Dikteerimisrakendus, mis töötab siis, kui internet ei tööta

Mõned kaebused ilmuvad välja alles siis, kui asjad katki lähevad, ja seepärast on neid lihtne alahinnata, kuni need sinuga juhtuvad: pilvedikteerimine sõltub võrgust. Teenusepakkuja katkestus ja su dikteerimisklahv ei tee enam midagi. Hotelli Wi-Fi kaob ja lause võib spinnerisse kaduda. Lennuk. Raudteetunnel. VPN, mis uuendab ühendust täpselt kõige valemal hetkel. See ei ole ühe toote defekt; see on see, mida edasi-tagasi käigust sõltumine tähendab.

Julm on selle juures see, mis läbi kukub. Kui su märkmerakendus maha läheb, avad tekstifaili. Kui su dikteerimine maha läheb, kaotad sisestusviisi — asja, mille ümber olid ehitanud lihasmälu, keset lauset, tavaliselt siis, kui su käed olid millegi muuga hõivatud. Just see oligi kogu põhjus, miks sa dikteerisid.

Kättesaadavuse kaebuse all istub privaatsusküsimus: kas su häälsalvestis lahkub masinast? Pilvetranskribeerimise teel rändavad salvestised sellest, kuidas sa valjusti mõtled — klientide nimed, avaldamata funktsioonid, turvaprobleem, mida sa tiimikaaslasele kirjeldad —, kellegi teise taristusse, et saada tekstiks. See tee võib sõltuda ka seanssidest, kontodest ja teenuse kättesaadavusest, mis on väljaspool su kontrolli.

Ma ehitasin Keebye vastuse sellele enne, kui sõnastasin selle funktsioonina, sest minu enda nõue oli nüri: see pidi töötama väljalülitatud Wi-Fi’ga. Siin on, mida see tegelikult tähendab ja mis see maksma läheb.

Miks kukub pilvedikteerimine nulli

Kategooriaülene mehaanika tasub lahti kirjutada, sest see selgitab, miks see kaebus kunagi päriselt ei kao, ükskõik kui heaks tooted ka lähevad.

Pilvedikteerimise tsüklis on vähemalt neli lüli: salvesta heli oma masinas, saada see serverisse, jooksuta seal järeldus, saada tekst tagasi. Iga lüli on sõltuvus — sinu võrk, nende võrk, nende autentimiskiht, nende maht, nende käideldavus. Tavaliselt on kett korras. Aga kui mõni lüli katkeb, katkeb kogu tsükkel, ja see katkeb nulli. Mitte „aeglasemaks“, mitte „vähem täpseks“ — su kursorile ei jõua midagi. Halvenemine oleks talutav; dikteerimine halveneb vaikuseks.

Teenusepakkujad saavad selle vastu tugevalt ehitada, aga nad ei saa parandada lülisid, mida nad ei oma: hotelli ruuter, lend, su ettevõtte VPN, magistraalvõrgu intsident sinu ja nende vahel. Tööriist, mille kättesaadavus sõltub mitmest süsteemist, võib läbi kukkuda siis, kui ükskõik milline neist on kättesaamatu.

Mis juhtub siis, kui ei olegi pilve, millelt taanduda?

Keebye arhitektuur vastab sellele küsimusele, eemaldades selle. Kõnetuvastus töötab täielikult seadmes — ONNX-mudelid, kohalik järeldus, su Maci enda räni peal. Dikteerimisteel on null võrgupäringut. Mitte „me minimeerime neid“, mitte „me kogume neid kokku“ — null. Telemeetriat ka ei ole. Üldse mitte. Kui hoiad klahvi all ja räägid, ei lahku sinu nimel masinast ühtegi paketti.

Tahan seda arhitektuurilist punkti alla joonida, sest see ongi vahe selle ja „võrguühenduseta režiimi“ vahel. Võrguühenduseta režiim on varulahendus: tavaline tee läheb pilve ja kui pilv on kättesaamatu, võtab üle halvenenud kohalik tee — kui rakendus märkab õigel ajal, kui kohalikku teed hooldatakse, kui üleandmine keset lauset toimib. Keebye’l sellist üleandmist ei ole, sest tal ei ole pilveteed, millelt üle anda. Kohalik järeldus ei ole varuplaan; see on ainus plaan. Katkestus ülesvoolu ei saa seda katki teha samal põhjusel, miks elektrikatkestus teises riigis ei saa kustutada su laualampi. Immuunsus ülesehituse, mitte varulahenduse kaudu.

Siin saab vastuse ka see vaiksem kaebus, ilma ühegi seadetelehe abita. Su heli ei lahku kunagi masinast — mitte krüpteeritult teel, mitte anonüümitult, vaid lihtsalt mitte kunagi saadetuna, sest ei olegi kohta, kuhu saata. Kui lülitad sisse dikteerimise ajaloo, salvestatakse ainult tekst, kohalikku SQLite-andmebaasi sinu enda kettal. (See ajalugu on omaette mugavuslugu — korduv kaebus „kuhu mu dikteering kadus?“ —, mille katsime loos su dikteering ei tohiks kunagi lihtsalt kaduda.) Ja konto-ja-seansi haprus kaob koos kontodega: dikteerimisteel ei ole pilveseanssi, mis aeguda saaks, seega ei seisa sinu ja töötava kiirklahvi vahel mingit uuesti sisselogimist.

See üks kord, kui sul internetti päriselt vaja on

Kohustuslik ausus, otse välja öeldud: mudelid peavad kuidagi su masinasse jõudma. Esimesel käivitusel laadib Keebye alla oma kõnemudeli — umbes 700 MB ingliskeelse mootori jaoks ja umbes 1,3 GB, kui lülitad sisse mitmekeelse mootori. See on päris allalaadimine, üks kord mootori kohta, ja selleks on sul internetti vaja.

Pärast seda elavad mudelid kettal ja transkribeerimine töötab nende vastu kohalikult, võrguga või ilma, kuni sa need eemaldad või välja vahetad. Aga kui see esimene käivitus juhtub lennukis, oled hädas kuni maandumiseni — tee seadistus enne reisi, mitte reisi ajal. Räägin selle sulle pigem ise, kui et sa avastad selle Atlandi kohal.

Täpsuse küsimus, ausalt vastatud

Allalaadimine on väike möönduse koht. Siin on suurem, sest seadmesisesed tööriistad armastavad selle vahele jätta.

Kõige suuremad pilvemudelid võivad olla täpsemad kui seadmesisene mudel. Mudelil, mis täidab serveririiuli, on maht, mida 700 MB failil ei ole, ja teistpidi teesklemine solvaks su mõistust. Mida ma ütlen — ja mida ma usun mõlemaga koos elades — on see, et vahe on tublisti ahenenud, ja mis olulisem, tõrkeviisid on erinevat laadi. Seadmesisese mudeli halvim päev on valesti kuuldud sõna, mille sa ära parandad. Pilvemudeli halvim päev on null väljundit, sest tema täpsus korrutatakse tema kättesaadavusega, ja kättesaadavus on see liige, mis rongis nulli läheb. Kumb tõrkeviis sulle rohkem sobib, sõltub sinu päevast; minu omas on liiga palju ronge.

See on täna ainult macOS-ile ja varajases ligipääsus. Windowsi ehitust ei ole, ja lisaks krobelised servad, mida varajane ligipääs endaga kaasa toob. Kui su seadistus on Windowsi-keskne, on aus vastus see, et Keebye ei saa sind veel aidata.

Kui kaalud seda mõne tööriista vastu, mida juba kasutad, on võrdluslehed selle argumendi õiglane versioon. Keebye vs Superwhisper võrdleb kaht toodet, millel on seadmesisesed transkribeerimisteed; Keebye vs Wispr Flow katab kohaliku ja pilve vahelise otsuse. Ja kui alternatiiv, mida kaalud, on macOS-i sisse ehitatud dikteerimine, katab häälega dikteerimine Macile selle, mida sisseehitatu hästi teeb ja kus Keebye erineb.

Kättesaadavus on funktsioon

Dikteerimiskategooria on veetnud aastaid täpsusprotsentide peale võisteldes, ja täpsus loeb. Aga kaebus, mis inimesi päriselt tööriista vahetama ajab, on harva „see kuulis mind korra valesti“. See on „see lakkas jälle töötamast, ma ei tea miks, ja lahendus käis läbi millessegi sisselogimise“. Kättesaadavus — igav, sädemetu kättesaadavus — on funktsioon, mida sa märkad ainult tema puudumisena.

Viis, kuidas teha sisestusviis sama usaldusväärseks kui klaviatuur, on anda talle sama sõltuvuste nimekiri, mis on klaviatuuril: masin sinu ees ja mitte midagi muud. See ongi kogu disain.

Keebye on macOS-i jaoks varajases ligipääsus. Alusta allpool tasuta prooviperioodi, tee esmakäivituse allalaadimine ära, kuni sul veel internetti on, ja sõida siis raudteetunnelisse — või lihtsalt lülita Wi-Fi välja — ning dikteeri sama lause uuesti.