мэри / голос и оверлей

Слух, голос и окна поверх экрана

Голосовой контур целиком на телефоне: распознавание с горячим окном, детектор речи, локальный Silero и оверлей, который показывает состояние и говорит текстом там, где звук неуместен. Поведение окон тоже описывает сервер: тихий режим, длина прослушки, приглушение медиа.

окно прослушки
10 секунд
повторы «не услышала»
до 4
приглушение медиа
до 0.15

Голос и оверлей

Слух

Распознавание не должно терять первое слово и не должно срабатывать на шум.

Горячее окно

SpeechRecognizer поднят заранее: от сигнала до готовности 70–150 мс, поэтому начало фразы не срезается.

  • stt

Детектор речи

VAD отличает речь от шума, а тишина закрывает прослушивание — без повторных попыток и лишних запросов.

  • vad

Защита от ложного ответа

Пока Мэри говорит, микрофон не слушает: её собственный голос не превращается в новую команду.

  • guard

Окно и повторы

Сервер задаёт длину окна и число повторов: не расслышала — переспросит, но не более четырёх раз.

  • window

Голос и оверлей

Голос

Синтез локальный, а текст готовится под произношение.

Silero на телефоне

Локальный синтез с системным голосом как запасным путём: без сети Мэри всё равно говорит.

  • tts

Нормализация текста

Числа, даты, дроби и единицы превращаются в произносимую форму — «1/2» читается как «одна вторая», а не как дробь.

  • text

Скорость и тембр голосом

Темп (пять ступеней) и высота меняются командой, а не походом в настройки.

  • control

Ответ в такт речи

Карточка печатает ответ по словам синхронно с фактической длительностью озвучки — текст и голос не разъезжаются.

  • karaoke

Голос и оверлей

Оверлей и окна

Поверх любого приложения, без переключения задач.

Пузырь состояний

Слушаю, думаю, говорю и запись видны по анимации и бейджу; эффекты покоя ограничены несколькими циклами, чтобы не греть экран.

  • bubble

Лента и карточки

Лента чата с микрофоном, карточки ответов, окна режимов «Общие», «Диалог» и «Найти в интернет».

  • ui

Тихие сценарии

Поверх видео и Shorts Мэри не перебивает звук: отвечает текстом, а окна держит компактными.

  • silent

Медиа и контекст

При слушании музыка приглушается до заданного уровня, а на экране каталога — до полной тишины, чтобы звук не топил номер.

  • duck

проверяемое

Что здесь можно перепроверить

  • Распознавание и синтез работают локально: обязательного облака в голосовом контуре нет.
  • Тихий режим, длина окна и приглушение медиа приходят из контракта экрана, а не заданы жёстко в клиенте.
  • Ответ печатается по фактической длительности озвучки, а не по оценке.
Голос и оверлей Вернуться к обзору Мэри