Исследователи зафиксировали, что умные колонки просыпались по ошибке 0,95 раза в час в контролируемом тесте, где семи устройствам дважды проигрывали по 134 часа контента Netflix (Northeastern University и Imperial College London, PETS 2020). Отдельное лабораторное исследование, в котором 11 колонок от 8 производителей слушали телепередачи и выпуски новостей, дало более 1 000 подтверждённых случайных срабатываний (Ruhr University Bochum и Max Planck Institute, arXiv 2020). У этих ложных срабатываний теперь есть и юридическая цена: соглашение Google на 68 миллионов долларов по ложным срабатываниям Assistant получило 1,49 миллиона заявок, поданных в срок, до окончательного одобрения в октябре 2026 года (Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026). Что касается распознавания, в домашнем бенчмарке ужинов, записанном массивами из 7 микрофонов, доля ошибок в словах подскочила с 42,10% для гарнитур ближнего поля до 77,52% для устройств дальнего поля (статья о корпусе DiPCo, 2019). Мы свели данные Northeastern University, Ruhr University Bochum, Amazon Science, Apple Machine Learning Research, Google Research, организаторов конкурса CHiME, Johns Hopkins University и двух материалов федеральных коллективных исков. Сколько домов владеют такими устройствами, рассказывает наша статистика использования умных колонок; этот обзор посвящён тому, насколько хорошо они слышат.
Кратко (TL;DR)
- Исследователи зафиксировали 0,95 ложной активации умных колонок в час, или 1,43 на 10 000 произнесённых слов, пока рядом шли телепередачи (Northeastern University и Imperial College London, PETS 2020).
- Слово активации Cortana дало 197 случайных срабатываний против 8 у Hey Siri за 624 часа аудио на каждую колонку (Ruhr University Bochum и Max Planck Institute, arXiv 2020).
- Пользователи умных колонок, которые замечали случайное пробуждение хотя бы раз в месяц: 43,7% (опрос Voicebot.ai 2018, опубликованный Voicebot.ai в 2020 году).
- Классификатор второго этапа сократил число ложных тревог Alexa примерно на 67% поверх детектора первого этапа (Amazon Science, ICASSP 2018).
- Потоковый трансформер Apple подавляет 95% ложных срабатываний при одной дополнительной секунде аудио после срабатывания (Apple Machine Learning Research 2021).
- Шестимикрофонная обработка HomePod улучшила долю ошибок в словах примерно на 90% в относительном выражении во время воспроизведения музыки (Apple Machine Learning Research 2018).
- Ложные отказы слова активации при одной ложной тревоге в час: 2,00% в ближнем поле против 5,11% на массивах дальнего поля (Personalized Voice Trigger Challenge 2020).
- Доля ошибок в словах на домашнем корпусе ужинов: 42,10% в ближнем поле против 77,52% в дальнем (статья о корпусе DiPCo, 2019).
- Даже лучшие системы конкурсов CHiME-7 и CHiME-8 остаются выше 30% tcpWER на домашних ужинах CHiME-6 (обзор конкурсов DASR CHiME-7/8, arXiv 2025).
- 24,76% из 2 552 взаимодействий с Alexa у взрослых в возрасте от 66 до 94 лет содержали ошибку (Johns Hopkins University, arXiv 2024).
- Соглашение Google на 68 миллионов долларов по ложным срабатываниям Assistant получило 1,49 миллиона заявок, поданных в срок (постановление об окончательном одобрении по делу Kumandan v. Google, октябрь 2026 года).
- Соглашение Apple по Siri на 95 миллионов долларов выплачивает до 20 долларов за устройство за непреднамеренные активации (администратор соглашения Lopez v. Apple, 2025-2026).
1. Случайные активации: как часто диалоги из телевизора будят колонку
0,95 ложной активации в час звучит немного, пока не вспомнишь, что телевизор в гостиной работает часами подряд, а то же исследование показало, что почти все локально обнаруженные активации (устройство загоралось) также отправлялись в облако. Вопрос приватности, таким образом, не только в том, как часто колонка просыпается, но и в том, как долго она продолжает слушать после этого.
Продолжительность - то, где исследование Northeastern и Imperial College наиболее показательно: самая длинная десятая часть активаций длилась от 8 до 10 секунд в зависимости от устройства, этого достаточно, чтобы записать целую фразу из личного разговора. Ложные активации при этом не были случайным шумом: 20,7% активаций Google Home Mini и 17,7% активаций HomePod повторялись более чем в 75% из 12 тестовых прогонов, а значит, определённые реплики диалогов надёжно обманывают определённые устройства. Опросы владельцев, о которых сообщает Voicebot.ai, рассказывают ту же историю с дивана.
| Показатель | Значение | Источник |
|---|---|---|
| Контент, проигрывавшийся тестовым колонкам | Два прохода по 134 часа из 12 телепередач, в США и Великобритании, на 7 устройствах (Google Home Mini, Apple HomePod, Harman Kardon Invoke, 2 Echo Dot 2-го поколения, 2 Echo Dot 3-го поколения) | Northeastern University и Imperial College London, PETS 2020 |
| Наблюдаемая частота ложных активаций | 0,95 в час, или 1,43 на 10 000 произнесённых слов | Northeastern University и Imperial College London, PETS 2020 |
| Телепередачи, вызвавшие больше всего активаций | The West Wing: в среднем 4,26 активации в час; Narcos: 6,21 активации на 10 000 слов диалога | Northeastern University и Imperial College London, PETS 2020 |
| Длительность самых длинных 10% активаций; самая длинная отдельная активация | Не менее 10 секунд у HomePod, 9 секунд у Google Home Mini, 8 секунд у Echo Dot 2-го поколения (слово активации Echo); до 43 секунд в одном эксперименте, учтено как выброс | Northeastern University и Imperial College London, PETS 2020 |
| Пользователи умных колонок, которые замечали, что случайно будили голосового помощника хотя бы раз в месяц | 43,7% | Опрос Voicebot.ai 2018, опубликованный Voicebot.ai в 2020 году |
| Пользователи голосового поиска в США (включая телефоны), которые за месяц случайно разбудили помощника | 64% из 501 респондента | Опрос The Manifest, опубликованный Voicebot.ai в 2020 году |
| Доля сообщённых случайных пробуждений, когда программа обнаружила слово активации без видимой причины | 29% | Опрос The Manifest, опубликованный Voicebot.ai в 2020 году |
Самые свежие доступные данные: Northeastern University и Imperial College London, PETS 2020, и опросы владельцев 2018-2020 годов. Более масштабных независимых измерений ложных активаций с тех пор не публиковалось, поэтому эти цифры остаются эталонными. Часто повторяемый заголовок “до 19 раз в день” появился в прессе, а не в частотах, о которых сообщает само исследование.
2. Какие слова активации срабатывают ошибочно чаще всего
Разрыв между словами активации огромен: Cortana дала 197 случайных срабатываний, а Hey Siri всего 8 при одном и том же воспроизведении. Короткие слова активации с обычным звучанием сталкиваются с повседневной речью; исследователи обнаружили, что китайское слово ‘dage’ (старший брат) путали с ‘Echo’, а немецкую фразу ‘Am Sonntag’ в прогнозах погоды путали с ‘Amazon’.
Облако служит вторым фильтром, но несовершенным. Лишь небольшая часть локальных срабатываний Cortana пережила проверку на сервере, и всё же статья о случайных срабатываниях показала, что срабатывание, подтверждённое в облаке, может загрузить 10 секунд аудио и более. Облачная проверка, если говорить просто, - это второй, более крупный распознаватель на серверах компании, который заново прослушивает фрагмент и отменяет пробуждение, если не согласен с устройством.
| Показатель | Значение | Источник |
|---|---|---|
| Охват теста | 11 умных колонок от 8 производителей; 13 основных наборов данных по 24 часа каждый, проигранных дважды (13 × 24 × 2 = 624 часа на колонку) | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Случайные срабатывания по словам активации | Cortana 197; Alexa 99; Computer 77; Amazon 57; Echo 43; OK/Hey Google 16; Hey Siri 8 | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Срабатывания Cortana, которые также прошли облачную проверку | 8 из 197 (8 / 197 = 4,1%) | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Срабатывания Amazon и Google, повторившиеся не менее 4 раз при 10 повторах | Около 75% | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Слово активации ‘Computer’, сработавшее на одних и тех же эпизодах Modern Family, английская версия против немецкой | 9 раз против 1 раза | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Аудио, загруженное после срабатывания, подтверждённого в облаке, против времени, за которое прекращается чисто локальное срабатывание | 10 секунд и более против примерно 1-2 секунд | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
Самые свежие доступные данные: Ruhr University Bochum и Max Planck Institute, arXiv 2020. Число для Alexa указано как 99 в тексте статьи и как 100 в строке сводной таблицы; мы используем цифру из текста.
3. Обнаружение слова активации: обмен ложных отказов на ложные тревоги
Любой движок слова активации балансирует две ошибки. Ложный отказ - это когда колонка игнорирует настоящее ‘Alexa’ или ‘Hey Siri’; ложная тревога (её также называют ложным срабатыванием) - это когда она включается, хотя никто не произносил слово активации. Инженеры фиксируют одну из частот ошибок и затем стараются уменьшить другую, поэтому результаты приводят как “относительное снижение при фиксированном уровне ложных тревог” или “при 0,1 ложного срабатывания в час”.
У разных производителей картина одна: многоуровневая защита. Главный результат здесь у Apple: подавлено 95% ложных срабатываний всего с одной дополнительной секундой аудио (Apple Machine Learning Research 2021). Двухэтапный детектор Amazon и проверки Apple на основе решётки гипотез показывают ту же логику: дешёвый детектор, работающий постоянно, будит устройство, а более тяжёлый второй этап решает, продолжать ли слушать.
| Показатель | Значение | Источник |
|---|---|---|
| Двухэтапный детектор на устройстве с моделированием фоновой речи: ложные отказы при фиксированном уровне ложных тревог; ложные тревоги при фиксированной доле пропусков | Относительное снижение примерно на 16%; относительное снижение примерно на 37% | Amazon Science, ICASSP 2018 |
| Классификатор второго этапа поверх детектора первого этапа | Примерно на 67% меньше ложных тревог | Amazon Science, ICASSP 2018 |
| Частота ложных срабатываний с дополняющей языковой моделью при фиксированном ложном подавлении 0,4% настоящих запросов | Относительное снижение на 38,34%, затем ещё на 10,8% с параллельной моделью | Apple, Interspeech 2020 |
| Ложные срабатывания, подавленные потоковым трансформером с одной секундой аудио после срабатывания | 95% | Apple Machine Learning Research 2021 |
| Та же потоковая модель против непотоковой версии | Среднее относительное снижение ложных отказов на 18%; на 32% меньше оперативной памяти при работе; на 56% меньше времени вывода | Apple Machine Learning Research 2021 |
| Многомикрофонная сеть против одноканальной модели, запущенной на каждом микрофоне, при 0,1 ложного срабатывания в час | Относительное снижение ложных отказов на 27,2% (чистый звук) и 31,8% (шумный) на тестовых наборах с двумя микрофонами | Google Research, Odyssey 2020 |
| Устройство голосового триггера Siri | Две фразы активации (‘Hey Siri’ и ‘Siri’) на 7 категориях устройств; сеть первого прохода сжата до 4 бит на вес | Apple Machine Learning Research 2023 |
Контекст: производители почти никогда не публикуют абсолютные частоты ложных срабатываний для серийных продуктов, только относительные улучшения. Статья о Complementary Language Model и многоканальная статья Google следуют этой практике. Самые свежие доступные данные об архитектуре серийной системы: Apple Machine Learning Research, Voice Trigger System for Siri, 2023.
4. Бимформинг и акустический фронтенд
Бимформинг (формирование луча) означает объединение сигналов нескольких микрофонов так, чтобы массив ‘слушал’ в сторону говорящего и мимо шума. Эхоподавление означает вычитание собственной музыки колонки из того, что слышат её микрофоны. Оба приёма важны, потому что, как измерила Apple, собственное воспроизведение устройства может быть на 30-40 дБ громче голоса, который оно пытается услышать (Apple Machine Learning Research 2018).
Выигрыш наибольший именно там, где умной колонке труднее всего: во время воспроизведения её собственной музыки. Работа Amazon по многоуровневому эхоподавлению сообщает о сопоставимых порядках величин. Тот же принцип направленности уменьшает шум у уха в слуховых аппаратах, как показывает наша статистика SNR слуховых аппаратов с направленным микрофоном; умная колонка применяет его с другого конца комнаты.
| Показатель | Значение | Источник |
|---|---|---|
| Микрофоны в Apple HomePod; вычислительная стоимость улучшения речи | Шесть; менее 15% одного ядра A8 на частоте 1,4 ГГц | Apple Machine Learning Research 2018 |
| Воспроизведение устройства (эхо) против речи дальнего поля; остаточное эхо после линейного эхоподавления при большой громкости | Громче на 30-40 дБ; на 10-20 дБ выше речи дальнего поля | Apple Machine Learning Research 2018 |
| Относительное улучшение доли ошибок в словах от многоканальной обработки HomePod | Около 40% (реверберированная речь), 90% (воспроизведение музыки), 74% (сильный фоновый шум), 61% (посторонний говорящий) | Apple Machine Learning Research 2018 |
| Абсолютное улучшение по ложным отказам ‘Hey Siri’ при постороннем говорящем | 29,0% против шумоподавления на основе масок; 30,3% против выхода базовой обработки сигнала | Apple Machine Learning Research 2018 |
| Подавление эха и шума многоуровневой системой Amazon в устройствах Echo | Около 40 дБ подавления эха; около 19 дБ подавления шума | Amazon Science 2018 |
| Относительное улучшение доли ошибок в словах от трёх уровней (у Amazon они называются SBNR, SBRES и NLEC) | Около 22%, 14% и 17% | Amazon Science 2018 |
| Массив устройства дальнего поля в домашних записях DiPCo | 7 микрофонов: 6 по окружности радиусом 35 мм и 1 в центре | Статья о корпусе DiPCo, 2019 |
| Массивы, использованные на каждом домашнем ужине CHiME-6 | 6 устройств Microsoft Kinect с 4-канальными линейными массивами (24 микрофона массивов) | Статья о конкурсе CHiME-6, 2020 |
Самые свежие доступные данные: Apple Machine Learning Research 2018 и Amazon Science 2018. С тех пор обе компании выпустили более новое оборудование, но ни одна не публиковала сопоставимых измерений фронтенда.
5. Штраф за расстояние при распознавании в дальнем поле
Если перенести микрофон от рта на другой конец комнаты, число ошибок распознавания в контролируемых тестах почти удваивается. Доля ошибок в словах выросла с 42,10% для гарнитур ближнего поля до 77,52% для устройств дальнего поля в тех же сессиях ужинов (статья о корпусе DiPCo, 2019), а ложные отказы слова активации в Personalized Voice Trigger Challenge на массивах дальнего поля были более чем вдвое выше, чем на телефонах ближнего поля.
Разговорное домашнее аудио намного сложнее одиночной команды: люди перебивают друг друга, ходят между комнатами и готовят. Два термина помогут читать таблицу. Управляемое разделение источников (GSS) - это многомикрофонный метод, который использует информацию о том, кто и когда говорил, чтобы разделить голоса, а tcpWER - это доля ошибок в словах, которая дополнительно штрафует слова, отнесённые не тому говорящему или не тому моменту времени. Обзор CHiME-7 и CHiME-8 показывает, что годы прогресса всё равно оставляют домашние ужины самым трудным сценарием.
| Показатель | Значение | Источник |
|---|---|---|
| Ложные отказы слова активации при одной ложной тревоге в час, телефон ближнего поля против микрофонного массива дальнего поля (набор для разработки) | 2,00% против 5,11% | Personalized Voice Trigger Challenge 2020 |
| Условия записи конкурса | 612 часов, 658 995 высказываний, 550 говорящих; массивы из 4 или 6 каналов на расстоянии 1 м, 3 м и 5 м в комнате, оборудованной как умный дом | Personalized Voice Trigger Challenge 2020 |
| Слово активации дальнего поля для умного дома (‘Xiao T, Xiao T’), оценочный набор: ложные отказы и ложные тревоги | Лучшая система только на аудио: 6,38% и 4,65%; лучшая аудиовизуальная система: 2,15% и 3,44%; официальная аудиовизуальная базовая система: 10,1% и 15% | Система Duke Kunshan University, ICASSP 2023 (конкурс MISP 2021) |
| Доля ошибок в словах, гарнитура ближнего поля против устройства дальнего поля с 7 микрофонами (оценочный набор) | 42,10% против 77,52% | Статья о корпусе DiPCo, 2019 |
| Доля ошибок в словах базовой системы CHiME-6 (разработка / оценка) с GSS против обычного бимформера (BeamformIt) | 51,8% / 51,3% против 69,8% / 61,2% | Статья о конкурсе CHiME-6, 2020 |
| Базовая система CHiME-6, когда система должна также определять, кто и когда говорил (разработка / оценка) | 84,3% / 77,9% | Статья о конкурсе CHiME-6, 2020 |
| Доля ошибок в словах лучшей системы CHiME-5 (разработка / оценка) | 45,6% / 46,6% (USTC-iFlytek) | Статья о конкурсе CHiME-6, 2020 |
| tcpWER лучших систем CHiME-7/8 на CHiME-6; участие в CHiME-8 | Выше 30%; 9 команд представили 32 системы | Обзор конкурсов DASR CHiME-7/8, arXiv 2025 |
Контекст: цифры конкурсов измеряют свободный разговор, а не короткие команды, поэтому они завышают ошибку колонки на команде ‘поставь таймер’. Тем не менее это лучшее публичное свидетельство того, сколько стоит сама комната, а статья о CHiME-6 показывает, что один только переход от обычного бимформера к GSS дал около 18 пунктов на наборе для разработки (69,8% минус 51,8%).
6. Кого не слышат: пожилые люди дома
Сбои слова активации и распознавания распределены неравномерно. В месячном домашнем развёртывании 24,76% взаимодействий с Alexa у взрослых в возрасте от 66 до 94 лет содержали ошибку (Johns Hopkins University, arXiv 2024), и частота ошибок не снижалась за четыре недели. Расслышать запрос было лишь частью проблемы: непонимание намерения оказалось самой крупной отдельной категорией ошибок.
Само слово активации тоже сбивает людей. Произнесение близкого по звучанию слова, например ‘Alexis’, вызвало больше неудач, чем ложные активации, а это зеркальное отражение проблемы с телевизором из раздела 1: устройство строго к владельцу и снисходительно к телевизору. Разрывы по акценту и диалекту разобраны в нашей статистике смещения распознавания речи по акценту; этот раздел посвящён возрасту и когнитивным способностям.
| Показатель | Значение | Источник |
|---|---|---|
| Взаимодействия с ошибкой, 15 домохозяйств с людьми в возрасте от 66 до 94 лет, Echo Dot, четыре недели | 24,76% (632 из 2 552) | Johns Hopkins University, arXiv 2024 |
| Ошибки распознавания речи как доля всех ошибок | 24,4% (154 из 632) | Johns Hopkins University, arXiv 2024 |
| Ошибки, когда Alexa вообще не уловила запрос (‘не услышала’) | 10,9% (69 из 632) | Johns Hopkins University, arXiv 2024 |
| Ошибки из-за произнесения неправильного слова активации (например, ‘Alexis’) | 7,8% (49 из 632) | Johns Hopkins University, arXiv 2024 |
| Ошибки из-за ложных активаций (ложных срабатываний); доля, решённая повторной попыткой | 2,4% (15 из 632); 6,7% | Johns Hopkins University, arXiv 2024 |
| Сбои распознавания намерения, самая крупная категория ошибок | 32,3% (204 из 632) | Johns Hopkins University, arXiv 2024 |
| Ошибки распознавания речи на командах Alexa, зачитанных 83 пожилыми людьми, группа с деменцией против группы с нормальными когнитивными способностями | Значимо выше в группе с деменцией | Cohn и соавт., arXiv 2026 |
Исследование деменции 2026 года сообщает, что громкость речи, качество голоса и доля пауз предсказывали точность распознавания, а это снова связывает возрастной разрыв с акустикой: более тихие и более придыхательные голоса теряют больше энергии на пути через комнату, прежде чем достигнут массива.
7. Ложные срабатывания в суде и в политике компаний
Ложные срабатывания превратились из лабораторной метрики в юридическую ответственность. Период группы в соглашении Google начинается 18 мая 2016 года, а группа по защите конфиденциальности определена вокруг записей ложных срабатываний, и 1,49 миллиона заявок, поданных в срок, поступило в ответ на уведомления, разосланные по электронной почте на 173 814 291 адрес (Окружной суд США, N.D. Cal., постановление об окончательном одобрении по делу Kumandan v. Google, октябрь 2026 года). По нашему расчёту, это доля заявок около 0,86% от адресов, получивших уведомление (1,49 миллиона / 173 814 291); само постановление не приводит долю заявок.
Параллельное соглашение Apple по Siri охватывает непреднамеренные активации Siri во время личных разговоров на протяжении десятилетия. Изменилась и политика компаний: в январе 2025 года Apple заявила, что не хранит аудиозаписи взаимодействий с Siri, если пользователи прямо на это не согласились (Apple Newsroom 2025).
| Показатель | Значение | Источник |
|---|---|---|
| Фонд соглашения Google Assistant по ложным срабатываниям; дата окончательного одобрения | 68 000 000 долларов США, без возврата остатка средств; 13 октября 2026 года | Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026 |
| Доставка уведомлений и отказы от участия | Письма на 173 814 291 адрес, доставлено 98,76%; 217 действительных заявлений об исключении и 7 возражений | Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026 |
| Ориентировочная выплата на участника группы | Примерно от 18 до 56 долларов США (группа покупателей); примерно от 2 до 10 долларов США (группа по защите конфиденциальности) | Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026 |
| Присуждённые гонорары адвокатов | 22 666 666,70 доллара США (одна треть фонда) | Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026 |
| Соглашение Apple по непреднамеренным активациям Siri | Фонд 95 миллионов долларов США; до 20 долларов США за устройство с Siri, до пяти устройств; период группы с 17 сентября 2014 года по 31 декабря 2024 года | Администратор соглашения Lopez v. Apple, 2025-2026 |
| Доля аудиофрагментов Assistant, проверенных лингвистами | Около 0,2% | Google, блог The Keyword, июль 2019 года |
| Доля запросов к Siri, которые слушали живые оценщики, прежде чем Apple приостановила оценку | Менее 0,2% | Apple Newsroom, август 2019 года |
Контекст: заявление Google 2019 года о речевых данных описывало ложные срабатывания как редкие, а заявление Apple 2019 года обещало удалять записи, признанные непреднамеренными срабатываниями. Ни одна из компаний не опубликовала частоту ложных срабатываний, поэтому лабораторные исследования из разделов 1 и 2 остаются главным публичным свидетельством.
Итоги: бимформинг умных колонок в дальнем поле и точность слова активации в цифрах
| Показатель | Значение | Источник |
|---|---|---|
| Ложные активации, пока рядом шли телепередачи | 0,95 в час, или 1,43 на 10 000 слов | Northeastern University и Imperial College London, PETS 2020 |
| Самые длинные 10% активаций | От 8 до 10 секунд и более, в зависимости от устройства | Northeastern University и Imperial College London, PETS 2020 |
| Случайные срабатывания, Cortana против Hey Siri, 624 часа на колонку | 197 против 8 | Ruhr University Bochum и Max Planck Institute, arXiv 2020 |
| Пользователи умных колонок, замечающие случайное пробуждение хотя бы раз в месяц | 43,7% | Опрос Voicebot.ai 2018, опубликованный Voicebot.ai в 2020 году |
| Ложные тревоги, убранные классификатором второго этапа | Около 67% | Amazon Science, ICASSP 2018 |
| Снижение ложных срабатываний от дополняющей языковой модели | 38,34% относительное | Apple, Interspeech 2020 |
| Ложные срабатывания, подавленные с одной дополнительной секундой аудио | 95% | Apple Machine Learning Research 2021 |
| Снижение ложных отказов от сети с двумя микрофонами при 0,1 ложного срабатывания в час | 27,2% чистый звук, 31,8% шумный | Google Research, Odyssey 2020 |
| Уровень воспроизведения устройства против речи дальнего поля | Громче на 30-40 дБ | Apple Machine Learning Research 2018 |
| Улучшение доли ошибок в словах от обработки HomePod во время воспроизведения музыки | Около 90% относительное | Apple Machine Learning Research 2018 |
| Подавление эха в устройствах Echo | Около 40 дБ | Amazon Science 2018 |
| Ложные отказы слова активации, ближнее поле против дальнего | 2,00% против 5,11% | Personalized Voice Trigger Challenge 2020 |
| Лучшая аудиовизуальная система слова активации в дальнем поле, ложные отказы и ложные тревоги | 2,15% и 3,44% | Система Duke Kunshan University, ICASSP 2023 |
| Доля ошибок в словах, ближнее поле против дальнего | 42,10% против 77,52% | Статья о корпусе DiPCo, 2019 |
| Базовая система CHiME-6, GSS против обычного бимформера (набор для разработки) | 51,8% против 69,8% | Статья о конкурсе CHiME-6, 2020 |
| Лучшие системы CHiME-7/8 на домашних ужинах CHiME-6 | Выше 30% tcpWER | Обзор конкурсов DASR CHiME-7/8, arXiv 2025 |
| Взаимодействия с Alexa с ошибкой, взрослые в возрасте от 66 до 94 лет | 24,76% | Johns Hopkins University, arXiv 2024 |
| Соглашение Google Assistant по ложным срабатываниям и заявки, поданные в срок | 68 миллионов долларов США; 1,49 миллиона | Окружной суд США, N.D. Cal., постановление по делу Kumandan v. Google, 2026 |
| Соглашение Apple по непреднамеренным активациям Siri | 95 миллионов долларов США; до 20 долларов США за устройство | Администратор соглашения Lopez v. Apple, 2025-2026 |
Методология и источники
Мы выполнили 15 поисковых запросов и прочитали первичную статью, судебный документ или страницу компании для каждой цифры выше. Если опубликовано только относительное улучшение, мы приводим его как относительное; относительные улучшения мы не пересчитывали в абсолютные частоты. Обе цифры по соглашениям взяты из судебных документов и документов администратора, это не технические измерения.
- Northeastern University и Imperial College London, When Speakers Are All Ears: Characterizing Misactivations of IoT Smart Speakers, PETS 2020
- Voicebot.ai, отчёт об опросе The Manifest и опросе Voicebot 2018 года, январь 2020 года
- Ruhr University Bochum и 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, многоуровневое эхоподавление и улучшение голоса для умных колонок, 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 и соавт., 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 и соавт., ошибки распознавания речи у пожилых людей с деменцией и без неё при использовании Amazon Alexa, arXiv 2026
- Окружной суд США, N.D. Cal., Kumandan v. Google, постановление об окончательном одобрении, 13 октября 2026 года
- Lopez v. Apple, сайт администратора Lopez Voice Assistant Settlement, 2025-2026
- Google, More information about our processes to safeguard speech data, июль 2019 года
- Apple Newsroom, Improving Siri’s privacy protections, август 2019 года
- Apple Newsroom, Our longstanding privacy commitment with Siri, январь 2025 года
- Наблюдение по данным: большинство технических измерений в этом обзоре относятся к 2018-2023 годам, потому что производители умных колонок публикуют относительные улучшения и описания архитектуры, а не абсолютные частоты ложных срабатываний серийных устройств; считайте любую цифру 2018-2021 годов самыми свежими доступными данными, а не текущей производительностью продуктов. Цифра ‘до 19 раз в день’, которая ходит вокруг исследования Northeastern, - это заголовок из прессы, а не частота, о которой сообщает исследование. Статья о случайных срабатываниях указывает 99 срабатываний Alexa в тексте и 100 в строке сводной таблицы. Многоканальная статья Google указана на странице Google Research со снижением ложных отказов на 27,2% и 31,8%; другие списки родственных версий показывают иные цифры, поэтому ссылайтесь на ту версию, которую вы читали. Исследование Johns Hopkins приводит недельную частоту ошибок как 20-30% в тексте и 21-26% в подписи к рисунку. Опросы Voicebot 2018 года и The Manifest несопоставимы (второй включает телефоны и нажатия кнопок). Выплаты по соглашению Google на момент постановления в октябре 2026 года ещё не были распределены, а постановление указывает заявки по состоянию на 17 сентября 2026 года, а также более 40 000 запоздавших заявок, которые могут быть приняты.
Последнее обновление: 24 октября 2026 года. Мы обновляем этот обзор ежеквартально, и следующее обновление ожидается, когда будут распределены выплаты по соглашению Kumandan v. Google и опубликованы труды ICASSP 2027.