ひとつの声、10 本のレーン：音声入力の 1 日

子ども 2 人、スタートアップ 3 社、声はひとつは成り立ちの話でした。並列で走る、失敗できないスタートアップのレーン。生後 6 か月に満たない 2 人目の子ども。そして、いつのまにかすべての単一障害点になっていたキーボード。あの記事は Keebye が存在する理由を説明しました。そのあと人々が繰り返し聞いてきたのは、もっと実務的な質問でした。1 日は実際にどう見えるのか。

なので、これがその 1 日です。典型的な 1 日ではありません。そんなものは存在しないからです。ただ、繰り返される本物の形です。数字は意図して避けます。改善率を測ったことは一度もなく、測っていたとしても自分では信じないでしょう。私が書けるのは、声のチャンネルがどこで使われ、どこで使われないか、そして仕事の手触りの何が変わったかです。

「10 本のレーン」について一言。自慢ではありません。レーンとは、私からの 1 文で前に進むもののことです。タスク途中のコーディングエージェント、誰かが待っているコードレビュー、Slack のスレッド、投資家の弁護士へのメール、ドキュメントの下書き。忙しい日には、本当にそのくらい開いています。どの瞬間も、ほとんどは止まっています。問題は、目を覚ますものが、私の都合ではなく自分の都合で目を覚ますことです。

早朝：片腕がふさがって、エージェントは 3 つ

1 日は家が起きる前に始まります。つまり、片腕に赤ちゃんを抱えたまま始まります。声が便利さから必要性に変わったのは、この時間です。

前の晩から 3 本のエージェントレーンが走っていて、それぞれ別のターミナル、別のリポジトリにいます。最初にするのは、彼らが何をしたかを読むこと。読むのに必要なのは目で、手ではないので、赤ちゃんを抱えていても問題ありません。次にするのは、横道に逸れたものを軌道修正すること。そして、ここでキーボードはかつて負けていました。

いまは、ターミナルをクリックして、右⌘を押しながら軌道修正を話し、離す。「マイグレーションは問題ないけれど、モデル側だけテーブル名を変えて、シードスクリプトを変えていない。シードを直してテストを再実行して」。テキストがプロンプトに着地します。エンター。次のレーン。

覚えるのに時間がかかった小さな習慣があります。完全な文で話すこと。エージェントはそのほうがうまく動き、音声入力は自然に完全な文を生みます。人が話すときはそうなるからです。私がタイプしていた電文調（「シード直す、テスト再実行」）は好みではなく、キーボードが生んだ産物でした。

この時間は、知っておく価値のある最初の音声入力の癖も露わにします。マイクはセッション最初の音声入力のあとに温まり、それ以降は 500 ms のプリロールを保ちます。朝いちばんの押し込みではストリーム開始のコストを払うことがあり、話し始めが早すぎると単語が切れることがあります。私は一拍おくことを覚えました。仕組みはなぜ音声入力アプリは最初のひと言を食べてしまうのかにあります。短く言えば、部分的な回避策のあるカテゴリ全体の問題で、解決済みではありません。

午前半ば：レビューのレーン

私が関わるスタートアップのうち 2 社では、ほとんどの朝、コードレビューが私を待っています。レビューは考えうる最良の音声入力のユースケースです。読むことが主で、ときどき短い文章を出力し、その文章は人間に向けられている。

差分はブラウザのタブで読みます。コメントが必要なところに来たら、ボックスをクリックして、押して、話して、離す。カスタム辞書がプロジェクトの識別子を運んでくれるので、reconnectBackoff は英単語 3 つではなく reconnectBackoff として出てきます。クリーンアップはデフォルトでルールベース。フィラーと繰り返した単語は落ちて、言い回しは残ります。レビューコメントではオプションのローカル LLM ポリッシュはオフにしています。その裏のフィデリティガードは、深刻なトークンの欠落・膨張・繰り返しに対するヒューリスティックであって、否定が生き残ったことの保証ではなく、レビューでは「〜ない」がひっくり返れば結論が変わるからです。

このうち 1 チームはルーマニア語でレビューします。Keebye の 25 言語エンジンはそれをオンデバイスで扱えます。トレイで言語を固定すれば、次の発話は英語の識別子を含んだままルーマニア語としてデコードされます。どの言語が対応され、どれが対応されないかという正直なリストを含む詳細はコードレビューを自分の言語で音声入力するにあります。

午前遅く：人間のレーン

すべてのレーンがエージェントではありません。このあたりで、夜のあいだに古くなった Slack のスレッドとメールが答えを必要とします。そしてここが、1 日が静かに時間を失っていた場所でした。返信が難しいからではなく、返信のたびにレーンを離れることになり、レーンを離れるには再入場のコストがかかるからです。

声は返信の経済を変えました。2 文の Slack の返答はホットキー 1 回の押し込みで、隣のターミナルにまだ目を半分置いたままメッセージボックスに話し込めます。投資家周りのメールはもっと長く、いまでも気をつけて書きますが、最初の下書きは話すようになりました。話すと形は速く決まり、精度が出るのはタイプして直すところです。

この時間はまた、プライバシー要件がいちばん効く時間です。ここで音声入力するのは、他人の会社の内側です。未発表のプロダクト、セキュリティの議論、金額。Keebye はオンデバイスで文字起こしし、モデルをダウンロードすれば Wi-Fi を切っても動き、テキストのみの履歴をローカルに保って 30 日後に自動削除し、テレメトリを送りません。それが私にとって譲れなかった理由の長い版は声はどこへ行くのか：音声入力のプライバシーを正直ににあります。

午後：深い作業と、目を覚ますレーン

午後は、実際に考えることを必要とするレーンのためにあります。設計、難しいバグ、正しくなければならないドキュメント。ここはタイプします。声は制御チャンネルであって思考チャンネルではなく、難しい問題は話したからといって簡単にはなりません。

しかし他のレーンは、いまが深い作業の時間だと知りません。エージェントが終わって質問してきます。レビュアーが私のコメントに反論を返してきます。以前は、そのひとつひとつが決定でした。集中を切ってウィンドウを移るか、古くなるのを許すか。いまはほとんどが、視線 1 回と 1 文です。エージェントの質問に目をやり、クリックして入り、「いい、ただしクライアントが出るまで旧エンドポイントは生かしておいて」と言い、クリックして戻る。中断が他人の問題への完全なコンテキストスイッチではなく数秒の発話になるので、深い作業の窓はだいたい無傷で残ります。

ここでの主張は正確にしておきたい。声は中断を無料にはしません。応答することの機械的なコストを、残るコストが思考だけになる程度まで小さくします。そしてその思考は、もともと本当のコストだったものです。

夕方：ターミナル寄りのレーン

スタートアップのうち 1 社は、運用の仕事の多くを SSH 越しに、tmux の中で、クリップボードのペーストという概念が存在しないサーバー上でやっています。音声入力ツールがふつう倒れるのはここです。ほとんどがテキストの挿入をペーストでやっているからです。

Keebye もデフォルトはペーストで、シェル向けにターミナルを意識したチャンク分割をします。SSH と tmux にはオプトインの擬似タイプモードに切り替えます。クリップボードに頼らず、テキストを Unicode のキーストロークとして注入するモードです。QWERTY でないレイアウトでも動くので、うち 1 台のルーマニア語キーボードでは効きます。セットアップはターミナルでも生き残る音声入力が、トレードオフはmacOS のターミナルのための音声入力が扱います。

Keebye はセキュア入力欄への挿入も拒否するので、サーバーがパスフレーズを求めているときにはホットキーは何もしません。ときどき煩わしく、そして完全に正しい振る舞いです。

変わらなかったもの

こういう 1 日は、レーンが多すぎる問題を声が解決したかのように読めます。していません。解決したのは特定のボトルネック 1 つだけです。必要としているレーンへ 1 文を届けることの物理的なコストです。それ以外は同じままです。

難しい仕事のボトルネックは、いまも考えることです。読むのは、かかるだけ時間がかかります。エージェントはいまも横道に逸れて軌道修正を必要とし、もごもごした軌道修正は、話そうがタイプしようが、もごもごした結果を生みます。声は手を置き換えるものではなく、手を補うものです。私はいまでも大量にタイプします。ただ、すべてのレーンが後ろで待つ唯一の関所ではなくなりました。

そしてアプリには、初期のソフトウェアらしい粗さがあります。識別子は聞き間違えられます。その日の最初のひと言はときどき切れます。音声コマンドの語彙はないので、ウィンドウ間の移動はいまもクリックです。動くのは macOS だけです。

形そのものについて

10x 開発者の古い絵は、ひとりがもっと速くタイプしている絵でした。実際に到来した絵は、ひとりが指揮している絵です。いくつかは自動化され、いくつかは人間である複数のレーンが、それぞれ 1 文を待っている。その世界でのレバレッジはタイピング速度ではありません。必要としているレーンへ、どんな物理的状況にいても — 片腕がふさがっていても — どれだけ安く意図を届けられるかです。

自分の 1 日がその形をしているなら、ビルダーにとって本物の入力チャンネルが実践的な出発点で、そのために音声入力アプリを比べているなら、Keebye の代替候補が、それぞれどこで向いているかを言う正直な比較です。トライアルは 14 日間で、デスクトップでの最初のサインイン時に始まるので、レーンの本物の 1 週間はまさにそのためにあります。