Diktēšanas lietotne, kas strādā tad, kad internets nestrādā

Dažas sūdzības parādās tikai tad, kad kaut kas salūzt, un tāpēc tās ir viegli novērtēt par zemu, līdz tas notiek ar tevi: mākoņa diktēšana ir atkarīga no tīkla. Pakalpojuma sniedzēja atteice — un tavs diktēšanas taustiņš nedara neko. Viesnīcas Wi-Fi pazūd — un teikums var izgaist gaidīšanas ritenītī. Lidmašīna. Tunelis vilcienam. VPN, kas pārslēdzas tieši nepareizajā brīdī. Tas nav viena produkta defekts; tā ir atkarības no turp-atpakaļ ceļojuma cena.

Šīs situācijas nežēlība ir tajā, kas tieši izgāžas. Ja tava piezīmju lietotne nokrīt, tu atver teksta failu. Ja nokrīt tava diktēšana, tu zaudē ievades veidu — to, ap kuru biji izveidojis muskuļu atmiņu, teikuma vidū, parasti tad, kad rokas bija aizņemtas ar ko citu. Tieši tāpēc tu vispār diktēji.

Zem pieejamības sūdzības guļ privātuma jautājums: vai tavas balss audio pamet datoru? Mākoņa transkripcijas ceļā ieraksti ar tevi, kas domā skaļi — klientu vārdi, neizlaistas funkcijas, drošības problēma, ko apraksti kolēģim —, ceļo uz kāda cita infrastruktūru, lai kļūtu par tekstu. Šis ceļš var būt atkarīgs arī no sesijām, kontiem un pakalpojuma pieejamības ārpus tavas kontroles.

Es Keebye atbildi uz šo uzbūvēju, pirms to formulēju kā funkciju, jo mana paša prasība bija skarba: tam bija jāstrādā ar izslēgtu Wi-Fi. Lūk, kā tas patiesībā izskatās un ko tas maksā.

Kāpēc mākoņa diktēšana izgāžas līdz nullei

Kategorijas līmeņa mehāniku ir vērts izklāstīt, jo tā izskaidro, kāpēc šī sūdzība nekad pilnībā nepazūd, lai cik labi produkti kļūtu.

Mākoņa diktēšanas ciklam ir vismaz četri posmi: uztvert audio tavā datorā, nosūtīt to uz serveri, tur veikt secinājumus, nosūtīt tekstu atpakaļ. Katrs posms ir atkarība — tavs tīkls, viņu tīkls, viņu autentifikācijas slānis, viņu jauda, viņu darbspēja. Ķēde parasti ir kārtībā. Bet, kad kāds posms lūzt, lūzt viss cikls, un tas lūzt līdz nullei. Ne „lēnāk”, ne „mazāk precīzi” — pie tava kursora nenonāk nekas. Degradācija būtu paciešama; diktēšana degradējas līdz klusumam.

Pakalpojumu sniedzēji var būvēt pret to stingri, bet nevar salabot posmus, kas viņiem nepieder: viesnīcas maršrutētāju, lidojumu, tavu korporatīvo VPN, incidentu maģistrālajā tīklā starp tevi un viņiem. Rīks, kura pieejamība atkarīga no vairākām sistēmām, var izgāzties, kad nepieejama ir kaut viena no tām.

Kas notiek, ja nav mākoņa, no kura atkāpties?

Keebye arhitektūra uz šo jautājumu atbild, to noņemot. Runas pārvēršana tekstā notiek pilnībā uz ierīces — ONNX modeļi, lokāli secinājumi, uz tava Mac paša silīcija. Diktēšanas ceļā ir nulle tīkla izsaukumu. Ne „mēs tos minimizējam”, ne „mēs tos apvienojam paketēs” — nulle. Nav arī telemetrijas. Nekādas. Kad turi taustiņu un runā, neviena pakete tavā vārdā nepamet datoru.

Gribu pasvītrot arhitektūras punktu, jo tā ir atšķirība starp šo un „bezsaistes režīmu”. Bezsaistes režīms ir rezerves variants: normālais ceļš iet uz mākoni, un, kad mākonis nav sasniedzams, pārņem degradēts lokālais ceļš — ja lietotne to pamana laikus, ja lokālais ceļš tiek uzturēts, ja nodošana teikuma vidū nostrādā. Keebye nav šādas nodošanas, jo tam nav mākoņa ceļa, no kura nodot. Lokālie secinājumi nav rezerves plāns; tie ir vienīgais plāns. Atteice augšpusē to nevar salauzt tā paša iemesla dēļ, kāpēc elektrības pārrāvums citā valstī nevar izslēgt tavu galda lampu. Imunitāte pēc konstrukcijas, nevis ar atkāpšanos.

Šeit bez atsevišķas iestatījumu lapas atbildi gūst arī klusākā sūdzība. Tavs audio nekad nepamet datoru — ne šifrēts pārraidē, ne anonimizēts, vienkārši nekad nenosūtīts, jo nav kurp to sūtīt. Ja ieslēdz diktēšanas vēsturi, saglabāts tiek tikai teksts, lokālā SQLite datubāzē uz tava paša diska. (Šī vēsture ir savs ērtību stāsts — atkārtojošā sūdzība „kur pazuda mans diktējums?” —, ko aprakstījām rakstā tavam diktējumam nekad nevajadzētu vienkārši izgaist.) Un konta un sesijas trauslums pazūd kopā ar kontiem: diktēšanas ceļā nav mākoņa sesijas, kurai beigties, tāpēc starp tevi un strādājošu īsinājumtaustiņu nestāv nekāda atkārtota autentifikācija.

Vienīgā reize, kad internets tomēr vajadzīgs

Nepieciešamais godīgums, pateikts tieši: modeļiem kaut kā jānonāk tavā datorā. Pirmajā palaišanas reizē Keebye lejupielādē savu runas modeli — aptuveni 700 MB angļu valodas dzinējam un ap 1,3 GB, ja ieslēdz daudzvalodu dzinēju. Tā ir īsta lejupielāde, vienreiz uz katru dzinēju, un tai vajag internetu.

Pēc tam modeļi dzīvo uz diska, un transkripcija pret tiem notiek lokāli, ar tīklu vai bez, līdz tos noņem vai nomaina. Bet, ja pirmā palaišana notiek lidmašīnā, tev nepaveicas līdz nolaišanās brīdim — uzstādīšanu izdari pirms ceļojuma, nevis tā laikā. Labāk to dzirdi no manis, nekā atklāj virs Atlantijas okeāna.

Precizitātes jautājums, atbildēts godīgi

Lejupielāde ir mazā atruna. Lūk, lielākā, jo uz ierīces balstīti rīki to mēdz izlaist.

Lielākie mākoņa modeļi var būt precīzāki par uz ierīces darbojošos modeli. Modelim, kas aizpilda servera skapi, ir jauda, kādas 700 MB failam nav, un izlikties par ko citu nozīmētu apvainot tavu saprātu. Ko es teikšu — un ko ticu, dzīvojot ar abiem — ir tas, ka plaisa ir stipri sarukusi un, vēl svarīgāk, ka kļūmju veidi pēc būtības atšķiras. Uz ierīces darbojoša modeļa sliktākā diena ir nepareizi sadzirdēts vārds, ko izlabo. Mākoņa modeļa sliktākā diena ir nulle izvades, jo tā precizitāte tiek reizināta ar tā pieejamību, un pieejamība ir tas loceklis, kas vilcienā nokrīt līdz nullei. Kuru kļūmes veidu tu labāk gribi, atkarīgs no tavas dienas; manā ir par daudz vilcienu.

Šodien tas ir tikai macOS un agrīnajā piekļuvē. Nav Windows versijas, un ir tās raupjās malas, ko agrīnā piekļuve nozīmē. Ja tavs uzstādījums vispirms ir Windows, godīgā atbilde ir, ka Keebye tev vēl nevar palīdzēt.

Ja izsver to pret rīku, ko jau lieto, salīdzinājumu lapas ir šī argumenta objektīvā versija. Keebye vs Superwhisper salīdzina divus produktus ar transkripciju uz ierīces; Keebye vs Wispr Flow aptver lēmumu par lokālo pret mākoni. Un, ja alternatīva, ko izsver, ir macOS iebūvētā diktēšana, balss diktēšana Mac datoram apraksta, ko iebūvētā dara labi un kur Keebye atšķiras.

Pieejamība ir funkcija

Diktēšanas kategorija gadiem ir sacentusies precizitātes procentos, un precizitāte ir svarīga. Bet sūdzība, kas cilvēkus patiešām liek mainīt rīkus, reti ir „tas mani vienreiz nepareizi sadzirdēja”. Tā ir „tas atkal pārstāja strādāt, un es nezinu, kāpēc, un risinājums ietvēra kaut kur pieteikšanos”. Pieejamība — garlaicīga, neglamūra pieejamība — ir tā funkcija, ko pamana tikai kā trūkumu.

Veids, kā padarīt ievades metodi tikpat uzticamu kā tastatūru, ir dot tai to pašu atkarību sarakstu, kāds ir tastatūrai: dators tavā priekšā un nekas cits. Tāda ir visa konstrukcija.

Keebye ir agrīnajā piekļuvē macOS videi. Sāc bezmaksas izmēģinājumu zemāk, veic pirmās palaišanas lejupielādi, kamēr vēl ir internets, tad iebrauc vilciena tunelī — vai vienkārši izslēdz Wi-Fi — un nodiktē to pašu teikumu vēlreiz.