Dyktowanie dla programistów to nie tylko angielski

W większości narzędzi deweloperskich siedzi wygodne założenie: skoro kod pisze się angielskimi słowami kluczowymi, to programista musi pracować po angielsku. Każdy, kto naprawdę pracował w zespole w Bukareszcie, São Paulo, Warszawie czy Kijowie, wie, jak bardzo to nieprawda.

Owszem, funkcja nazywa się getUserSession, a komunikat commita jest prawdopodobnie po angielsku. Ale spójrz na wszystko wokół kodu: wątek na Slacku, w którym zgłoszono błąd, wiadomość do klienta tłumacząca opóźnienie, wewnętrzny dokument opisujący plan migracji, komentarz w code review, który wymaga dyplomacji, notatki ze standupu. W dwujęzycznym zespole cała ta warstwa może dziać się w języku zespołu.

Narzędzia do dyktowania tymczasem traktowały mowę inną niż angielska głównie jako dodatek: technicznie obsługiwaną gdzieś w menu ustawień, rzadko projektowaną z myślą o niej, prawie nigdy nie jako nagłówek. Jeśli dyktowanie ma być prawdziwym kanałem wprowadzania tekstu dla twórców — a nie demem — musi działać w języku, w którym naprawdę myślisz.

Dwujęzyczny dzień pracy to normalny dzień pracy

Wygląda to tak: myślisz w ojczystym języku, kodujesz po angielsku i przełączasz się między nimi przez cały dzień. Rumuński programista pisze retryWithBackoff, a potem przechodzi na Slacka i po rumuńsku tłumaczy, dlaczego logika ponawiania w ogóle potrzebowała backoffu. Niemiecki inżynier robi review PR-a w angielskiej składni i opisuje go niemiecką prozą.

Pisanie na klawiaturze radzi sobie z tą dwujęzycznością bez problemu, bo klawiaturze jest wszystko jedno, w jakim języku piszesz. Ale w chwili, gdy dodajesz głos, narzędziu nagle przestaje być wszystko jedno. Jeśli Twoje dyktowanie działa dobrze tylko po angielsku, możesz dyktować przyległe do kodu angielskie fragmenty, ale nie wiadomości, dokumenty i wyjaśnienia, które piszesz w innym języku.

Ostrzej widać to w pracy na równoległych agentach, którą opisaliśmy w Sterowanie Claude Code głosem. Jeśli Twój głos jest kanałem sterowania kilkoma torami — promptujesz agenta w jednym oknie, odpowiadasz koledze w drugim — to narzędzie do dyktowania, które potyka się poza angielskim, psuje dokładnie połowę Twoich torów. Prompt do agenta działa; odpowiedź do współpracownika nie.

Co Keebye z tym faktycznie robi

Deklaracje o obsłudze języków to miejsce, w którym marketing dyktowania robi się mglisty, więc oto dokładnie to, co Keebye dziś implementuje — nie więcej, nie mniej.

Domyślny silnik jest strojony pod angielski. Nie zamierzamy tego zakopywać. Model dostępny od razu po instalacji jest zoptymalizowany pod szybkie, dokładne dyktowanie po angielsku, bo to najmniejszy dobry domyślny wybór, a wielu użytkownikom nic więcej nie jest potrzebne.

Silnik wielojęzyczny jest opcją pierwszej kategorii i działa lokalnie. Przełącz się w ustawieniach na silnik Canary, a dostaniesz zamianę mowy na tekst na urządzeniu w 25 językach: bułgarskim, chorwackim, czeskim, duńskim, niderlandzkim, angielskim, estońskim, fińskim, francuskim, niemieckim, greckim, węgierskim, włoskim, łotewskim, litewskim, maltańskim, polskim, portugalskim, rumuńskim, rosyjskim, słowackim, słoweńskim, hiszpańskim, szwedzkim, ukraińskim — z wyborem języka, żeby przypiąć ten, w którym pracujesz. Jak wszystko w Keebye, działa na Twoim Macu: dźwięk Twojej rozmowy z zespołem we własnym języku nigdy nie opuszcza maszyny, a po pobraniu modelu wszystko działa dalej offline.

Natywny silnik Apple też tu jest. Jeśli wolisz korzystać z rozpoznawania mowy wbudowanego już w macOS — które działa w języku Twojego systemu — Keebye może użyć jego, bez żadnego pobierania modelu.

Twój żargon jedzie z Tobą. Własny słownik działa niezależnie od silnika, co w pracy wielojęzycznej znaczy więcej, nie mniej — każdy zespół wypracowuje własną kreolę nazw produktów, angielskich zapożyczeń i lokalnej gramatyki owiniętej wokół nich.

I szczera granica: 25 języków to 25 języków, a nie „każdy język”. Jeśli Twojego nie ma na tej liście, wielojęzyczny silnik Keebye dziś Cię nie obsłuży, a wolimy to powiedzieć, niż zaokrąglić w górę do marketingowej liczby. (Codzienna mechanika — przypinanie języka, szybkie przełączanie w pasku menu, co się dzieje, gdy autowykrywanie zgadnie źle — jest w Przypnij swój język dyktowania.)

Dlaczego to rzadkie i dlaczego to szansa

Wielojęzyczne dyktowanie działające przede wszystkim lokalnie jest naprawdę nieczęste. Chmurowe produkty do dyktowania mają zwykle najszersze listy języków — wysyłanie dźwięku do dużych modeli po stronie serwera to łatwy sposób na dodawanie języków — ale to przepuszcza Twoją mowę przez cudzą infrastrukturę, czego niektóre zespoły po prostu nie mogą zaakceptować. Ten kompromis wyłożyliśmy uczciwie w Keebye vs Wispr Flow. Z kolei narzędzia lokalne historycznie wychodziły od angielskiego, a inne języki traktowały jak pozycję do odhaczenia. (Użytkownicy Superwhispera ważący to samo pytanie mogą przeczytać nasze porównanie.)

Powstaje przez to prawdziwa luka: programista, który chce dyktować po polsku i zatrzymać dźwięk na własnej maszynie, ma mniej miejsc, gdzie może stanąć.

To także sprawa osobista. Historia założyciela Keebye — Dwoje dzieci, trzy startupy, jeden głos — jest przypadkiem historią rumuńskojęzycznego twórcy pracującego z międzynarodowymi startupami: dokładnie ten dwujęzyczny podział, który opisuje ten tekst, przeżywany codziennie. Silnik wielojęzyczny nie jest funkcją dodaną pod rynek. To funkcja, której założyciel potrzebował do południa.

Dokąd to zmierza

Nasz zakład jest prosty: wprowadzanie głosowe dla twórców będzie oceniane tak jak klawiatury — albo działa w Twoim języku, albo jest zepsute. „Angielski plus gwiazdka” nie przetrwa zderzenia z prawdziwymi zespołami.

Jeśli pracujesz w jednym z tych 25 języków, zacznij bezpłatny okres próbny poniżej. Przełącz silnik na Canary, przypnij swój język i podyktuj następną odpowiedź na Slacku tak, jak naprawdę byś ją powiedział — a potem napisz nam, co się zepsuło, w dowolnym języku.