Введение
За вывеской «поговорить с колонкой» скрывается конвейер из нескольких нейросетевых моделей, работающих за доли секунды: детектор активационного слова, распознавание речи, понимание намерения, менеджер диалога, вызов нужного сервиса и синтез голоса. У Яндекс-Алисы, Amazon Alexa, Google Assistant, Apple Siri и азиатских аналогов архитектура построена по схожей логике, но детали реализации и — что особенно важно для русско- и украиноязычного пользователя — уровень поддержки языков различаются кардинально.
Общий конвейер: из чего состоит любой голосовой ассистент
Независимо от вендора, обработка голосовой команды проходит шесть стадий, и весь бюджет задержки на хороший UX укладывается в 1,5–2 секунды ([SystemLore](https://systemlore.com/library/voice-assistant)):
1. Wake-word детекция (~100 мс) — миниатюрная модель (3–5 МБ) работает прямо на устройстве, на выделенном DSP-чипе, потребляющем около 1 мВт, и непрерывно слушает эфир в ожидании активационной фразы. Порог срабатывания калибруется по ROC-кривой: слишком чувствительный — ложные срабатывания и нарушение приватности, слишком грубый — устройство не реагирует на команду.
2. ASR, распознавание речи (~300 мс) — аудио потоково передаётся в облако, где голос переводится в текст; современные системы стримят промежуточные гипотезы каждые 100–200 мс, не дожидаясь конца фразы.
3. NLU, понимание намерения (~200 мс) — из текста извлекается intent (что хочет пользователь) и slots (детали запроса: даты, имена, локации); обработка intent начинается уже по частичным гипотезам ASR — это называется speculative execution.
4. Диалоговый менеджер и вызов навыка/сервиса (~400 мс) — определяется, какой модуль отвечает за запрос: погода, музыка, смарт-дом или генеративная модель.
5. TTS, синтез речи (~400 мс) — текст ответа превращается в аудио; потоковая синтезация (передача аудио частями по мере генерации) сокращает воспринимаемую задержку на 30–40% по сравнению с ожиданием полного файла.
6. Воспроизведение — итоговый звук доходит до пользователя.
Ключевое инженерное правило: пайплайн должен работать потоково, а не пакетно — если каждый этап ждёт полного завершения предыдущего, задержки складываются мультипликативно, а не аддитивно. Для этого между сервисами используется потоковый gRPC ([SystemLore](https://systemlore.com/library/voice-assistant)).
Как устроена Алиса: разбор архитектуры Яндекса
Алиса построена на том же принципе, но с собственным стеком технологий, отточенным под русский язык.
Распознавание и активация
- SpeechKit — технология Яндекса для перевода речи в текст и обратно. Она обучена на базе примерно миллиарда фраз, произнесённых в разных условиях, что позволяет ей адаптироваться к акцентам, диалектам и невнятной речи, включая заикание и нарушения темпа ([Яндекс](https://alice.yandex.ru/support/ru/assistant/faq.html), [Википедия](https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B8%D1%81%D0%B0_AI)).
- Активация по имени работает через две разные модели одновременно ([Хабр](https://habr.com/ru/companies/yandex/articles/750238/)):
- основная модель распознавания речи — большая трансформерная сеть на серверах Яндекса, которая умеет предсказывать любые слова языка, но слишком тяжёлая, чтобы жить на устройстве;
- модель «быстрых команд» — компактная свёрточная сеть прямо на колонке, использующая depthwise-separable convolutions (одномерные, так как звук имеет только временное измерение, в отличие от изображений). Она обучается с комбинацией пофреймовой и поатерансовой функций потерь и позволяет реагировать на короткие команды («включи свет») без повторного произнесения «Алиса».
Понимание запроса
- Классификатор интентов — вместо классического подхода Яндекс использует метод ближайших соседей (nearest neighbors), который точнее работает на редких, малопредставленных запросах без переобучения всей модели ([Myatov&Partners](https://myatov.ru/geo-llm/jandeks-alisa/)).
- Семантическое тегирование — двунаправленные LSTM с механизмом внимания вычленяют из фразы сущности (даты, имена, локации), анализируя не только самую вероятную гипотезу распознавания, а целый N-best список.
- Разрешение анафор и эллипсисов — отдельный модуль восстанавливает смысл неполных фраз («а сколько ей лет?» после разговора о собаке), комбинируя синтаксический разбор и эвристики form-filling.
- Dialog Manager — собирает всё это в единый «фрейм» (интент + слоты + контекст) и решает, куда идти дальше: во внешний API (Такси, Маркет, Погода), в генеративную модель или в готовый шаблон ответа на Jinja2 с лингвистическими правилами согласования слов.
Синтез речи
TTS-модуль Алисы собирает ответ из аудиобазы объёмом 260 тысяч записанных в студии слов и фраз, порезанных на фонемы; итоговая интонация дополнительно «сглаживается» нейросетью для естественности звучания ([Википедия](https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B8%D1%81%D0%B0_AI)).
Генеративный слой
С мая 2023 года в Алису встроена генеративная модель YandexGPT, а с апреля 2024 Яндекс полностью перевёл диалоговую логику на LLM — это расширило покрытие ответов с 60% до 95% запросов и сделало Алису первым в мире голосовым помощником, целиком работающим на большой языковой модели ([Myatov&Partners](https://myatov.ru/geo-llm/jandeks-alisa/), [РБК](https://ufa.rbc.ru/rbcfreenews/66165b019a79477c7af96d7c)). С октября 2025 экосистема получила название Alice AI и состоит из трёх моделей ([Википедия](https://ru.wikipedia.org/wiki/%D0%90%D0%BB%D0%B8%D1%81%D0%B0_AI), [DDPA](https://ddpa.ru/x/ai/alice-yandex)):
- Alice AI LLM — текстовая модель на архитектуре Mixture of Experts (MoE) с сотнями миллиардов параметров, обученная через reinforcement learning с многокомпонентными наградами;
- Alice AI VLM — визуально-языковая модель, анализирующая изображения, таблицы, рукописный текст (сильна в разборе школьных задач и схем);
- Alice AI ART — генерация изображений.
При этом важно понимать: сама Алиса — это не одна модель, а оркестратор. Запрос о погоде обрабатывает специализированный погодный модуль, покупка порошка уходит в Яндекс.Маркет, а свободный вопрос — в YandexGPT с веб-поиском ([GEO Scout](https://geoscout.pro/ru/blog/alisa-vs-yandexgpt)).
Как это устроено у остальных
Общая логика (DSP wake-word → потоковый ASR → NLU → скилл → TTS) повторяется у всех крупных игроков, но с разными акцентами:
- Amazon Alexa — самый развитый маркетплейс «навыков» (skills), потоковая обработка с упором на минимальную задержку и максимальное покрытие устройств умного дома (300 000+ гаджетов) ([AI Productivity](https://aiproductivity.ai/blog/best-ai-voice-assistants-2026/)).
- Google Assistant / Gemini for Home — NLU опирается на поисковый индекс и модели Gemini, что даёт заметное преимущество в фактических вопросах и многоязычности ([GReverse](https://www.greverse.com/smart-home/google-assistant-vs-siri-vs-alexa-2026/)).
- Apple Siri — исторически делает акцент на обработке части запросов на устройстве (Apple Intelligence), что даёт лучшую приватность, но исторически меньшую «болтливость» по сравнению с Google/Alexa.
- Alibaba AliGenie / Baidu DuerOS / Xiaomi XiaoAI — та же связка ASR–NLU–TTS, но с голосовым принтом (voiceprint recognition) для авторизации покупок и заточкой под мандаринский и диалекты ([Pocket-lint](https://www.pocket-lint.com/speakers/news/amazon/141542-china-s-alibaba-launched-its-own-echo-like-speaker-with-an-ai-helper/)).
Русский и украинский язык: у кого что реально работает
Здесь начинаются принципиальные различия, и для русско- и украиноязычного пользователя это едва ли не главный практический вопрос.
| Ассистент | Русский язык | Украинский язык |
|---|---|---|
| Алиса (Яндекс) | Родной язык, полноценный диалог, голосовое управление | Не поддерживается для диалога/команд. Планировался ещё в 2018 году вместе с белорусским и казахским ([iXBT](https://www.ixbt.com/news/2018/09/04/alisa-zagovorit-na-ukrainskom-belorusskom-i-kazahskom-jazykah.html)), но проект застопорился из-за пандемии, а по состоянию на 2023 год Алиса «понимает команды только по-русски», иностранные языки затрагивают лишь функции поиска и переводчика ([Код Дурова](https://kod.ru/yandex-alice-new-lang), [AdIndex](https://adindex.ru/news/digital/2023/05/4/312466.phtml)). Сейчас в Станции можно выбрать русский, казахский, узбекский или турецкий — украинского в списке нет ([Яндекс](https://alice.yandex.ru/support/ru/station/settings/language)) |
| Amazon Alexa | Не поддерживается как язык устройства — нет ни локали, ни активационного слова на русском ([Flaunt Audio](https://flauntaudio.com/does-alexa-understand-other-languages/)) | Не поддерживается |
| Google Assistant / Gemini for Home | Поддерживается как полноценный язык ассистента с августа 2018 года, включён список стран, где доступен «Русский» ([Sony/поддержка Google](https://www.sony.com/electronics/support/digital-music-players-other-digital-music-players/nw-s23/articles/00201368), [Skay.ua](https://skay.ua/reviews/entry/google-assistent-stal-dostupen-v-ukraine-na-russkom-yazyke)) | Формально язык интерфейса приложения доступен, украинский также входит в 27+ языков режима синхронного перевода (Interpreter Mode) ([LIGA.net](https://tech.liga.net/technology/novosti/ukrainskiy-est-google-assistant-nauchili-sinhronnomu-perevodu)). Но именно голосовое управление и активационная фраза на украинском исторически не работали — Voice Match для украинского не включался ([Блог АЛЛО](https://blog.allo.ua/google-assistent-na-russkom-kak-nastroit-i-ispolzovat_2018-12-39/)), и даже в 2025–2026 годах Google подтверждает, что команда «OK Google» на украинском пока не поддерживается в Gemini for Home ([форум поддержки Google](https://support.google.com/assistant/thread/339925755/problems-with-google-s-forced-language-imposition?hl=en-CA)) |
| Apple Siri | Полноценная голосовая поддержка с версии iOS 8.3 (2015) ([Википедия](https://ru.wikipedia.org/wiki/Siri)) | Украинский официально не входит в список языков голосового управления Siri, хотя присутствует в диктовке и в приложении «Перевод» ([Cashify](https://www.cashify.in/how-to-translate-conversations-real-time-with-siri)) |
| Baidu DuerOS / Alibaba AliGenie / Xiaomi XiaoAI | Не поддерживается | Не поддерживается |
| SK Telecom NUGU / KT GiGA Genie / Naver Clova / Kakao i | Не поддерживается | Не поддерживается |
Любопытная деталь: внутренняя облачная инфраструктура распознавания речи Amazon (AWS Transcribe), которая технически способна на русский и украинский язык ([документация AWS](https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html)), никогда не была подключена к потребительскому продукту Alexa — это разные продукты одной компании.
Почему у Алисы так и не появился украинский
История показательна. В сентябре 2018 года «Ведомости» со ссылкой на источники в Яндексе сообщили о планах локализовать Алису на украинский, белорусский и казахский языки уже к 2019 году — компания ориентировалась в первую очередь на рынки СНГ, а не на конкуренцию с Alexa/Google Assistant в англоязычном мире ([BURO.](https://www.buro247.ru/news/technology/3-sep-2018-yandex-alisa-localization.html), [Sostav.ru](https://www.sostav.ru/publication/alisu-obuchat-yazykam-stran-sng-33144.html)). Разработчики оценивали обучение ассистента новому языку в 1–6 месяцев в зависимости от сложности ([m.seonews.ru](https://m.seonews.ru/events/alisa-nauchitsya-govorit-na-ukrainskom-belorusskom-i-kazakhskom-yazykakh/)).
Проект тормозился пандемией, а к маю 2023 года Яндекс по факту располагал лишь одноязычной (русской) Алисой — распознавание и синтез на других языках ограничивались функцией поиска/переводчика ([Хабр](https://habr.com/ru/news/733234/)). Из первоначального списка (украинский, белорусский, казахский) в реальности запущены только казахский, узбекский и турецкий — заметно позже, и уже в другой геополитической реальности ([Яндекс](https://alice.yandex.ru/support/ru/station/settings/language)).
Дополнительный фактор — сами сервисы Яндекса заблокированы на территории Украины интернет-провайдерам решением Совета национальной безопасности и обороны Украины ещё с мая 2017 года (санкции продлевались в 2019 и позже) ([BBC](https://www.bbc.com/russian/news-39932911), [РБК](https://www.rbc.ru/rbcfreenews/5c92711e9a79472ef3f954c3)). В такой ситуации официальный запуск украинской версии Алисы выглядит не столько технической, сколько политически нереализуемой задачей — в отличие от Google Assistant, который был официально запущен в Украине на русском языке ещё в 2018-м ([Skay.ua](https://skay.ua/reviews/entry/google-assistent-stal-dostupen-v-ukraine-na-russkom-yazyke)) и с тех пор постепенно добавляет украинский интерфейс и перевод.
Итог
Технически все крупные голосовые ассистенты построены по одному и тому же шаблону: лёгкая модель-детектор активационного слова на устройстве, потоковое распознавание речи в облаке, классификатор намерений, диалоговый менеджер и синтез голоса — с бюджетом задержки около 1,5–2 секунд. Разница — в деталях: у Алисы это собственный стек SpeechKit + классификатор на ближайших соседях + Dialog Manager на form-filling + Alice AI LLM (MoE), у конкурентов — свои вариации той же схемы.
А вот в языковой поддержке разрыв принципиальный: Алиса — родной инструмент для русского языка, но украинский так и остался нереализованным обещанием 2018 года, застрявшим между пандемией и геополитикой. Из глобальных игроков русский язык лучше всего поддерживают Google Assistant и Siri (полноценный голосовой диалог), тогда как украинский пока нормально работает только как язык перевода и интерфейса — полноценного голосового управления на украинском ни у одного крупного западного ассистента на сегодня нет.