Ett nytt sätt att mata in text

Genom hela den moderna historien har tangentbordet varit vårt primära sätt att kommunicera med maskiner. Vi skriver kommandon, kodar, författar meddelanden. Men i takt med att AI blir en samarbetspartner snarare än bara ett verktyg, har mängden kontext vi behöver förmedla exploderat. Tangentbordet räcker inte längre.

Tal-till-text-teknik har nått en vändpunkt. Att tala är nu en fullvärdig inmatningsmetod — inte en nymodighet, utan ett genuint alternativ till att skriva. Detta är ett paradigmskifte i hur människor interagerar med datorer.

Precis som att lära sig skriva på ett QWERTY-tangentbord kräver röstinmatning övning. Men inlärningskurvan är mycket kortare och produktivitetsvinsterna mycket större. Vi vill erbjuda inte bara ett verktyg, utan en ny upplevelse — en som förändrar hur du tänker på inmatning.

De flesta tal-till-text-verktyg är byggda i USA, optimerade för engelska. De fungerar tillräckligt bra för engelsktalande, men kvaliteten sjunker kraftigt för andra språk. När språk blandas — japanska med engelska tekniska termer, vietnamesiska med kodsnuttar — bryter befintliga verktyg ofta samman helt.

Huvudutvecklaren av koedesk är japan och arbetar från Vietnam. Denna förstahandserfarenhet av att använda röstinmatning på olika språk och med olika accenter formade varje designbeslut. Vi uppmärksammade det andra missade: noggrannhetsgapet mellan engelska och resten av världen.

Därför rekommenderar vi ElevenLabs Scribe v2 som standardmodell. Den levererar konsekvent hög noggrannhet på alla språk — inte bara engelska och japanska, utan även vietnamesiska, indonesiska, spanska och dussintals fler. koedesk är för närvarande en av få skrivbordsappar som erbjuder Scribe v2-integration.

koedesk är avsiktligt enkelt. Tryck på en tangent, tala, släpp. Dina ord visas där markören är. Inga extra steg, ingen konfiguration behövs för att komma igång.

Under huven är vi besatta av prestanda. Appen är byggd i Rust — samma språk som används för webbläsarmotorer och operativsystem. Röstaktivitetsdetektering, ljudinspelning och transkriptionsinitiering är alla optimerade för minimal latens. När du slutar tala visas texten nästan omedelbart.

De flesta konkurrerande verktyg använder en tvåstegspipeline: en tal-till-text-modell för rå transkription, följt av en lättvikts-LLM för att ta bort utfyllnadsord, rätta grammatik och omformatera utdata. Vi tar ett annat tillvägagångssätt. Scribe v2 är tillräckligt noggrann för att LLM-efterbehandling är onödig. Vi litar direkt på modellens utdata.

Detta är ett medvetet val. I takt med att tal-till-text-modeller fortsätter att förbättras kommer behovet av LLM-efterbehandling att försvinna. Genom att hålla vår arkitektur enkel drar koedesk direkt nytta av varje förbättring i de underliggande modellerna — utan lager av komplexitet emellan.

Guide Inc. är ett mjukvaruutvecklingsföretag baserat i Tokyo, Japan, med ett utvecklingskontor i Ho Chi Minh-staden, Vietnam. Grundat 2021, specialiserar vi oss på finansiell teknik — vi bygger handelsplattformar och mobilappar åt stora japanska finansinstitut.

koedesk föddes ur vårt dagliga arbete. Som utvecklare som bygger komplexa finansiella system behövde vi ett snabbare sätt att kommunicera med AI-kodassistenter, skriva dokumentation och författa meddelanden — utan att ta händerna från tangentbordet. Vi byggde verktyget vi önskade och bestämde oss för att dela det med världen.