Новы спосаб уводу тэксту

На працягу ўсёй сучаснай гісторыі клавіятура была нашым асноўным спосабам зносін з машынамі. Мы набіраем каманды, пішам код, складаем паведамленні. Але па меры таго, як AI становіцца партнёрам, а не проста інструментам, аб'ём кантэксту, які нам трэба перадаваць, выбухнуў. Клавіятуры ўжо недастаткова.

Тэхналогія пераўтварэння маўлення ў тэкст дасягнула пераломнага моманту. Маўленне зараз з'яўляецца жыццяздольным метадам уводу — не навізной, а сапраўднай альтэрнатывай набору тэксту. Гэта парадыгмальны зрух у тым, як людзі ўзаемадзейнічаюць з камп'ютарамі.

Як і навучанне набору на клавіятуры QWERTY, галасавы ўвод патрабуе практыкі. Але крывая навучання значна карацейшая, а прырост прадукцыйнасці значна большы. Мы хочам даць не проста інструмент, а новы вопыт — які зменіць ваша ўяўленне пра ўвод.

Большасць інструментаў голас-у-тэкст створаны ў ЗША і аптымізаваны для англійскай мовы. Яны працуюць досыць добра для англамоўных, але якасць рэзка падае для іншых моў. Калі мовы змешваюцца — японская з англійскімі тэхнічнымі тэрмінамі, в'етнамская з фрагментамі кода — існуючыя інструменты часта зусім не спраўляюцца.

Вядучы распрацоўшчык koedesk — японец, які працуе з В'етнама. Гэты асабісты вопыт выкарыстання галасавога ўводу на розных мовах і з рознымі акцэнтамі паўплываў на кожнае праектнае рашэнне. Мы заўважылі тое, што іншыя прапусцілі: разрыў у дакладнасці паміж англійскай і астатнім светам.

Вось чаму мы рэкамендуем ElevenLabs Scribe v2 як мадэль па змаўчанні. Яна забяспечвае стабільна высокую дакладнасць на розных мовах — не толькі англійскай і японскай, але і в'етнамскай, інданезійскай, іспанскай і дзясятках іншых. koedesk зараз з'яўляецца адным з нямногіх настольных праграм, якія прапануюць інтэграцыю Scribe v2.

koedesk наўмысна просты. Націсніце клавішу, гаварыце, адпусціце. Вашы словы з'яўляюцца там, дзе курсор. Ніякіх дадатковых крокаў, ніякай канфігурацыі для пачатку.

Пад капотам мы адержыма аптымізуем прадукцыйнасць. Праграма створана на Rust — той самай мове, якая выкарыстоўваецца для браўзерных рухавікоў і аперацыйных сістэм. Дэтэкцыя галасавой актыўнасці, захоп аўдыё і ініцыяцыя транскрыпцыі наладжаны на мінімальную затрымку. Калі вы спыняеце гаварыць, тэкст з'яўляецца амаль імгненна.

Большасць канкурэнтных інструментаў выкарыстоўваюць двухэтапны канвеер: мадэль маўлення-ў-тэкст для сырой транскрыпцыі, а потым лёгкі LLM для ачысткі слоў-паразітаў, выпраўлення граматыкі і пераафармлення. Мы прымяняем іншы падыход. Scribe v2 дастаткова дакладны, што LLM пост-апрацоўка непатрэбная. Мы давяраем выходу мадэлі напрамую.

Гэта свядомы выбар. Па меры таго, як мадэлі маўлення-ў-тэкст працягваюць удасканальвацца, патрэба ў LLM пост-апрацоўцы знікне. Захоўваючы нашу архітэктуру простай, koedesk атрымлівае непасрэдную выгаду ад кожнага паляпшэння базавых мадэляў — без пластоў складанасці паміж імі.

Guide Inc. — кампанія па распрацоўцы праграмнага забеспячэння з штаб-кватэрай у Токіа, Японія, з офісам распрацоўкі ў Хашыміне, В'етнам. Заснаваная ў 2021 годзе, мы спецыялізуемся на фінансавых тэхналогіях — ствараем гандлёвыя платформы і мабільныя праграмы для буйных японскіх фінансавых установаў.

koedesk нарадзіўся з нашай штодзённай працы. Як распрацоўшчыкі складаных фінансавых сістэм, нам быў патрэбны больш хуткі спосаб зносін з AI-памочнікамі для кадавання, напісання дакументацыі і складання паведамленняў — не адрываючы рукі ад патоку клавіятуры. Мы стварылі інструмент, які хацелі мець, і вырашылі падзяліцца ім са светам.