHiME-7/8 DASR review, arXiv 2025 |
Konteks: angka tantangan mengukur percakapan terbuka, bukan perintah singkat, sehingga melebih-lebihkan kesalahan yang dibuat speaker pada ‘setel pengatur waktu’. Angka itu tetap merupakan bukti publik terbaik tentang seberapa besar biaya ruangan itu sendiri, dan makalah CHiME-6 menunjukkan bahwa lompatan dari beamformer konvensional ke GSS saja bernilai sekitar 18 poin pada set pengembangan (69,8% dikurangi 51,8%).
6. Siapa yang Terlewat: Lansia di Rumah
Kegagalan kata pengaktif dan pengenalan tidak tersebar merata. Dalam penerapan di rumah selama sebulan, 24,76% interaksi Alexa oleh orang dewasa berusia 66 hingga 94 tahun mengandung kesalahan (Johns Hopkins University, arXiv 2024), dan tingkat kesalahan tidak turun selama empat minggu. Mendengar permintaan hanyalah sebagian dari masalah: salah memahami maksud adalah kategori kesalahan tunggal terbesar.
Kata pengaktif itu sendiri membuat orang tersandung. Mengucapkan kata yang nyaris benar seperti ‘Alexis’ menyebabkan lebih banyak kekeliruan daripada aktivasi palsu, yang merupakan bayangan cermin dari masalah TV di bagian 1: perangkat ketat terhadap pemiliknya dan longgar terhadap televisi. Kesenjangan menurut aksen dan dialek dibahas dalam statistik bias aksen pengenalan ucapan kami; bagian ini membatasi diri pada usia dan kognisi.
| Metrik | Nilai | Sumber |
|---|---|---|
| Interaksi dengan kesalahan, 15 rumah tangga berusia 66 hingga 94 tahun, Echo Dot, empat minggu | 24,76% (632 dari 2.552) | Johns Hopkins University, arXiv 2024 |
| Kesalahan pengenalan ucapan sebagai porsi dari semua kesalahan | 24,4% (154 dari 632) | Johns Hopkins University, arXiv 2024 |
| Kesalahan di mana Alexa sama sekali tidak menangkap permintaan (‘tidak didengarkan’) | 10,9% (69 dari 632) | Johns Hopkins University, arXiv 2024 |
| Kesalahan akibat salah menyebut kata pengaktif (misalnya ‘Alexis’) | 7,8% (49 dari 632) | Johns Hopkins University, arXiv 2024 |
| Kesalahan akibat aktivasi palsu (salah pemicuan); porsi yang teratasi saat dicoba ulang | 2,4% (15 dari 632); 6,7% | Johns Hopkins University, arXiv 2024 |
| Kegagalan pengenalan maksud, kategori kesalahan terbesar | 32,3% (204 dari 632) | Johns Hopkins University, arXiv 2024 |
| Kesalahan pengenalan ucapan pada perintah Alexa yang dibacakan 83 lansia, kelompok demensia dibandingkan kelompok kognitif normal | Secara signifikan lebih tinggi pada kelompok demensia | Cohn et al., arXiv 2026 |
Studi demensia 2026 melaporkan bahwa intensitas suara, kualitas suara, dan rasio jeda memprediksi akurasi pengenalan, yang mengaitkan kesenjangan usia kembali ke akustik: suara yang lebih pelan dan lebih berdesah kehilangan lebih banyak energi di seberang ruangan sebelum mencapai susunan mikrofon.
7. Penerimaan Palsu di Pengadilan dan dalam Kebijakan Perusahaan
Penerimaan palsu telah berpindah dari metrik laboratorium menjadi tanggung jawab hukum. Kesepakatan Google memiliki periode kelas yang dimulai pada 18 Mei 2016 dan kelas privasi yang didefinisikan seputar rekaman penerimaan palsu, dan 1,49 juta klaim tepat waktu masuk atas pemberitahuan yang dikirim lewat surel ke 173.814.291 alamat (Pengadilan Distrik AS untuk Distrik Utara California, perintah persetujuan akhir Kumandan v. Google, Oktober 2026). Menurut perhitungan kami itu setara tingkat klaim sekitar 0,86% dari alamat yang diberi tahu (1,49 juta / 173.814.291); perintah itu sendiri tidak menyebutkan tingkat klaim.
Kesepakatan Siri paralel Apple mencakup aktivasi Siri yang tidak disengaja selama percakapan pribadi dalam satu dekade. Kebijakan perusahaan juga bergeser: Apple menyatakan pada Januari 2025 bahwa mereka tidak menyimpan rekaman audio interaksi Siri kecuali pengguna secara eksplisit memilih ikut serta (Apple Newsroom 2025).
| Metrik | Nilai | Sumber |
|---|---|---|
| Dana kesepakatan penerimaan palsu Google Assistant; tanggal persetujuan akhir | US$68.000.000, tanpa pengembalian ke tergugat; 13 Oktober 2026 | Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026 |
| Pengiriman pemberitahuan dan pengecualian | Surel ke 173.814.291 alamat, 98,76% terkirim; 217 permintaan pengecualian yang sah dan 7 keberatan | Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026 |
| Perkiraan pembayaran per anggota kelas | Sekitar US$18 hingga US$56 (kelas pembeli); sekitar US$2 hingga US$10 (kelas privasi) | Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026 |
| Biaya pengacara yang diberikan | US$22.666.666,70 (sepertiga dari dana) | Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026 |
| Kesepakatan aktivasi Siri tidak disengaja Apple | Dana US$95 juta; hingga US$20 per perangkat Siri, hingga lima perangkat; periode kelas 17 September 2014 hingga 31 Desember 2024 | Lopez v. Apple, administrator kesepakatan, 2025-2026 |
| Porsi cuplikan audio Assistant yang ditinjau oleh pakar bahasa | Sekitar 0,2% | Google, blog The Keyword, Juli 2019 |
| Porsi permintaan Siri yang didengar penilai manusia sebelum Apple menangguhkan penilaian | Kurang dari 0,2% | Apple Newsroom, Agustus 2019 |
Konteks: pernyataan Google tentang data ucapan tahun 2019 menggambarkan penerimaan palsu sebagai hal yang jarang, dan pernyataan Apple 2019 berkomitmen menghapus rekaman yang dinilai sebagai pemicuan tidak disengaja. Tidak satu pun perusahaan mempublikasikan frekuensi penerimaan palsu, itulah sebabnya studi laboratorium di bagian 1 dan 2 tetap menjadi bukti publik utama.
Ringkasan: Beamforming Speaker Pintar Medan Jauh dan Akurasi Kata Pengaktif dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Aktivasi keliru saat acara TV diputar di dekatnya | 0,95 per jam, atau 1,43 per 10.000 kata | Northeastern University dan Imperial College London, PETS 2020 |
| 10% aktivasi terpanjang | 8 hingga 10 detik atau lebih, tergantung perangkat | Northeastern University dan Imperial College London, PETS 2020 |
| Pemicuan tidak disengaja, Cortana dibandingkan Hey Siri, 624 jam per speaker | 197 dibandingkan 8 | Ruhr University Bochum dan Max Planck Institute, arXiv 2020 |
| Pengguna speaker pintar yang menyadari bangun tidak disengaja setidaknya bulanan | 43,7% | Survei Voicebot.ai 2018, dilaporkan oleh Voicebot.ai 2020 |
| Alarm palsu yang dihilangkan oleh pengklasifikasi tahap kedua | Sekitar 67% | Amazon Science, ICASSP 2018 |
| Pengurangan pemicuan palsu dari model bahasa komplementer | 38,34% relatif | Apple, Interspeech 2020 |
| Pemicuan palsu yang ditekan dengan tambahan satu detik audio | 95% | Apple Machine Learning Research 2021 |
| Pengurangan penolakan palsu dari jaringan dua mikrofon pada 0,1 penerimaan palsu per jam | 27,2% bersih, 31,8% berisik | Google Research, Odyssey 2020 |
| Tingkat pemutaran perangkat dibandingkan ucapan medan jauh | 30-40 dB lebih keras | Apple Machine Learning Research 2018 |
| Perbaikan tingkat kesalahan kata dari pemrosesan HomePod saat pemutaran | Sekitar 90% relatif | Apple Machine Learning Research 2018 |
| Pengurangan gema pada perangkat Echo | Sekitar 40 dB | Amazon Science 2018 |
| Penolakan palsu kata pengaktif, bicara jarak dekat dibandingkan medan jauh | 2,00% dibandingkan 5,11% | Personalized Voice Trigger Challenge 2020 |
| Sistem kata pengaktif medan jauh audio-visual terbaik, penolakan palsu dan alarm palsu | 2,15% dan 3,44% | Duke Kunshan University system, ICASSP 2023 |
| Tingkat kesalahan kata, bicara jarak dekat dibandingkan medan jauh | 42,10% dibandingkan 77,52% | Makalah korpus DiPCo, 2019 |
| Garis dasar CHiME-6, GSS dibandingkan beamformer konvensional (set pengembangan) | 51,8% dibandingkan 69,8% | CHiME-6 Challenge paper, 2020 |
| Sistem CHiME-7/8 terbaik pada makan malam di rumah CHiME-6 | Di atas 30% tcpWER | CHiME-7/8 DASR review, arXiv 2025 |
| Interaksi Alexa dengan kesalahan, orang dewasa berusia 66 hingga 94 tahun | 24,76% | Johns Hopkins University, arXiv 2024 |
| Kesepakatan penerimaan palsu Google Assistant dan klaim tepat waktu | US$68 juta; 1,49 juta | Pengadilan Distrik AS untuk Distrik Utara California, perintah Kumandan v. Google 2026 |
| Kesepakatan aktivasi Siri tidak disengaja Apple | US$95 juta; hingga US$20 per perangkat | Lopez v. Apple, administrator kesepakatan, 2025-2026 |
Metodologi dan Sumber
Kami menjalankan 15 pencarian dan membaca makalah utama, catatan pengadilan, atau halaman perusahaan untuk setiap angka di atas. Jika hanya perbaikan relatif yang dipublikasikan, kami melaporkannya sebagai relatif; kami tidak mengubah perbaikan relatif menjadi tingkat absolut. Dua angka kesepakatan adalah catatan pengadilan dan administrator, bukan pengukuran teknis.
- Northeastern University and Imperial College London, When Speakers Are All Ears: Characterizing Misactivations of IoT Smart Speakers, PETS 2020
- Voicebot.ai, laporan tentang survei The Manifest dan survei Voicebot 2018, Januari 2020
- Ruhr University Bochum dan Max Planck Institute for Security and Privacy, Unacceptable, where is my privacy? Exploring Accidental Triggers of Smart Speakers, arXiv 2020
- Amazon Science, Monophone-based Background Modeling for Two-stage On-device Wake Word Detection, ICASSP 2018
- Amazon Science, peredaman gema berlapis dan peningkatan suara untuk speaker pintar, 2018
- Apple Machine Learning Research, Complementary Language Model and Parallel Bi-LRNN for False Trigger Mitigation, Interspeech 2020
- Apple Machine Learning Research, Streaming Transformer for Hardware Efficient Voice Trigger Detection and False Trigger Mitigation, 2021
- Apple Machine Learning Research, Voice Trigger System for Siri, 2023
- Apple Machine Learning Research, Optimizing Siri on HomePod in Far-Field Settings, 2018
- Google Research, Small Footprint Multi-channel Keyword Spotting, Odyssey 2020
- The 2020 Personalized Voice Trigger Challenge: Open Database, Evaluation Metrics and the Baseline Systems, arXiv 2021
- Duke Kunshan University, Post-Challenge Audio-Visual Wake Word Spotting System for the MISP 2021 Challenge, ICASSP 2023
- DiPCo, Dinner Party Corpus, 2019
- CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Cornell et al., Recent Trends in Distant Conversational Speech Recognition: A Review of CHiME-7 and 8 DASR Challenges, arXiv 2025
- Johns Hopkins University, Situated Understanding of Errors in Older Adults’ Interactions with Voice Assistants: A Month-Long, In-Home Study, arXiv 2024
- Cohn et al., kesalahan pengenalan ucapan pada lansia dengan dan tanpa demensia yang menggunakan Amazon Alexa, arXiv 2026
- Pengadilan Distrik AS untuk Distrik Utara California, Kumandan v. Google, perintah yang memberikan persetujuan akhir, 13 Oktober 2026
- Lopez v. Apple, situs administrator Lopez Voice Assistant Settlement, 2025-2026
- Google, More information about our processes to safeguard speech data, Juli 2019
- Apple Newsroom, Improving Siri’s privacy protections, Agustus 2019
- Apple Newsroom, Our longstanding privacy commitment with Siri, Januari 2025
- Catatan data: sebagian besar pengukuran teknis dalam rangkuman ini berasal dari 2018 hingga 2023, karena pembuat speaker pintar mempublikasikan perbaikan relatif dan catatan arsitektur, bukan tingkat penerimaan palsu absolut untuk perangkat yang dijual; perlakukan setiap angka 2018-2021 sebagai data terbaru yang tersedia, bukan kinerja produk saat ini. Angka “hingga 19 kali sehari” yang beredar untuk studi Northeastern adalah judul pers, bukan tingkat yang dilaporkan studi itu. Makalah pemicuan tidak disengaja menyebut 99 pemicuan Alexa di teksnya dan 100 di satu baris tabel ringkasan. Makalah multikanal Google tercantum dengan pengurangan penolakan palsu 27,2% dan 31,8% di halaman Google Research-nya; daftar lain untuk versi terkait menunjukkan angka berbeda, jadi kutip versi yang Anda baca. Studi Johns Hopkins menyebut tingkat kesalahan mingguannya 20-30% di teks dan 21-26% di keterangan gambar. Survei Voicebot 2018 dan The Manifest tidak sebanding (yang kedua mencakup ponsel dan penekanan tombol). Pembayaran kesepakatan Google belum didistribusikan saat perintah Oktober 2026 dikeluarkan, dan perintah itu melaporkan klaim per 17 September 2026, ditambah lebih dari 40.000 klaim terlambat yang mungkin diterima.
Terakhir diperbarui: 24 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika pembayaran kesepakatan Kumandan v. Google didistribusikan dan prosiding ICASSP 2027 dirilis.