ടെക്‌സ്റ്റ് ഇന്‍പുട്ട് ചെയ്യാനുള്ള ഒരു പുതിയ വഴി

ആധുനിക ചരിത്രത്തിലുടനീളം, യന്ത്രങ്ങളുമായി ആശയവിനിമയം നടത്താനുള്ള നമ്മുടെ പ്രധാന മാര്‍ഗ്ഗം കീബോര്‍ഡ് ആയിരുന്നു. നമ്മള്‍ കമാന്‍ഡുകള്‍ ടൈപ്പ് ചെയ്യുന്നു, കോഡ് എഴുതുന്നു, സന്ദേശങ്ങള്‍ രചിക്കുന്നു. എന്നാല്‍ AI വെറും ഒരു ടൂള്‍ എന്നതില്‍ നിന്ന് സഹകാരിയായി മാറുമ്പോള്‍, നമ്മള്‍ അറിയിക്കേണ്ട സന്ദര്‍ഭത്തിന്‍റെ അളവ് വിസ്‌ഫോടനം ചെയ്തിരിക്കുന്നു. കീബോര്‍ഡ് ഇനി മതിയാകില്ല.

സ്പീച്ച്-ടു-ടെക്‌സ്റ്റ് സാങ്കേതികവിദ്യ ഒരു വഴിത്തിരിവിലെത്തിയിരിക്കുന്നു. സംസാരിക്കുന്നത് ഇപ്പോള്‍ പ്രായോഗികമായ ഇന്‍പുട്ട് മാര്‍ഗ്ഗമാണ് — ഒരു നവീനത അല്ല, ടൈപ്പിംഗിന് യഥാര്‍ത്ഥ ബദല്‍. മനുഷ്യര്‍ കമ്പ്യൂട്ടറുകളുമായി ഇടപഴകുന്ന രീതിയിലെ ഒരു മാതൃകാ മാറ്റമാണ് ഇത്.

QWERTY കീബോര്‍ഡില്‍ ടൈപ്പ് ചെയ്യാന്‍ പഠിക്കുന്നതുപോലെ, വോയ്‌സ് ഇന്‍പുട്ടിന് പ്രാക്ടീസ് ആവശ്യമാണ്. പക്ഷേ പഠന വക്രം വളരെ ചെറുതാണ്, ഉല്‍പ്പാദനക്ഷമത നേട്ടങ്ങള്‍ വളരെ വലുതാണ്. ഞങ്ങള്‍ വെറും ഒരു ടൂള്‍ മാത്രമല്ല, ഒരു പുതിയ അനുഭവം നല്‍കാന്‍ ആഗ്രഹിക്കുന്നു — ഇന്‍പുട്ടിനെക്കുറിച്ച് നിങ്ങള്‍ ചിന്തിക്കുന്ന രീതിയെ മാറ്റുന്ന ഒന്ന്.

മിക്ക വോയ്‌സ്-ടു-ടെക്‌സ്റ്റ് ടൂളുകളും US-ല്‍ നിര്‍മ്മിച്ചതാണ്, ഇംഗ്ലീഷിനായി ഒപ്‌റ്റിമൈസ് ചെയ്തതാണ്. ഇംഗ്ലീഷ് സംസാരിക്കുന്നവര്‍ക്ക് അവ നന്നായി പ്രവര്‍ത്തിക്കുന്നു, പക്ഷേ മറ്റ് ഭാഷകള്‍ക്ക് ഗുണനിലവാരം കുത്തനെ ഇടിയുന്നു. ഭാഷകള്‍ കലരുമ്പോള്‍ — ഇംഗ്ലീഷ് സാങ്കേതിക പദങ്ങളോടൊപ്പം ജാപ്പനീസ്, കോഡ് സ്‌നിപ്പറ്റുകളോടൊപ്പം വിയറ്റ്‌നാമീസ് — നിലവിലുള്ള ടൂളുകള്‍ പലപ്പോഴും പൂര്‍ണ്ണമായി പരാജയപ്പെടുന്നു.

koedesk-ന്‍റെ പ്രധാന ഡെവലപ്പര്‍ ജാപ്പനീസ് ആണ്, വിയറ്റ്‌നാമില്‍ നിന്ന് ജോലി ചെയ്യുന്നു. ഭാഷകളിലും ഉച്ചാരണങ്ങളിലും വോയ്‌സ് ഇന്‍പുട്ട് ഉപയോഗിക്കുന്ന ഈ നേരിട്ടുള്ള അനുഭവം ഓരോ ഡിസൈന്‍ തീരുമാനവും രൂപപ്പെടുത്തി. മറ്റുള്ളവര്‍ ശ്രദ്ധിക്കാതെ പോയത് ഞങ്ങള്‍ ശ്രദ്ധിച്ചു: ഇംഗ്ലീഷും ശേഷം ലോകവും തമ്മിലുള്ള കൃത്യതാ വിടവ്.

അതുകൊണ്ടാണ് ഞങ്ങള്‍ ElevenLabs Scribe v2-നെ ഡീഫോള്‍ട്ട് മോഡലായി ശുപാര്‍ശ ചെയ്യുന്നത്. ഇത് ഭാഷകളിലുടനീളം സ്ഥിരമായി ഉയര്‍ന്ന കൃത്യത നല്‍കുന്നു — ഇംഗ്ലീഷും ജാപ്പനീസും മാത്രമല്ല, വിയറ്റ്‌നാമീസ്, ഇന്തോനേഷ്യന്‍, സ്‌പാനിഷ്, ഒപ്പം ഡസന്‍ കണക്കിന് മറ്റ് ഭാഷകളിലും. koedesk നിലവില്‍ Scribe v2 ഇന്‍റഗ്രേഷന്‍ വാഗ്ദാനം ചെയ്യുന്ന ചുരുക്കം ചില ഡെസ്‌ക്‌ടോപ്പ് ആപ്പുകളില്‍ ഒന്നാണ്.

koedesk ബോധപൂര്‍വ്വം ലളിതമാണ്. ഒരു കീ അമര്‍ത്തുക, സംസാരിക്കുക, വിടുക. നിങ്ങളുടെ വാക്കുകള്‍ കഴ്‌സര്‍ ഉള്ളിടത്ത് ദൃശ്യമാകും. അധിക ഘട്ടങ്ങളില്ല, ആരംഭിക്കാന്‍ കോണ്‍ഫിഗറേഷന്‍ ആവശ്യമില്ല.

ഉള്ളില്‍, പ്രകടനത്തെക്കുറിച്ച് ഞങ്ങള്‍ അതീവ ശ്രദ്ധാലുക്കളാണ്. ആപ്പ് Rust-ല്‍ നിര്‍മ്മിച്ചതാണ് — ബ്രൗസര്‍ എഞ്ചിനുകള്‍ക്കും ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങള്‍ക്കും ഉപയോഗിക്കുന്ന അതേ ഭാഷ. വോയ്‌സ് ആക്ടിവിറ്റി ഡിറ്റക്ഷന്‍, ഓഡിയോ ക്യാപ്ചര്‍, ട്രാന്‍സ്‌ക്രിപ്ഷന്‍ ഇനിഷിയേഷന്‍ എന്നിവയെല്ലാം ഏറ്റവും കുറഞ്ഞ ലേറ്റന്‍സിക്കായി ട്യൂണ്‍ ചെയ്തിരിക്കുന്നു. നിങ്ങള്‍ സംസാരിക്കുന്നത് നിര്‍ത്തുമ്പോള്‍, ടെക്‌സ്റ്റ് ഏതാണ്ട് ഉടന്‍ ദൃശ്യമാകുന്നു.

മിക്ക മത്സരാര്‍ത്ഥി ടൂളുകളും രണ്ട്-ഘട്ട പൈപ്‌ലൈന്‍ ഉപയോഗിക്കുന്നു: റോ ട്രാന്‍സ്‌ക്രിപ്ഷനുള്ള സ്പീച്ച്-ടു-ടെക്‌സ്റ്റ് മോഡല്‍, തുടര്‍ന്ന് ഫില്ലര്‍ വാക്കുകള്‍ വൃത്തിയാക്കാനും വ്യാകരണം ശരിയാക്കാനും ഔട്ട്‌പുട്ട് റീഫോര്‍മാറ്റ് ചെയ്യാനും ഒരു ലഘു LLM. ഞങ്ങള്‍ വ്യത്യസ്ത സമീപനം സ്വീകരിക്കുന്നു. Scribe v2 മതിയായ കൃത്യതയുള്ളതാണ്, LLM പോസ്റ്റ്-പ്രോസസ്സിംഗ് ആവശ്യമില്ല. മോഡലിന്‍റെ ഔട്ട്‌പുട്ടിനെ ഞങ്ങള്‍ നേരിട്ട് വിശ്വസിക്കുന്നു.

ഇത് ബോധപൂര്‍വ്വമായ തിരഞ്ഞെടുപ്പാണ്. സ്പീച്ച്-ടു-ടെക്‌സ്റ്റ് മോഡലുകള്‍ മെച്ചപ്പെടുന്നത് തുടരുമ്പോള്‍, LLM പോസ്റ്റ്-പ്രോസസ്സിംഗിന്‍റെ ആവശ്യം അപ്രത്യക്ഷമാകും. ഞങ്ങളുടെ ആര്‍ക്കിടെക്ചര്‍ ലളിതമായി നിലനിര്‍ത്തുന്നതിലൂടെ, അടിസ്ഥാന മോഡലുകളിലെ ഓരോ മെച്ചപ്പെടുത്തലില്‍ നിന്നും koedesk നേരിട്ട് പ്രയോജനം നേടുന്നു — ഇടയ്ക്ക് സങ്കീര്‍ണ്ണതയുടെ പാളികളില്ലാതെ.

Guide Inc. ടോക്കിയോ, ജപ്പാനിലെ ആസ്ഥാനമുള്ള ഒരു സോഫ്റ്റ്‌വെയര്‍ ഡെവലപ്‌മെന്‍റ് കമ്പനിയാണ്, ഹോ ചി മിന്‍ സിറ്റി, വിയറ്റ്‌നാമില്‍ ഒരു ഡെവലപ്‌മെന്‍റ് ഓഫീസുണ്ട്. 2021-ല്‍ സ്ഥാപിതമായ ഞങ്ങള്‍ ഫിനാന്‍ഷ്യല്‍ ടെക്‌നോളജിയില്‍ സ്‌പെഷ്യലൈസ് ചെയ്യുന്നു — പ്രമുഖ ജാപ്പനീസ് ഫിനാന്‍ഷ്യല്‍ സ്ഥാപനങ്ങള്‍ക്കായി ട്രേഡിംഗ് പ്ലാറ്റ്‌ഫോമുകളും മൊബൈല്‍ ആപ്പുകളും നിര്‍മ്മിക്കുന്നു.

koedesk ഞങ്ങളുടെ സ്വന്തം ദൈനംദിന ജോലിയില്‍ നിന്ന് ജനിച്ചതാണ്. സങ്കീര്‍ണ്ണ ഫിനാന്‍ഷ്യല്‍ സിസ്റ്റങ്ങള്‍ നിര്‍മ്മിക്കുന്ന ഡെവലപ്പര്‍മാരെന്ന നിലയില്‍, AI കോഡിംഗ് അസിസ്റ്റന്‍റുമായി ആശയവിനിമയം നടത്താനും ഡോക്യുമെന്‍റേഷന്‍ എഴുതാനും സന്ദേശങ്ങള്‍ രചിക്കാനും — കീബോര്‍ഡ് ഫ്ലോയില്‍ നിന്ന് കൈ എടുക്കാതെ — വേഗമേറിയ മാര്‍ഗ്ഗം ഞങ്ങള്‍ക്ക് ആവശ്യമായിരുന്നു. ഞങ്ങള്‍ ആഗ്രഹിച്ച ടൂള്‍ ഞങ്ങള്‍ തന്നെ നിര്‍മ്മിച്ചു, ലോകവുമായി പങ്കിടാന്‍ തീരുമാനിച്ചു.