Nový způsob zadávání textu

V celé moderní historii byla klávesnice naším hlavním způsobem komunikace se stroji. Píšeme příkazy, kód, zprávy. Ale jak se AI stává spolupracovníkem, a ne jen nástrojem, množství kontextu, který potřebujeme předat, explodovalo. Klávesnice už nestačí.

Technologie převodu řeči na text dosáhla bodu zlomu. Mluvení je nyní životaschopná metoda vstupu — ne novinka, ale skutečná alternativa k psaní. To je změna paradigmatu v tom, jak lidé interagují s počítači.

Podobně jako učení se psát na QWERTY klávesnici vyžaduje hlasový vstup praxi. Ale křivka učení je mnohem kratší a zisky v produktivitě mnohem větší. Chceme poskytnout nejen nástroj, ale nový zážitek — takový, který změní způsob, jakým přemýšlíte o zadávání samotném.

Většina nástrojů pro převod hlasu na text je vytvořena v USA a optimalizována pro angličtinu. Pro anglicky mluvící fungují dostatečně dobře, ale kvalita prudce klesá u ostatních jazyků. Když se jazyky míchají — japonština s anglickými technickými termíny, vietnamština s úryvky kódu — stávající nástroje často zcela selhávají.

Hlavní vývojář koedesk je Japonec pracující z Vietnamu. Tato přímá zkušenost s používáním hlasového vstupu napříč jazyky a přízvuky formovala každé designové rozhodnutí. Všimli jsme si toho, co ostatní přehlédli: rozdílu v přesnosti mezi angličtinou a zbytkem světa.

Proto doporučujeme ElevenLabs Scribe v2 jako výchozí model. Poskytuje konzistentně vysokou přesnost napříč jazyky — nejen angličtinu a japonštinu, ale i vietnamštinu, indonéštinu, španělštinu a desítky dalších. koedesk je v současnosti jednou z mála desktopových aplikací, které nabízejí integraci Scribe v2.

koedesk je záměrně jednoduchý. Stiskněte klávesu, mluvte, uvolněte. Vaše slova se objeví tam, kde je kurzor. Žádné extra kroky, žádná konfigurace potřebná pro začátek.

Pod kapotou jsme posedlí výkonem. Aplikace je postavena v Rust — stejném jazyce používaném pro prohlížečové enginy a operační systémy. Detekce hlasové aktivity, zachycení zvuku a zahájení přepisu jsou vyladěny pro minimální latenci. Když přestanete mluvit, text se objeví téměř okamžitě.

Většina konkurenčních nástrojů používá dvoustupňový proces: model převodu řeči na text pro surový přepis, následovaný lehkým LLM pro vyčištění výplňových slov, opravu gramatiky a přeformátování výstupu. My volíme jiný přístup. Scribe v2 je dostatečně přesný, že LLM post-processing je zbytečný. Důvěřujeme přímo výstupu modelu.

Toto je záměrná volba. S tím, jak se modely převodu řeči na text neustále zlepšují, potřeba LLM post-processingu zmizí. Udržováním jednoduché architektury koedesk přímo těží z každého vylepšení základních modelů — bez vrstev složitosti mezi nimi.

Guide Inc. je společnost zabývající se vývojem softwaru se sídlem v Tokiu, Japonsko, s vývojovou kanceláří v Ho Či Minově Městě, Vietnam. Založena v roce 2021, specializujeme se na finanční technologie — budujeme obchodní platformy a mobilní aplikace pro velké japonské finanční instituce.

koedesk se zrodil z naší každodenní práce. Jako vývojáři budující složité finanční systémy jsme potřebovali rychlejší způsob komunikace s AI asistenty pro programování, psaní dokumentace a sestavování zpráv — aniž bychom museli odtrhnout ruce od klávesnice. Vytvořili jsme nástroj, který jsme si přáli, aby existoval, a rozhodli se ho sdílet se světem.