Saki to, ko es teicu: diktēšana bez AI pārrakstīšanas

Par AI uzlaboto diktēšanu ir sūdzība, kas izklausās paradoksāla, līdz esi to piedzīvojis: transkripcija bija kārtībā — sabojāja tas, kas notika pēc transkripcijas. Tu pateici vienu, un rīks piegādāja noslīpētu, pašpārliecinātu, mazliet citādu lietu. Klusi izmesta nozīmes atruna. Noņemta piesardzība. Teikums pārbūvēts par kaut ko, ko tu nekad neteiktu. Un šī raksta ļaunākajā versijā — tajā, kuras dēļ cilvēki uz vietas pamet rīku — jēga apgriežas otrādi. „Nedeploji, kamēr testi nav izturēti” otrā galā iznāk kā instrukcija par deployošanu, tikai bez ne.

Gadījuma diktēšanā tas ir kaitinoši. Tam, kā es diktēšanu patiešām lietoju — barojot promptus Claude Code, darbplūsmai no Claude Code vadīšanas ar balsi —, tā ir inde. Kodēšanas aģents tavus vārdus uztver kā specifikāciju. Tas nezina, ka tavs diktēšanas rīks tevi pārfrāzēja. Ja nozīmes atruna, kas instrukciju padarīja drošu, tika nogludināta kaut kur starp tavu muti un termināli, aģents priecīgi izpildīs nogludināto versiju. Precizitāte ir visa prompta jēga, un AI pārrakstīšanas slānis ir mašīna precizitātes noņemšanai, vienlaikus panākot, ka rezultāts izskatās vēl apzinātāks.

Kāpēc AI diktēšanas rīki pārraksta tavus vārdus?

Kategorijas līmeņa atbilde nav tā, ka kāds būtu apņēmies runu kropļot. Tā ir tāda, ka „sakārto šo transkripciju” ir patiešām pievilcīga funkcija, un acīmredzamais veids, kā to uzbūvēt, ir izlaist neapstrādāto transkriptu caur valodas modeli.

Neapstrādāta runa ir juceklīga — parazītvārdi, neveiksmīgi sākumi, atkārtoti vārdi, trūkstošas pieturzīmes. LLM, kam liek to sakārtot, rada skaistu izvadi. Nepatikšanas ir tajā, ka valodas modelis nerediģē tā, kā rediģē cilvēks korektors, kurš izmet „ē”. Tas ģenerē no jauna. Izvade ir jauns teksts, ko modelis uzskata par labu tavas ievades versiju, un „labs” ir tā vieta, kur noplūst tavs nodoms. Modeļiem, kas trenēti uz izpalīdzību un raitumu, ir viedoklis: piesardzības izskatās pēc trokšņa, nozīmes atrunas izskatās pēc nekārtības, neveikls, bet precīzs formulējums izskatās pēc kaut kā uzlabojama. Lielākoties pārrakstīšana ir nekaitīga. Bet tā ir varbūtiska, un pēc izvades tu nevari pateikt, kuri teikumi tika transkribēti un kuri sacerēti. Slīpējums ir vienmērīgs; uzticamība — nē.

Tā ir dziļā problēma ar LLM pieslīpēšanas konveijeriem: tie izgāžas klusi un pašpārliecināti. Runas atpazinējs, kas tevi nepareizi sadzird, parasti rada kaut ko redzami nepareizu. Pārrakstīšanas slānis, kas tevi nodod, rada kaut ko redzami pareizu — gramatisku, ticamu, ar tavu balsi —, un tieši tāpēc apgrieztais „nedeploji” tiek nosūtīts, nevis pieķerts.

Burtisks pēc noklusējuma

Keebye nostāja ir vienkārša: tas, ko sadzirdēja runas pārvēršanas tekstā modelis, ir tas, kas nonāk pie tava kursora. Pēc noklusējuma starp transkripciju un tavu termināli nesēž valodas modelis, kas sacer labāku tevis versiju — noklusējuma pieslīpēšanas posms ir īss deterministisku noteikumu saraksts, un tas ir viss.

Tā ir apzināta likme, un tā nāk no vibecoding lietojuma. Kad tava diktēšana ir vadības kanāls kodēšanas aģentiem, rīka darbs ir transports, nevis autorība. Rakstnieks esi tu; auditorija ir aģents; diktēšanas slānim viedokļu nevajadzētu būt. Šī darbplūsma — veselu promptu izrunāšana rakstīšanas vietā — izklāstīta sadaļā balss diktēšana AI promptiem.

Keebye LLM pieslīpēšana tomēr ir — pie tās nonākšu —, bet tā jāieslēdz pašam, tā darbojas pilnībā tavā datorā un tā strādā zem aizsarga, kas veidots, lai noraidītu izplatītākos aizpeldēšanas, nekontrolētas izplešanās un atkārtošanās veidus. Ja izvade šo pārbaudi neiztur, Keebye atkāpjas pie noteikumiem. Noklusējums paliek noteikumi.

Ko tad tā tīrīšana patiesībā dara?

Burtisks nenozīmē neapstrādāts. Keebye piegādā pēc izvēles pieejamu tīrīšanas soli — uzlabošanu, pēc noklusējuma ieslēgtu un pārrakstāmu katrai lietotnei atsevišķi —, bet tā ir balstīta uz noteikumiem, nevis modeli, un pilns saraksts ar to, ko tā dara, ietilpst vienā rindkopā:

Tā izmet atsevišķi stāvošus parazītvārdus (um, uh, erm, you know). Tā saspiež tūlītējus vārdu atkārtojumus — „un un” kļūst par „un”. Tā saspiež atstarpes. Tā uzraksta pirmo burtu ar lielo un pieliek punktu beigās, ja tu to neizdarīji. Tas ir viss saraksts. Noteikumi ir deterministiski un šauri; tie apzināti nepārkārto teikuma daļas, nenoņem noliegumus un neaizvieto vārdus ar sinonīmiem.

Pirms tīrīšanas darbojas tavas vārdnīcas aizvietojumi — lietotāja definētas aizstāšanas žargonam un īpašvārdiem, ko runas modeļi sakropļo, tāpēc „pnpm” un tavu moduļu nosaukumi pienāk uzrakstīti tā, kā tos raksta tava koda bāze.

Un, ja pat uz noteikumiem balstītais solis ir vairāk iejaukšanās, nekā tu gribi, izslēdz uzlabošanu, un Keebye ievieto neapstrādāto runas modeļa transkriptu: ar parazītvārdiem, atkārtojumiem un visu pārējo. Dažos kontekstos — citējot kādu, diktējot laukā, kurā punkts beigās kaut ko salauž — neapstrādātais transkripts ir labākā izvēle, un pārrakstīšana katrai lietotnei ļauj to izvēlēties.

Pēc izvēles ieslēdzamā pieslīpēšana un uzticamības aizsargs ap to

Tagad LLM, ko apsolīju. Tiem, kas gribētu gudrāku tīrīšanu, Keebye piedāvā pēc izvēles ieslēdzamu pieslīpēšanas režīmu (polish_mode iestatīts uz local_llm): mazs Qwen3 modelis, kas darbojas uz ierīces caur llama.cpp, ar Metal paātrinājumu, neko nekur nesūtot. Tā instrukcijas ir šaurā pieslīpēšanas versija — salabot pieturzīmes un lielos burtus, izmest parazītvārdus, saglabāt lietotāja precīzos vārdus, valodu un nozīmi, saglabāt kodu un failu nosaukumus burtiski. Ģenerēšana ir deterministiska (alkatīgā izlase, tā pati ievade → tā pati izvade) un ierobežota; ja modelis iestrēgst pāri divu sekunžu termiņam, tā izvade tiek pamesta.

Bet instrukcijas ir cerības, un šis raksts eksistē tāpēc, ka cerības nav garantijas. Tāpēc katrs ar LLM pieslīpēts rezultāts izlaižas cauri uzticamības aizsargam, pirms drīkst pieskarties tavam kursoram. Izvadei jāsaglabā vismaz 50% no sākotnējās transkripcijas simboliem. Tā nedrīkst uzpūsties — viss, kas pārsniedz aptuveni divkāršu sākotnējo garumu (plus četri simboli), neiztur. Nekontrolēta atkārtošanās tiek atklāta. Ja pieslīpētais rezultāts kādu no šīm pārbaudēm neiztur, Keebye to izmet un tā vietā atkāpjas pie uz noteikumiem balstītās tīrīšanas.

Šis aizsargs pieķer būtisku simbolu zudumu, nekontrolētu izplešanos un atkārtošanos, pirms modeļa izvade var aizstāt ar noteikumiem iztīrīto transkriptu. Tā ir heiristika, nevis semantisks pierādījums: īsa pārrakstīšana vai izmainīts noliegums joprojām var izturēt tā sliekšņus. Ja kāda nozīmes atruna nedrīkst aizpeldēt, turi AI pieslīpēšanu izslēgtu un pārskati ievietoto tekstu, pirms to nosūti.

Godīgie ierobežojumi

Burtisks nozīmē burtisks. Ja tu klaiņo, klaiņošana arī nonāk galā — pat pēc izvēles ieslēdzamā pieslīpēšana ir instruēta un apsargāta virzienā uz tīrīšanu, nevis sacerēšanu, tāpēc Keebye nepārvērtīs līkumainu domu par asu instrukciju. Disciplīna teikt to, ko domā, paliek tavā pusē.

Uz noteikumiem balstītā tīrīšana ir apzināti stulba. Tā izmet „um”; tā nesalabos tavu gramatiku, nepārbūvēs sapinušos teikumu un nepamanīs, ka tu sev pretrunā. Jebkas gudrāks atkal ieviestu tos spriedumus, no kuriem šī konstrukcija eksistē, lai izvairītos.

Un uzticamība sargā pret pārrakstīšanu, nevis pret nepareizu atpazīšanu. Ja runas modelis vārdu „cache” sadzird kā „cash”, šī kļūda tiek uzticami saglabāta — aizsargam nav ne jausmas, ko tu gribēji pateikt, tikai tas, kas tika transkribēts. Burtiska diktēšana pārceļ uzticēšanās robežu uz STT modeli; tā to nelikvidē. (Saistīti: ja tava problēma ir modelis, kas transkribē pilnīgi nepareizā valodā, tā ir cita kļūme ar citu risinājumu — piefiksē savu diktēšanas valodu.)

Visbeidzot, kategorijas rāmis: AI pieslīpēšana nav krāpšana, un daudzi lietotāji patiešām dod priekšroku izvadei, kas lasās gludāk, nekā viņi runā. Ja tas esi tu, citi rīki uz to labi balstās, un mūsu salīdzinājumi to godīgi pasaka — Keebye vs Wispr Flow un Keebye vs Superwhisper abos ir īsta sadaļa „kad otrs rīks der labāk”.

Transports, nevis autorība

Darījums, ko Keebye piedāvā, ir šaurs ar nolūku: tu runā, un viegli iztīrīts transkripts nonāk tur, kur ir tavs kursors. Kad šie vārdi ir prompti aģentam, kas pēc tiem rīkosies burtiski, šaurums ir funkcija. Visdārgākais, ko diktēšanas rīks var nodarīt izstrādātājam, nav drukas kļūda. Tas ir raits teikums, ko tu nekad neteici.

Keebye ir agrīnajā piekļuvē macOS videi. Sāc bezmaksas izmēģinājumu zemāk, nodiktē „Nedeploji, kamēr testi nav izturēti” un pārbaudi, vai tieši šis ierobežojums tīrīšanu pārdzīvo. Šis tests ir viss produkts.