Приложението за диктовка, което работи и без интернет

Някои оплаквания се появяват само когато нещо се счупи, затова са лесни за подценяване, докато не се случат на вас: облачната диктовка зависи от мрежата. Срив при доставчика — и клавишът ви за диктовка не може да направи нищо. Хотелски Wi-Fi, който пада — и едно изречение изчезва в едно въртящо се колелце. Самолет. Тунел с влак. VPN, който се предоговаря точно в най-неподходящия момент. Това не е дефект на един продукт; това значи да зависиш от отиване и връщане.

Жестокото е какво се проваля. Ако приложението ви за бележки падне, отваряте текстов файл. Ако диктовката ви падне, губите начин на въвеждане — нещото, около което сте изградили мускулна памет, насред изречение, обикновено докато ръцете ви са заети с друго. А точно затова сте диктували.

Под оплакването за наличност стои въпрос за поверителността: напуска ли машината звукът от гласа ви? При облачен път на транскрипция записи от вас, докато мислите на глас — имена на клиенти, непуснати функции, проблемът със сигурността, който описвате на колега — пътуват до чужда инфраструктура, за да станат текст. Този път може да зависи и от сесии, акаунти и наличност на услуга извън вашия контрол.

Построих отговора на Keebye за това, преди да го формулирам като функция, защото собственото ми изискване беше грубо: трябваше да работи с изключен Wi-Fi. Ето как изглежда това наистина и какво струва.

Защо облачната диктовка се проваля до нула

Механиката на ниво категория си струва да се изпише, защото обяснява защо това оплакване никога не изчезва напълно, колкото и добри да стават продуктите.

Облачният цикъл на диктовка има най-малко четири звена: улавяне на звука на вашата машина, изпращане към сървър, инференция там, връщане на текста. Всяко звено е зависимост — вашата мрежа, тяхната мрежа, техният слой за автентикация, техният капацитет, тяхната наличност. Веригата обикновено е наред. Но щом някое звено се скъса, целият цикъл се къса и се къса до нула. Не „по-бавно“, не „по-неточно“ — нищо не пристига при курсора ви. Влошаване би било поносимо; диктовката се влошава до мълчание.

Доставчиците могат да инженерстват здраво срещу това, но не могат да поправят звена, които не притежават: рутера в хотела, полета, корпоративния ви VPN, инцидента по гръбнака между вас и тях. Инструмент, чиято наличност зависи от няколко системи, може да откаже, когато която и да е от тях е недостъпна.

Какво става, когато няма облак, от който да се отстъпва?

Архитектурата на Keebye отговаря на въпроса, като го премахва. Реч към текст върви изцяло на устройството — ONNX модели, локална инференция, върху силиция на вашия собствен Mac. В пътя на диктовката има нула мрежови заявки. Не „свеждаме ги до минимум“, не „групираме ги“ — нула. Няма и телеметрия. Никаква. Когато задържите клавиша и говорите, никакъв пакет не напуска машината от ваше име.

Искам да подчертая архитектурната точка, защото това е разликата между това и „офлайн режим“. Офлайн режимът е резервен вариант: нормалният път отива в облака и когато облакът е недостъпен, се включва влошен локален път — ако приложението забележи навреме, ако локалният път се поддържа, ако предаването сработи насред изречението. Keebye няма такова предаване, защото няма облачен път, от който да предава. Локалната инференция не е резервният план; тя е единственият план. Срив нагоре по веригата не може да я счупи по същата причина, поради която спиране на тока в друга държава не може да изгаси нощната ви лампа. Имунитет по конструкция, а не чрез резервен вариант.

Тук се отговаря и на по-тихото оплакване, без страница с настройки. Звукът ви никога не напуска машината — не криптиран при пренос, не анонимизиран, просто никога изпратен, защото няма къде да бъде изпратен. Ако включите историята на диктовката, съхраняваното е само текст, в локална база SQLite на собствения ви диск. (Тази история е отделна тема за качество на живот — повтарящото се оплакване „къде отиде диктовката ми?“ — която покрихме в Диктовката ви никога не бива просто да изчезва.) А крехкостта на акаунти и сесии изчезва заедно с акаунтите: в пътя на диктовката няма облачна сесия, която да изтече, така че между вас и работещ клавиш не стои повторно влизане.

Единственият път, в който наистина ви трябва интернет

Задължителна честност, казана направо: моделите трябва някак да стигнат до машината ви. При първо пускане Keebye изтегля своя модел за реч — около 700 МБ за английския енджин и около 1,3 ГБ, ако включите многоезичния. Това е истинско изтегляне, по веднъж на енджин, и за него ви трябва интернет.

След това моделите живеят на диска и транскрипцията върви срещу тях локално, с мрежа или без, докато не ги махнете или замените. Но ако това първо пускане се случи в самолета, нямате късмет, докато не кацнете — направете настройката преди пътуването, не по време на него. Предпочитам да го чуете от мен, отколкото да го откриете над Атлантика.

Въпросът за точността, отговорен честно

Изтеглянето е малката уговорка. Ето и по-голямата, защото инструментите на устройството обичат да я прескачат.

Най-големите облачни модели могат да са по-точни от модел на устройството. Модел, който пълни сървърен шкаф, има капацитет, какъвто файл от 700 МБ няма, и да се твърди друго би обидило интелигентността ви. Това, което ще кажа — и в което вярвам, след като съм живял и с двете — е, че разликата се е стеснила много и, по-важното, начините на провал се различават по вид. Най-лошият ден на модел на устройството е погрешно чута дума, която поправяте. Най-лошият ден на облачен модел е нула изход, защото точността му се умножава по наличността му, а наличността е членът, който отива до нула във влака. Кой начин на провал бихте предпочели да носите, зависи от деня ви; в моя има твърде много влакове.

Днес е само за macOS и е в ранен достъп. Няма версия за Windows, а има и грапавините, които ранният достъп подразбира. Ако наборът ви е с приоритет на Windows, честният отговор е, че Keebye още не може да ви помогне.

Ако мерите това срещу инструмент, който вече ползвате, страниците за сравнение са добросъвестната версия на този аргумент. Keebye срещу Superwhisper сравнява два продукта с пътища за транскрипция на устройството; Keebye срещу Wispr Flow покрива решението локално срещу облак. А ако алтернативата, която мерите, е диктовката, вградена в macOS, гласова диктовка за Mac покрива какво вграденото прави добре и къде Keebye се различава.

Наличността е функция

Категорията диктовка е прекарала години в надпревара по проценти точност и точността има значение. Но оплакването, което наистина кара хората да сменят инструмента, рядко е „веднъж ме чу погрешно“. То е „спря да работи, пак, не знам защо, а решението включваше влизане в нещо“. Наличността — скучна, негламурна наличност — е функцията, която забелязвате само като липса.

Начинът да направите един метод за въвеждане надежден колкото клавиатура е да му дадете същия списък от зависимости като на клавиатурата: машината пред вас и нищо друго. Това е целият замисъл.

Keebye е в ранен достъп за macOS. Започнете безплатния си пробен период по-долу, направете изтеглянето при първо пускане, докато още имате интернет, после влезте в тунела — или просто изключете Wi-Fi — и продиктувайте същото изречение отново.