Diktavimo programa, kuri veikia, kai neveikia internetas

Kai kurie skundai išlenda tik tada, kai kas nors sugenda, todėl juos lengva nuvertinti, kol nenutinka tau: debesies diktavimas priklauso nuo tinklo. Tiekėjo sutrikimas — ir tavo diktavimo klavišas nebedaro nieko. Krentantis viešbučio Wi-Fi — ir sakinys gali dingti sukamajame rateliame. Lėktuvas. Traukinio tunelis. VPN, persiderantis būtent netinkamu momentu. Tai nėra vieno produkto defektas; tai reiškia priklausyti nuo kelionės pirmyn ir atgal.

Žiauriausia čia yra tai, kas sugenda. Jei nustoja veikti užrašų programa, atsidarai tekstinį failą. Jei nustoja veikti diktavimas, netenki įvesties metodo — to, kuriam buvai išsiugdęs raumenų atmintį, sakinio viduryje, paprastai tada, kai rankos užimtos kuo kitu. Būtent dėl to ir diktavai.

Po prieinamumo skundu slypi privatumo klausimas: ar tavo balso garsas palieka mašiną? Debesies transkripcijos kelyje įrašai to, kaip mąstai balsu — klientų pavadinimai, neišleistos funkcijos, saugumo problema, kurią aiškini kolegai — keliauja į kažkieno kito infrastruktūrą, kad taptų tekstu. Tas kelias gali priklausyti ir nuo sesijų, paskyrų bei paslaugos prieinamumo, kurių tu nevaldai.

Keebye atsakymą į tai sukūriau anksčiau, nei suformulavau jį kaip funkciją, nes mano paties reikalavimas buvo bukas: turi veikti su išjungtu Wi-Fi. Štai kaip tai atrodo iš tikrųjų ir kiek tai kainuoja.

Kodėl debesies diktavimas nukrenta iki nulio

Kategorijos lygio mechaniką verta išdėstyti, nes ji paaiškina, kodėl šis skundas niekada visai nedingsta, kad ir kokie geri taptų produktai.

Debesies diktavimo ciklas turi mažiausiai keturias grandis: įrašyti garsą tavo mašinoje, nusiųsti jį į serverį, ten atlikti išvedimą, nusiųsti tekstą atgal. Kiekviena grandis yra priklausomybė — tavo tinklas, jų tinklas, jų autentifikacijos sluoksnis, jų pajėgumas, jų veikimo laikas. Grandinė paprastai laikosi. Bet kai nutrūksta bet kuri grandis, nutrūksta visas ciklas, ir nutrūksta iki nulio. Ne „lėčiau“, ne „mažiau tiksliai“ — prie tavo žymeklio neatkeliauja niekas. Su laipsnišku prastėjimu būtų galima gyventi; diktavimas prastėja iki tylos.

Tiekėjai gali prieš tai stipriai inžineriškai kovoti, bet negali sutvarkyti grandžių, kurių nevaldo: viešbučio maršrutizatoriaus, skrydžio, tavo įmonės VPN, magistralinio tinklo incidento tarp tavęs ir jų. Įrankis, kurio prieinamumas priklauso nuo kelių sistemų, gali sugesti, kai neprieinama bet kuri iš jų.

Kas nutinka, kai nėra debesies, nuo kurio būtų galima atsitraukti?

Keebye architektūra į šį klausimą atsako jį pašalindama. Kalbos atpažinimas veikia visiškai įrenginyje — ONNX modeliai, lokalus išvedimas, tavo Mac paties luste. Diktavimo kelyje nulis tinklo užklausų. Ne „jas minimizuojame“, ne „jas grupuojame“ — nulis. Telemetrijos irgi nėra. Jokios. Kai laikai klavišą ir kalbi, joks paketas tavo vardu nepalieka mašinos.

Noriu pabrėžti architektūrinį dalyką, nes tuo šis sprendimas ir skiriasi nuo „režimo be interneto“. Režimas be interneto yra atsarginė grandis: įprastas kelias eina į debesį, o kai debesis nepasiekiamas, perima prastesnis lokalus kelias — jei programa laiku pastebi, jei lokalus kelias prižiūrimas, jei perdavimas sakinio viduryje suveikia. Keebye tokio perdavimo neturi, nes neturi debesies kelio, iš kurio būtų galima perduoti. Lokalus išvedimas nėra atsarginis planas; jis yra vienintelis planas. Gedimas kitame gale jo sulaužyti negali dėl tos pačios priežasties, dėl kurios elektros dingimas kitoje šalyje neišjungia tavo stalinės lempos. Atsparumas iš konstrukcijos, o ne iš atsarginės grandies.

Čia be jokio nustatymų puslapio atsakomas ir tylesnis skundas. Tavo garsas niekada nepalieka mašinos — ne „užšifruotas pakeliui“, ne nuasmenintas, o tiesiog niekada nesiunčiamas, nes nėra kam jį siųsti. Jei įjungi diktavimo istoriją, saugomas tik tekstas, lokalioje SQLite duomenų bazėje tavo paties diske. (Ta istorija yra atskira patogumo istorija — pasikartojantis skundas „kur dingo mano diktavimas?“ — kurią aprašėme straipsnyje tavo diktavimas neturėtų tiesiog dingti.) O paskyrų ir sesijų trapumas dingsta kartu su paskyromis: diktavimo kelyje nėra debesies sesijos, kuri galėtų pasibaigti, tad tarp tavęs ir veikiančio sparčiojo klavišo nestovi joks pakartotinis prisijungimas.

Vienintelis kartas, kai interneto vis dėlto reikia

Privalomas sąžiningumas, pasakytas tiesiai: modeliams kažkaip reikia patekti į tavo mašiną. Pirmojo paleidimo metu Keebye atsisiunčia savo kalbos modelį — maždaug 700 MB anglų kalbos varikliui ir apie 1,3 GB, jei įjungi daugiakalbį variklį. Tai tikras atsisiuntimas, po kartą kiekvienam varikliui, ir jam reikia interneto.

Po to modeliai gyvena diske, o transkripcija su jais veikia lokaliai — su tinklu ar be jo — kol jų nepašalini ar nepakeiti. Bet jei tas pirmas paleidimas nutinka lėktuve, nepasiseks, kol nusileisi — sąranką atlik prieš kelionę, ne jos metu. Verčiau tai išgirsk iš manęs, nei atrasi virš Atlanto.

Tikslumo klausimas, atsakytas sąžiningai

Atsisiuntimas yra mažoji išlyga. Štai didesnioji, nes įrenginyje veikiantys įrankiai ją mėgsta praleisti.

Didžiausi debesies modeliai gali būti tikslesni nei įrenginyje veikiantis modelis. Modelis, užpildantis serverių stovą, turi pajėgumų, kurių 700 MB failas neturi, ir apsimesti kitaip būtų tavo intelekto įžeidimas. Ką pasakysiu — ir kuo tikiu, gyvenęs su abiem — tai kad atotrūkis gerokai susitraukė, o dar svarbiau, kad gedimo būdai skiriasi iš esmės. Blogiausia įrenginyje veikiančio modelio diena yra ne taip išgirstas žodis, kurį pataisai. Blogiausia debesies modelio diena yra nulis išvesties, nes jo tikslumas dauginamas iš prieinamumo, o būtent prieinamumas traukinyje nueina į nulį. Kurį gedimo būdą verčiau turėtum, priklauso nuo tavo dienos; manojoje per daug traukinių.

Šiandien tai veikia tik macOS ir yra ankstyvoji prieiga. Jokio Windows varianto ir visi nelygumai, kuriuos ankstyvoji prieiga reiškia. Jei tavo aplinka pirmiausia Windows, sąžiningas atsakymas — Keebye tau kol kas padėti negali.

Jei lygini tai su įrankiu, kurį jau naudoji, palyginimų puslapiai yra teisingesnė šio argumento versija. Keebye vs Superwhisper lygina du produktus su įrenginyje veikiančiais transkripcijos keliais; Keebye vs Wispr Flow apima lokalaus ir debesies sprendimo pasirinkimą. O jei alternatyva, kurią svarstai, yra į macOS įmontuotas diktavimas, diktavimas balsu Mac kompiuteryje aprašo, ką įmontuotasis daro gerai ir kur Keebye skiriasi.

Prieinamumas yra funkcija

Diktavimo kategorija metų metus varžėsi tikslumo procentais, ir tikslumas svarbu. Bet skundas, kuris iš tikrųjų verčia žmones keisti įrankius, retai yra „jis kartą manęs neišgirdo“. Tai „jis vėl nustojo veikti, aš nežinau kodėl, o sprendimas buvo kažkur prisijungti“. Prieinamumas — nuobodus, neefektingas prieinamumas — yra funkcija, kurią pastebi tik kaip jos nebuvimą.

Būdas padaryti įvesties metodą tokį pat patikimą kaip klaviatūra yra duoti jam tokį pat priklausomybių sąrašą kaip klaviatūros: mašina prieš tave ir nieko daugiau. Tame ir visas dizainas.

Keebye yra ankstyvojoje prieigoje macOS sistemai. Pradėk nemokamą bandomąjį laikotarpį žemiau, atlik pirmojo paleidimo atsisiuntimą, kol dar turi internetą, tada įvažiuok į traukinio tunelį — arba tiesiog išjunk Wi-Fi — ir padiktuok tą patį sakinį dar kartą.