Amazon Echo是否一直在“监听”并将数据发送到云？

诸如Intellihub和CEPro之类的一些新闻来源似乎表明，亚马逊的Echo家庭助理不断收听对话，并通过Internet将其发送到亚马逊的服务器。CEPro声明：

通过说出一个关键词短语，亚马逊将其称为“唤醒词”，从而使Echo栩栩如生，并开始聆听命令。默认情况下，唤醒词是Alexa。

如果您重读最后一句话，则可能没有意义，尤其是在安全领域。根据亚马逊的说法，回声仅在听到唤醒字后才监听命令。如果您尚未说起唤醒词，怎么知道呢？

Intellihub的文章在情感上与此类似：

“ Amazon Echo”设备是一种持续听音乐的蓝牙扬声器，可以在人的声音下连接到Pandora和Spotify等音乐流服务，可以被联邦调查局等政府机构轻易地入侵和使用，以收听对话。

（请注意，我不是特别集中在探索这个问题的黑客攻击方面，因为这很可能是太多的一个问题。我的主要焦点是永远在线的方面以及是否将数据发送所有的时间。）

这两篇文章似乎都没有特别热衷于公开其主张的来源，这向我表明，这些主张充其量是未经证实的，或者最差的是单击诱饵。

Echo是否一直在记录数据并将数据发送到云，还是上述说法没有根据？如果Amazon Echo并不总是将数据发送到云中的服务器，该如何处理数据？

是的，它一直在听。不，它并不总是发送到云中。

显然，设备必须始终在侦听以检测唤醒字。但是，这是通过称为的技术来完成的。

1. Amazon Echo和Echo Dot如何识别唤醒词？

Amazon Echo和Echo Dot使用设备上的关键字发现来检测唤醒词。当这些设备检测到唤醒词时，它们会将音频流传输到云，包括在唤醒词之前的一秒钟的音频。

（回声常见问题）

因此，根据Amazon的说法，唤醒字检测在设备上。通过禁止设备访问路由器中的Internet，可以很容易地对其进行测试。Echo / Echo Dot仍会识别出唤醒字，但指示灯亮红色，并且设备告知您没有互联网连接。因此，我们可以非常简单地验证唤醒词识别的确是在本地完成的。

仅在检测到唤醒词后，设备才会与Alexa云服务联系。

据亚马逊称，该设备仅在光环为蓝色时流向云，而当您将其静音并且光环发出红色常亮时它根本不会收听。当然，谨慎的人可以使用诸如Wireshark之​​类的网络工具来验证这一点，以确保它仅在那时才传输。

Echo是否一直在记录数据并将数据发送到云，还是上述说法没有根据？

不发送。但是录音是。

我目前正在为一家公司开发Alexa硬件客户端。设备始终在监听。但是您必须在其上放置一个唤醒单词引擎，以使其从被动监听模式“唤醒”，并切换到主动“监听命令”模式。

固件只会在唤醒字（切换到活动模式）之后将语句发送到云中，以将其作为命令进行处理。

• 就设备而言，您不希望将它收到的每个语句发送到云中进行处理，因为这会消耗过多的带宽和功率。
• 就亚马逊而言，他们也不希望每个Alexa客户端发送其听到的所有内容，因为这将占用大量带宽。此外，这将导致太多无关的数据，从而干扰系统的持续学习。想象一下，当班上的每个人都在讲话时（其他不是命令的陈述），试图学习您的老师在说什么（有效的命令）。

如果Amazon Echo并不总是将数据发送到云中的服务器，该如何处理数据？

在被动模式下，该设备具有一个内部唤醒字引擎，该引擎始终一直在监听唤醒字。当我在Raspberry Pi中测试Alexa时，出于这个目的，我不得不安装Sensory或KITT.AI引擎。实际上，当我为我的Linux机器试用原型Alexa客户端代码时，由于没有唤醒单词引擎，因此必须“一键通”。

通过说出一个关键词短语，亚马逊将其称为“唤醒词”，从而使Echo栩栩如生，并开始聆听命令。默认情况下，唤醒词是Alexa。

如果您重读最后一句话，则可能没有意义，尤其是在安全领域。根据亚马逊的说法，回声仅在听到唤醒字后才监听命令。如果您尚未说起唤醒词，怎么知道呢？

Echo积极地侦听关键字，并将关键字之后说的单词用于NLU处理。这是我的理解，回声是如何实现这一巧妙功能的。

Echo建立在Texas Instruments DM3725数字媒体处理器上。

该TI SoC内部有两个关键部分，第一个是ARM Cortex-A8 MPU，第二个是TMS320DM64x + DSP。ARM内核应运行Linux，DSP应运行固件。

空闲时，ARM内核处于最低功耗状态，Linux完全挂起。此时，DSP和64KB片上RAM处于活动状态。DSP固件处理来自麦克风的噪音，并尝试识别是否说出了关键字（例如Alexa）。一旦确定有关键字，DSP就会发送一个中断以唤醒ARM内核，从而恢复Linux。但是，请记住，当Linux正在唤醒那些说Alexa会继续讲话的人时（例如，“ Alexa，现在几点了？”）。DSP缓冲“现在几点？” 片上RAM的一部分。在恢复Linux之后，Linux会提取缓冲的语音并使用自然语言处理（部分为本地，部分为云）功能来理解人类所说的话。

如您所见，该设计完全是为了省电而设计的，并且避免了将云用于关键字检测和初始缓冲的需要。事实上，保持ARM内核处于最低功耗状态可确保在闲置时硅散热最少，从而为您的设备带来长寿命。

我正在讨论以下问题，以尝试破解回声：

唤醒词识别确实是在本地完成的。

是。

例如，请参阅 新的Amazon Echo有多私有？ （只需花费很少的精力就可以找到更多类似的东西）

与Siri一样，Amazon Echo在运行于Amazon Web Services的“云”中工作。因此，“理解”命令所需的处理不会在设备本身上进行

然而，

毕竟，它总是在倾听，所以我们不应该担心大哥吗？

不，亚马逊说。这家科技巨头表示，它不会在家中收听或录制私人对话。如果有人担心，他们可以使用捆绑的遥控器按静音按钮，该按钮会关闭“始终收听”设备，因此直到您再次激活麦克风后，该设备才能使用。