Нов начин за внесување текст

Низ модерната историја, тастатурата беше нашиот примарен начин за комуникација со машините. Пишуваме команди, код, пораки. Но како AI станува соработник наместо само алатка, количеството контекст кое треба да го пренесеме експлодира. Тастатурата веќе не е доволна.

Технологијата за говор-во-текст достигна пресвртна точка. Зборувањето сега е одржлив метод за внесување — не новитет, туку вистинска алтернатива на пишување. Ова е промена на парадигмата за тоа како луѓето комуницираат со компјутерите.

Како учењето да пишувате на QWERTY тастатура, гласовниот внес бара вежбање. Но кривата на учење е многу покуса, а добивките во продуктивност се многу поголеми. Сакаме да обезбедиме не само алатка, туку ново искуство — такво што го менува начинот на кој размислувате за самиот внес.

Повеќето алатки за глас-во-текст се направени во САД, оптимизирани за англиски. Функционираат доволно добро за англиски говорници, но квалитетот остро опаѓа за другите јазици. Кога јазиците се мешаат — јапонски со англиски технички термини, виетнамски со делови од код — постоечките алатки често целосно паѓаат.

Главниот програмер на koedesk е Јапонец, работи од Виетнам. Ова искуство од прва рака со користење на гласовен внес низ јазици и акценти ја обликуваше секоја дизајнерска одлука. Забележавме нешто што другите го пропуштија: јазот во точноста помеѓу англискиот и остатокот од светот.

Затоа го препорачуваме ElevenLabs Scribe v2 како стандарден модел. Испорачува постојано висока точност низ јазиците — не само англиски и јапонски, туку виетнамски, индонезиски, шпански и десетици други. koedesk е моментално една од ретките десктоп апликации што нудат Scribe v2 интеграција.

koedesk е намерно едноставен. Притиснете копче, зборувајте, пуштете. Вашите зборови се појавуваат каде што е курсорот. Без дополнителни чекори, без конфигурација потребна за почеток.

Одвнатре, сме опседнати со перформансите. Апликацијата е изградена во Rust — истиот јазик кој се користи за прелистувачки машини и оперативни системи. Детекцијата на гласовна активност, аудио снимање и иницирање на транскрипција се оптимизирани за минимална латенција. Кога ќе престанете да зборувате, текстот се појавува речиси моментално.

Повеќето конкурентски алатки користат двостепен процес: модел за говор-во-текст за сурова транскрипција, потоа лесен LLM за чистење полначки зборови, граматика и преформатирање. Ние имаме различен пристап. Scribe v2 е доволно точен за LLM пост-обработката да биде непотребна. Директно му веруваме на излезот на моделот.

Ова е намерен избор. Како што моделите за говор-во-текст продолжуваат да се подобруваат, потребата за LLM пост-обработка ќе исчезне. Со одржување едноставна архитектура, koedesk директно има корист од секое подобрување во основните модели — без слоеви на сложеност помеѓу.

Guide Inc. е компанија за софтверски развој со седиште во Токио, Јапонија, со развојна канцеларија во Хо Ши Мин, Виетнам. Основана во 2021, специјализирана за финансиска технологија — градиме платформи за тргување и мобилни апликации за големи јапонски финансиски институции.

koedesk е роден од нашата секојдневна работа. Како програмери кои градат сложени финансиски системи, ни требаше побрз начин за комуникација со AI кодерски асистенти, пишување документација и составување пораки — без да ги тргнеме рацете од тастатурата. Ја изградивме алатката што посакувавме да постои, и решивме да ја споделиме со светот.