Dikteringsappen som fungerar när internet inte gör det

Vissa klagomål dyker bara upp när saker går sönder, vilket är varför de är lätta att underskatta tills det händer dig: molndiktering är beroende av nätverket. En störning hos leverantören, och din dikteringstangent kan ingenting. Hotellwifi som tappar kontakten, och en mening kan försvinna in i en snurra. Ett flygplan. En tunnel på tågresan. Ett VPN som förhandlar om sig precis vid fel ögonblick. Det här är ingen defekt hos en enskild produkt; det är vad det innebär att vara beroende av en tur och retur.

Det grymma med det är vad som fallerar. Om din anteckningsapp går ner öppnar du en textfil. Om din diktering går ner förlorar du en inmatningsmetod — det du hade byggt muskelminne kring, mitt i en mening, oftast medan händerna var upptagna med något annat. Det var ju hela anledningen till att du dikterade.

Under tillgänglighetsklagomålet ligger en integritetsfråga: lämnar ditt ljud maskinen? På en molnbaserad transkriberingsväg färdas inspelningar av dig när du tänker högt — kundnamn, osläppta funktioner, säkerhetsproblemet du beskriver för en kollega — till någon annans infrastruktur för att bli text. Den vägen kan också bero på sessioner, konton och tjänstetillgänglighet utanför din kontroll.

Jag byggde Keebyes svar på det här innan jag formulerade det som en funktion, för mitt eget krav var trubbigt: det måste fungera med wifi avstängt. Så här ser det faktiskt ut, och det här kostar det.

Varför molndiktering fallerar till noll

Mekaniken på kategorinivå är värd att stava ut, för den förklarar varför det här klagomålet aldrig helt försvinner hur bra produkterna än blir.

En molndikteringsslinga har minst fyra länkar: fånga ljud på din maskin, skicka det till en server, köra inferens där, skicka tillbaka text. Varje länk är ett beroende — ditt nätverk, deras nätverk, deras autentiseringslager, deras kapacitet, deras drifttid. Kedjan är oftast hel. Men när någon länk brister brister hela slingan, och den brister till noll. Inte ”långsammare”, inte ”mindre träffsäkert” — ingenting kommer fram vid din markör. Försämring vore uthärdligt; diktering försämras till tystnad.

Leverantörer kan bygga hårt mot det här, men de kan inte laga länkar de inte äger: hotellroutern, flygturen, ditt företags-VPN, stamnätsincidenten mellan dig och dem. Ett verktyg vars tillgänglighet beror på flera system kan fallera när något av dem är otillgängligt.

Vad händer när det inte finns något moln att falla tillbaka från?

Keebyes arkitektur besvarar frågan genom att ta bort den. Tal-till-text körs helt på enheten — ONNX-modeller, lokal inferens, på din egen Macs kisel. Det finns noll nätverksanrop i dikteringsvägen. Inte ”vi minimerar dem”, inte ”vi buntar dem” — noll. Det finns ingen telemetri heller. Ingen. När du håller in tangenten och pratar lämnar inget paket maskinen för din räkning.

Jag vill understryka den arkitektoniska poängen, för det är skillnaden mellan det här och ett ”offlineläge”. Ett offlineläge är en reservväg: den normala vägen går till molnet, och när molnet är onåbart tar en försämrad lokal väg över — om appen märker det i tid, om den lokala vägen underhålls, om överlämningen fungerar mitt i en mening. Keebye har ingen sådan överlämning, för den har ingen molnväg att lämna över från. Lokal inferens är inte reservplanen; den är enda planen. En störning uppströms kan inte knäcka den av samma skäl som ett strömavbrott i ett annat land inte kan släcka din skrivbordslampa. Immunitet genom konstruktion, inte genom reservväg.

Det är också här det tystare klagomålet besvaras utan en inställningssida. Ditt ljud lämnar aldrig maskinen — inte krypterat under överföring, inte anonymiserat, utan helt enkelt aldrig skickat, för det finns inget att skicka det till. Om du slår på dikteringshistoriken lagras enbart text, i en lokal SQLite-databas på din egen disk. (Historiken är sin egen berättelse om vardagstålighet — det återkommande ”vart tog min diktering vägen?” — som vi behandlade i din diktering ska aldrig bara försvinna.) Och skörheten kring konton och sessioner försvinner med kontona: det finns ingen molnsession som kan löpa ut i dikteringsvägen, så ingen ny inloggning står mellan dig och en fungerande hotkey.

Den enda gången du faktiskt behöver internet

Nödvändig ärlighet, tydligt sagt: modellerna måste ta sig till din maskin på något sätt. Vid första körningen laddar Keebye ner sin talmodell — ungefär 700 MB för den engelska motorn, och omkring 1,3 GB om du aktiverar den flerspråkiga. Det är en riktig nedladdning, en gång per motor, och för den behöver du internet.

Efter det bor modellerna på disken och transkriberingen körs lokalt mot dem, med eller utan nätverk, tills du tar bort eller ersätter dem. Men om den första körningen sker på flygplanet har du otur tills du landar — gör uppsättningen före resan, inte under. Jag berättar hellre det för dig än att du upptäcker det över Atlanten.

Frågan om träffsäkerhet, ärligt besvarad

Nedladdningen är det lilla förbehållet. Här är det större, för verktyg som körs på enheten älskar att hoppa över det.

De största molnmodellerna kan vara mer träffsäkra än en modell på enheten. En modell som fyller ett serverrack har kapacitet som en fil på 700 MB inte har, och att låtsas något annat vore att förolämpa ditt förstånd. Det jag vill säga — och det jag tror efter att ha levt med båda — är att gapet har krympt betydligt, och viktigare: felmoderna skiljer sig i art. En modell på enheten har som sin sämsta dag ett felhört ord du rättar. En molnmodell har som sin sämsta dag noll utdata, för dess träffsäkerhet multipliceras med dess tillgänglighet, och tillgängligheten är den term som går mot noll på tåget. Vilken felmod du hellre äger beror på din dag; min innehåller för många tåg.

Den finns bara för macOS i dag, och den är i tidig åtkomst. Ingen Windows-version, och de skrovliga kanter som tidig åtkomst innebär. Om din uppsättning är Windows först är det ärliga svaret att Keebye inte kan hjälpa dig än.

Om du väger det här mot ett verktyg du redan använder är jämförelsesidorna den rättvisa versionen av det här argumentet. Keebye vs Superwhisper jämför två produkter med transkribering på enheten; Keebye vs Wispr Flow täcker beslutet mellan lokalt och moln. Och om alternativet du väger är dikteringen som är inbyggd i macOS täcker röstdiktering för Mac vad den inbyggda gör bra och var Keebye skiljer sig.

Tillgänglighet är en funktion

Dikteringskategorin har tillbringat år med att konkurrera om träffsäkerhetsprocent, och träffsäkerhet spelar roll. Men klagomålet som faktiskt får folk att byta verktyg är sällan ”den hörde fel en gång”. Det är ”den slutade fungera, igen, och jag vet inte varför, och lösningen innebar att logga in på något”. Tillgänglighet — tråkig, oglamorös tillgänglighet — är funktionen du bara märker som sin egen frånvaro.

Sättet att göra en inmatningsmetod lika pålitlig som ett tangentbord är att ge den samma beroendelista som ett tangentbord: maskinen framför dig, och inget annat. Det är hela designen.

Keebye är i tidig åtkomst för macOS. Starta din kostnadsfria provperiod nedan, gör förstagångsnedladdningen medan du fortfarande har internet, kör sedan in i tågtunneln — eller stäng bara av wifi — och diktera samma mening igen.