Novi način unosa teksta

Kroz cijelu modernu povijest, tipkovnica je bila naš primarni način komunikacije sa strojevima. Tipkamo naredbe, pišemo kod, sastavljamo poruke. Ali kako AI postaje suradnik, a ne samo alat, količina konteksta koju trebamo prenijeti eksplodirala je. Tipkovnica više nije dovoljna.

Tehnologija pretvorbe govora u tekst dosegla je prekretnicu. Govorenje je sada održiva metoda unosa — ne novost, već prava alternativa tipkanju. Ovo je promjena paradigme u načinu na koji ljudi komuniciraju s računalima.

Poput učenja tipkanja na QWERTY tipkovnici, glasovni unos zahtijeva vježbu. Ali krivulja učenja je puno kraća, a dobici u produktivnosti puno veći. Želimo pružiti ne samo alat, već novo iskustvo — takvo koje mijenja način na koji razmišljate o unosu samom.

Većina alata za pretvorbu glasa u tekst izgrađena je u SAD-u, optimizirana za engleski. Dovoljno dobro rade za govornike engleskog, ali kvaliteta naglo pada za druge jezike. Kada se jezici miješaju — japanski s engleskim tehničkim terminima, vijetnamski s isječcima koda — postojeći alati često potpuno zakazuju.

Vodeći programer koedska je Japanac koji radi iz Vijetnama. Ovo izravno iskustvo korištenja glasovnog unosa na različitim jezicima i naglascima oblikovalo je svaku dizajnersku odluku. Primijetili smo ono što su drugi previdjeli: jaz u točnosti između engleskog i ostatka svijeta.

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

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

Ispod haube, opsjednuti smo performansama. Aplikacija je izgrađena u Rust-u — istom jeziku koji se koristi za pregledničke motore i operativne sustave. Detekcija glasovne aktivnosti, snimanje zvuka i pokretanje transkripcije optimizirani su za minimalnu latenciju. Kad prestanete govoriti, tekst se pojavljuje gotovo trenutno.

Većina konkurentskih alata koristi dvostupanjski proces: model pretvorbe govora u tekst za sirovu transkripciju, nakon čega slijedi laki LLM za čišćenje poštapalica, ispravljanje gramatike i preformatiranje izlaza. Mi imamo drugačiji pristup. Scribe v2 je dovoljno točan da je LLM naknadna obrada nepotrebna. Izravno vjerujemo izlazu modela.

Ovo je namjerna odluka. Kako se modeli pretvorbe govora u tekst nastavljaju poboljšavati, potreba za LLM naknadnom obradom nestat će. Držeći našu arhitekturu jednostavnom, koedesk izravno profitira od svakog poboljšanja temeljnih modela — bez slojeva složenosti između.

Guide Inc. je tvrtka za razvoj softvera sa sjedištem u Tokiju, Japan, s razvojnim uredom u Ho Chi Minh Cityju, Vijetnam. Osnovana 2021., specijalizirali smo se za financijsku tehnologiju — gradimo platforme za trgovanje i mobilne aplikacije za velike japanske financijske institucije.

koedesk je nastao iz našeg svakodnevnog rada. Kao programeri koji grade složene financijske sustave, trebali smo brži način komunikacije s AI asistentima za kodiranje, pisanja dokumentacije i sastavljanja poruka — bez skidanja ruku s tijeka tipkovnice. Izgradili smo alat koji smo željeli da postoji i odlučili ga podijeliti sa svijetom.