Novi način unosa teksta

Kroz modernu historiju, tastatura je bila naš primarni način komunikacije sa mašinama. Kucamo komande, pišemo kod, sastavljamo poruke. Ali kako AI postaje saradnik umjesto samo alata, količina konteksta koji trebamo prenijeti je eksplodirala. Tastatura više nije dovoljna.

Tehnologija pretvaranja govora u tekst dostigla je prekretnicu. Govor je sada održiv način unosa — ne novost, već prava alternativa kucanju. To je pomak paradigme u načinu na koji ljudi komuniciraju s računarima.

Kao i učenje kucanja na QWERTY tastaturi, glasovni unos zahtijeva vježbu. Ali krivulja učenja je daleko kraća, a dobitci u produktivnosti daleko veći. Želimo pružiti ne samo alat, već novo iskustvo — koje mijenja način na koji razmišljate o unosu.

Većina alata za pretvaranje govora u tekst napravljena je u SAD-u, optimizirana za engleski. Rade dovoljno dobro za govornike engleskog, ali kvalitet naglo opada za druge jezike. Kada se jezici miješaju — japanski s engleskim tehničkim terminima, vijetnamski sa isječcima koda — postojeći alati često potpuno zakazuju.

Vodeći programer koedesk je Japanac koji radi iz Vijetnama. Ovo neposredno iskustvo korištenja glasovnog unosa na različitim jezicima i s različitim akcentima oblikovalo je svaku projektnu odluku. Primijetili smo ono što su drugi previdjeli: razliku u tačnosti između engleskog i ostatka svijeta.

Zato preporučujemo ElevenLabs Scribe v2 kao zadani model. Pruža dosljedno visoku tačnost na svim jezicima — ne samo engleskom i japanskom, već i vijetnamskom, indonezijskom, španskom i desetinama drugih. koedesk je trenutno jedna od rijetkih desktop aplikacija koja nudi integraciju sa Scribe v2.

koedesk je namjerno jednostavan. Pritisnite tipku, govorite, otpustite. Vaše riječi se pojavljuju gdje je kursor. Bez dodatnih koraka, bez konfiguracije za početak.

Ispod haube, opsesivno se bavimo performansama. Aplikacija je izgrađena u Rust — istom jeziku koji se koristi za pretraživače i operativne sisteme. Detekcija glasovne aktivnosti, snimanje audia i pokretanje transkripcije su podešeni za minimalnu latenciju. Kada prestanete govoriti, tekst se pojavljuje gotovo trenutno.

Većina konkurentskih alata koristi dvostepeni cjevovod: model pretvaranja govora u tekst za sirovu transkripciju, zatim lagani LLM za čišćenje poštapalica, ispravljanje gramatike i preformatiranje izlaza. Mi imamo drugačiji pristup. Scribe v2 je dovoljno tačan da LLM post-obrada nije potrebna. Vjerujemo izlazu modela direktno.

Ovo je svjestan izbor. Kako se modeli pretvaranja govora u tekst nastavljaju poboljšavati, potreba za LLM post-obradom će nestati. Održavajući našu arhitekturu jednostavnom, koedesk direktno profitira od svakog poboljšanja u temeljnim modelima — bez slojeva složenosti između.

Guide Inc. je kompanija za razvoj softvera sa sjedištem u Tokiju, Japan, s razvojnim uredom u Ho Chi Minh Cityu, Vijetnam. Osnovana 2021. godine, specijaliziramo se za finansijsku tehnologiju — razvijamo platforme za trgovanje i mobilne aplikacije za velike japanske finansijske institucije.

koedesk je nastao iz našeg svakodnevnog rada. Kao programeri koji grade složene finansijske sisteme, trebao nam je brži način komunikacije s AI asistentima za kodiranje, pisanje dokumentacije i sastavljanje poruka — bez skidanja ruku s toka tastature. Napravili smo alat koji smo željeli da postoji i odlučili ga podijeliti sa svijetom.