Aplikasi Dikte yang Tetap Bekerja Saat Internet Tidak

Sebagian keluhan baru muncul saat ada yang rusak, dan karena itulah ia mudah diremehkan sampai ia menimpamu sendiri: dikte cloud bergantung pada jaringan. Satu gangguan di sisi penyedia, dan tombol dikte kamu tidak bisa berbuat apa-apa. Wi-Fi hotel yang putus, dan satu kalimat bisa lenyap ke dalam spinner. Pesawat. Terowongan kereta. VPN yang bernegosiasi ulang persis di saat yang salah. Ini bukan cacat satu produk; ini konsekuensi dari bergantung pada perjalanan bolak-balik.

Kekejamannya ada pada apa yang gagal. Kalau aplikasi catatanmu tumbang, kamu membuka sebuah file teks. Kalau dikte kamu tumbang, kamu kehilangan sebuah metode input — hal yang sudah kamu bangun memori ototnya, di tengah kalimat, biasanya saat tanganmu sedang sibuk dengan hal lain. Itu justru seluruh alasan kamu mendikte.

Di bawah keluhan soal ketersediaan itu duduk sebuah pertanyaan privasi: apakah audio suaramu meninggalkan mesin? Dalam jalur transkripsi cloud, rekaman dirimu berpikir keras-keras — nama klien, fitur yang belum dirilis, isu keamanan yang kamu jelaskan ke rekan setim — berjalan ke infrastruktur orang lain untuk menjadi teks. Jalur itu juga bisa bergantung pada sesi, akun, dan ketersediaan layanan di luar kendalimu.

Saya membangun jawaban Keebye untuk ini sebelum saya merumuskannya sebagai fitur, karena syarat saya sendiri tumpul: ia harus bekerja dengan Wi-Fi mati. Inilah wujud nyatanya, dan inilah harganya.

Kenapa dikte cloud gagal sampai nol

Mekanika di level kategori layak dijabarkan, karena ia menjelaskan kenapa keluhan ini tidak pernah benar-benar hilang sebagus apa pun produknya menjadi.

Satu putaran dikte cloud punya minimal empat mata rantai: menangkap audio di mesinmu, mengirimnya ke server, menjalankan inferensi di sana, mengirim teks kembali. Setiap mata rantai adalah ketergantungan — jaringanmu, jaringan mereka, lapisan auth mereka, kapasitas mereka, uptime mereka. Rantainya biasanya baik-baik saja. Tapi saat ada satu mata rantai yang putus, seluruh putarannya putus, dan ia putus sampai nol. Bukan "lebih lambat", bukan "kurang akurat" — tidak ada apa pun yang tiba di kursormu. Degradasi masih bisa ditoleransi; dikte terdegradasi menjadi kesunyian.

Penyedia bisa merekayasa dengan keras melawan ini, tapi mereka tidak bisa memperbaiki mata rantai yang bukan milik mereka: router hotel, penerbangan, VPN korporatmu, insiden backbone di antara kamu dan mereka. Alat yang ketersediaannya bergantung pada beberapa sistem bisa gagal saat salah satunya tidak tersedia.

Apa yang terjadi kalau tidak ada cloud untuk ditinggalkan?

Arsitektur Keebye menjawab pertanyaan itu dengan menghapusnya. Speech-to-text berjalan sepenuhnya on-device — model ONNX, inferensi lokal, di atas silikon Mac kamu sendiri. Ada nol panggilan jaringan di jalur dikte. Bukan "kami meminimalkannya", bukan "kami mem-batch-nya" — nol. Tidak ada telemetri juga. Tidak ada sama sekali. Saat kamu menahan tombol dan bicara, tidak ada paket yang meninggalkan mesin atas namamu.

Saya ingin menggarisbawahi poin arsitekturalnya, karena di situlah bedanya dengan sebuah "mode offline". Mode offline adalah cadangan: jalur normalnya pergi ke cloud, dan saat cloud tidak terjangkau, jalur lokal yang terdegradasi mengambil alih — kalau aplikasinya sadar tepat waktu, kalau jalur lokalnya terawat, kalau serah terimanya berhasil di tengah kalimat. Keebye tidak punya serah terima semacam itu karena ia tidak punya jalur cloud untuk diserahkan. Inferensi lokal bukan rencana cadangan; ia satu-satunya rencana. Gangguan di hulu tidak bisa merusaknya, dengan alasan yang sama seperti pemadaman listrik di negara lain tidak bisa mematikan lampu mejamu. Kekebalan lewat konstruksi, bukan lewat cadangan.

Di sini pula keluhan yang lebih senyap terjawab tanpa perlu halaman pengaturan. Audiomu tidak pernah meninggalkan mesin — bukan terenkripsi-dalam-perjalanan, bukan dianonimkan, tapi tidak pernah dikirim, karena tidak ada tempat untuk mengirimnya. Kalau kamu menyalakan riwayat dikte, yang disimpan hanyalah teks, di database SQLite lokal pada disk-mu sendiri. (Riwayat itu punya ceritanya sendiri soal kenyamanan — keluhan berulang "ke mana perginya dikte saya?" — yang kami bahas di dikte kamu tidak seharusnya lenyap begitu saja.) Dan kerapuhan akun-dan-sesi hilang bersama akunnya: tidak ada sesi cloud yang bisa kedaluwarsa di jalur dikte, jadi tidak ada autentikasi ulang yang berdiri antara kamu dan hotkey yang bekerja.

Satu-satunya saat kamu memang butuh internet

Kejujuran yang wajib, dinyatakan terus terang: modelnya harus masuk ke mesinmu entah bagaimana. Saat pertama dijalankan, Keebye mengunduh model suaranya — kira-kira 700 MB untuk engine bahasa Inggris, dan sekitar 1,3 GB kalau kamu mengaktifkan engine multibahasa. Itu unduhan sungguhan, sekali per engine, dan kamu butuh internet untuk itu.

Setelah itu modelnya tinggal di disk dan transkripsi berjalan terhadapnya secara lokal, ada jaringan atau tidak, sampai kamu menghapus atau menggantinya. Tapi kalau menjalankannya pertama kali terjadi di pesawat, kamu apes sampai mendarat — lakukan setup-nya sebelum bepergian, bukan selama perjalanan. Saya lebih suka kamu mendengarnya dari saya daripada menemukannya di atas Atlantik.

Pertanyaan akurasi, dijawab dengan jujur

Unduhan itu peringatan kecilnya. Ini yang lebih besar, karena alat on-device gemar melewatkannya.

Model cloud terbesar bisa lebih akurat daripada model on-device. Model yang mengisi satu rak server punya kapasitas yang tidak dimiliki file 700 MB, dan berpura-pura sebaliknya akan menghina kecerdasanmu. Yang akan saya katakan — dan yang saya yakini dari hidup dengan keduanya — adalah bahwa jaraknya sudah menyempit banyak, dan yang lebih penting, mode kegagalannya berbeda jenis. Hari terburuk model on-device adalah satu kata yang salah dengar yang kamu koreksi. Hari terburuk model cloud adalah nol output, karena akurasinya dikalikan dengan ketersediaannya, dan ketersediaan adalah suku yang jatuh ke nol di dalam kereta. Mode kegagalan mana yang lebih ingin kamu miliki bergantung pada harimu; hari saya terlalu banyak keretanya.

Ia hanya untuk macOS hari ini, dan ia masih akses awal. Tidak ada build Windows, dan ada ketidakhalusan yang tersirat dari akses awal. Kalau setup-mu mengutamakan Windows, jawaban jujurnya adalah Keebye belum bisa membantumu.

Kalau kamu menimbang ini terhadap alat yang sudah kamu pakai, halaman perbandingan adalah versi berimbang dari argumen ini. Keebye vs Superwhisper membandingkan dua produk yang sama-sama punya jalur transkripsi on-device; Keebye vs Wispr Flow membahas keputusan lokal-versus-cloud. Dan kalau alternatif yang kamu timbang adalah dikte bawaan macOS, dikte suara untuk Mac membahas apa yang dilakukan bawaan itu dengan baik dan di mana Keebye berbeda.

Ketersediaan adalah sebuah fitur

Kategori dikte sudah bertahun-tahun bersaing pada persentase akurasi, dan akurasi memang penting. Tapi keluhan yang benar-benar mendorong orang berpindah alat jarang berbunyi "ia salah mendengar saya sekali". Bunyinya "ia berhenti bekerja, lagi, dan saya tidak tahu kenapa, dan perbaikannya melibatkan masuk ke sesuatu". Ketersediaan — ketersediaan yang membosankan dan tidak glamor — adalah fitur yang hanya kamu sadari lewat ketiadaannya.

Cara membuat sebuah metode input seandal keyboard adalah memberinya daftar ketergantungan yang sama dengan keyboard: mesin di hadapanmu, dan tidak ada yang lain. Itulah seluruh rancangannya.

Keebye ada dalam akses awal untuk macOS. Mulai uji coba gratismu di bawah, lakukan unduhan saat pertama dijalankan selagi kamu masih punya internet, lalu masuklah ke terowongan kereta—atau matikan saja Wi-Fi—dan diktekan kalimat yang sama sekali lagi.