L’app de dictat que funciona quan internet no funciona

Hi ha queixes que només apareixen quan les coses s'espatllen, i per això és fàcil menystenir-les fins que et toquen a tu: el dictat al núvol depèn de la xarxa. Una caiguda del proveïdor i la teva tecla de dictat no pot fer res. Una wifi d'hotel que es talla i una frase pot desaparèixer dins d'un indicador de càrrega. Un avió. Un túnel de tren. Una VPN renegociant exactament en el pitjor moment. Això no és un defecte d'un producte; és el que vol dir dependre d'un viatge d'anada i tornada.

La crueltat de la cosa és què falla. Si la teva app de notes cau, obres un fitxer de text. Si el teu dictat cau, perds un mètode d'entrada: allò sobre el qual havies construït memòria muscular, a mitja frase, normalment mentre tenies les mans ocupades amb una altra cosa. I aquell era precisament el motiu pel qual dictaves.

Sota la queixa de disponibilitat hi ha una qüestió de privadesa: l'àudio de la teva veu surt de la màquina? En una via de transcripció al núvol, els enregistraments de tu pensant en veu alta —noms de clients, funcions no publicades, el problema de seguretat que estàs descrivint a un company— viatgen a la infraestructura d'algú altre per convertir-se en text. Aquella via també pot dependre de sessions, comptes i disponibilitat de servei fora del teu control.

La resposta del Keebye a això la vaig construir abans d'articular-la com a funció, perquè el meu propi requisit era contundent: havia de funcionar amb la wifi apagada. Això és el que això significa de debò, i el que costa.

Per què el dictat al núvol falla a zero

Val la pena detallar la mecànica al nivell de la categoria, perquè explica per què aquesta queixa no desapareix mai del tot per bons que siguin els productes.

Un bucle de dictat al núvol té un mínim de quatre baules: capturar àudio a la teva màquina, enviar-lo a un servidor, executar-hi la inferència i tornar el text. Cada baula és una dependència: la teva xarxa, la seva xarxa, la seva capa d'autenticació, la seva capacitat, el seu temps de servei. La cadena normalment va bé. Però quan una baula qualsevol es trenca, es trenca tot el bucle, i es trenca fins a zero. No «més lent», no «menys precís»: no arriba res al teu cursor. Una degradació seria tolerable; el dictat es degrada fins al silenci.

Els proveïdors poden fer molta enginyeria contra això, però no poden arreglar baules que no els pertanyen: l'encaminador de l'hotel, el vol, la VPN corporativa, la incidència a la dorsal entre tu i ells. Una eina la disponibilitat de la qual depèn de diversos sistemes pot fallar quan qualsevol d'ells no està disponible.

Què passa quan no hi ha cap núvol del qual retrocedir?

L'arquitectura del Keebye respon la pregunta eliminant-la. La veu a text s'executa completament on-device: models ONNX, inferència local, al silici del teu propi Mac. Hi ha zero crides de xarxa a la via del dictat. No «les minimitzem», no «les agrupem»: zero. Tampoc no hi ha telemetria. Cap. Quan mantens premuda la tecla i parles, no surt cap paquet de la màquina en nom teu.

Vull subratllar el punt arquitectònic, perquè és la diferència entre això i un «mode fora de línia». Un mode fora de línia és un pla B: la via normal va al núvol i, quan el núvol no és accessible, entra en joc una via local degradada, si l'app se n'adona a temps, si la via local es manté, si el traspàs funciona a mitja frase. El Keebye no té cap traspàs així perquè no té cap via al núvol de la qual traspassar. La inferència local no és el pla de reserva; és l'únic pla. Una caiguda més amunt no la pot trencar pel mateix motiu que una apagada en un altre país no pot apagar el llum del teu escriptori. Immunitat per construcció, no per pla B.

Aquí també es respon la queixa més silenciosa sense cap pàgina de configuració. El teu àudio no surt mai de la màquina: ni xifrat en trànsit, ni anonimitzat, simplement no s'envia mai, perquè no hi ha enlloc on enviar-lo. Si actives l'historial de dictat, el que es guarda és només text, en una base de dades SQLite local al teu propi disc. (Aquest historial és una història de qualitat de vida per si sola —la queixa recurrent de «on ha anat a parar el meu dictat?»—, que vam tractar a el teu dictat no hauria de desaparèixer sense més.) I la fragilitat de comptes i sessions desapareix amb els comptes: no hi ha cap sessió al núvol que pugui caducar dins de la via del dictat, o sigui que no hi ha cap reautenticació entre tu i una hotkey que funciona.

L'únic moment en què sí que et cal internet

Sinceritat obligada, dita clarament: els models han d'arribar a la teva màquina d'alguna manera. A la primera execució, el Keebye baixa el seu model de veu: aproximadament 700 MB per al motor d'anglès i uns 1,3 GB si actives el motor multilingüe. És una baixada de veritat, un cop per motor, i et cal internet.

Després d'això, els models viuen al disc i la transcripció s'executa contra ells en local, amb xarxa o sense, fins que els treguis o els substitueixis. Però si aquella primera execució et passa a l'avió, no hi ha res a fer fins que aterris: fes la configuració abans de viatjar, no durant. Prefereixo que ho sentis de mi que no pas que ho descobreixis sobrevolant l'Atlàntic.

La qüestió de la precisió, resposta amb sinceritat

La baixada és la reserva petita. Aquí ve la gran, perquè les eines on-device se la salten de bon grat.

Els models al núvol més grans poden ser més precisos que un model on-device. Un model que omple un armari de servidors té una capacitat que un fitxer de 700 MB no té, i fer veure el contrari seria insultar la teva intel·ligència. El que sí que diré —i el que crec després de conviure amb tots dos— és que la distància s'ha escurçat molt i, més important, que els modes de fallada són de naturalesa diferent. El pitjor dia d'un model on-device és una paraula mal sentida que corregeixes. El pitjor dia d'un model al núvol és zero sortida, perquè la seva precisió es multiplica per la seva disponibilitat, i la disponibilitat és el terme que se'n va a zero al tren. Quin mode de fallada prefereixes assumir depèn del teu dia; el meu té massa trens.

Avui és només per a macOS, i és en accés anticipat. Cap versió per a Windows, i les arestes que implica l'accés anticipat. Si el teu entorn és primer de tot Windows, la resposta sincera és que el Keebye encara no et pot ajudar.

Si estàs comparant això amb una eina que ja fas servir, les pàgines de comparació són la versió equànime d'aquest argument. Keebye vs Superwhisper compara dos productes amb vies de transcripció on-device; Keebye vs Wispr Flow tracta la decisió entre local i núvol. I si l'alternativa que sospeses és el dictat integrat a macOS, la guia de dictat per veu per al Mac explica què fa bé l'opció integrada i on se'n diferencia el Keebye.

La disponibilitat és una funció

La categoria del dictat ha passat anys competint en percentatges de precisió, i la precisió importa. Però la queixa que fa que la gent canviï d'eina rarament és «una vegada em va sentir malament». És «ha deixat de funcionar, un altre cop, no sé per què, i la solució passava per iniciar sessió en algun lloc». La disponibilitat —avorrida, gens lluïda— és la funció que només notes quan falta.

La manera de fer que un mètode d'entrada sigui tan fiable com un teclat és donar-li la mateixa llista de dependències que un teclat: la màquina que tens al davant, i res més. Aquest és tot el disseny.

El Keebye és en accés anticipat per a macOS. Comença la prova gratuïta aquí sota, fes la baixada de la primera execució mentre encara tens internet i després entra al túnel del tren —o simplement apaga la wifi— i torna a dictar la mateixa frase.