แอปพิมพ์ด้วยเสียงที่ทำงานได้ตอนอินเทอร์เน็ตไม่ทำงาน

คำบ่นบางข้อโผล่มาตอนที่ของพังเท่านั้น ซึ่งเป็นเหตุผลที่มันถูกให้น้ำหนักน้อยเกินไปจนกว่าจะเกิดกับตัวคุณเอง: การพิมพ์ด้วยเสียงบนคลาวด์ขึ้นอยู่กับเครือข่าย ผู้ให้บริการมีเหตุขัดข้อง แล้วปุ่มพิมพ์ด้วยเสียงของคุณก็ทำอะไรไม่ได้เลย Wi-Fi โรงแรมที่หลุด แล้วประโยคหนึ่งก็หายไปในวงกลมหมุน ๆ บนเครื่องบิน ในอุโมงค์รถไฟ VPN ที่เจรจาใหม่ในจังหวะที่ผิดพอดี นี่ไม่ใช่ข้อบกพร่องของผลิตภัณฑ์ตัวใดตัวหนึ่ง มันคือความหมายของการพึ่งพาการวิ่งไปกลับ

ความโหดร้ายของมันอยู่ที่_สิ่งที่_ล้มเหลว ถ้าแอปจดโน้ตของคุณล่ม คุณก็เปิดไฟล์ข้อความ ถ้าการพิมพ์ด้วยเสียงของคุณล่ม คุณสูญเสียวิธีป้อนข้อมูล — สิ่งที่คุณสร้างความเคยชินของกล้ามเนื้อไว้รอบมัน กลางประโยค และมักในตอนที่มือคุณกำลังยุ่งกับอย่างอื่น นั่นคือเหตุผลทั้งหมดที่คุณเลือกพูดแทนพิมพ์ตั้งแต่แรก

ใต้คำบ่นเรื่องความพร้อมใช้งานมีคำถามเรื่องความเป็นส่วนตัวนั่งอยู่: เสียงของคุณออกจากเครื่องไหม ในเส้นทางการถอดเสียงบนคลาวด์ การบันทึกเสียงตอนที่คุณคิดออกมาดัง ๆ — ชื่อลูกค้า ฟีเจอร์ที่ยังไม่ปล่อย ปัญหาความปลอดภัยที่คุณกำลังอธิบายให้เพื่อนร่วมทีมฟัง — เดินทางไปยังโครงสร้างพื้นฐานของคนอื่นเพื่อกลายเป็นข้อความ เส้นทางนั้นยังอาจขึ้นอยู่กับเซสชัน บัญชี และความพร้อมใช้งานของบริการที่อยู่นอกการควบคุมของคุณ

ผมสร้างคำตอบของ Keebye ต่อเรื่องนี้ก่อนที่จะเรียบเรียงมันออกมาเป็นฟีเจอร์ เพราะความต้องการของผมเองมันตรงไปตรงมา: มันต้องทำงานได้ตอนปิด Wi-Fi นี่คือหน้าตาจริงของมัน และต้นทุนของมัน

ทำไมการพิมพ์ด้วยเสียงบนคลาวด์ถึงล้มเหลวลงไปถึงศูนย์

กลไกระดับหมวดหมู่คุ้มค่าที่จะสะกดออกมา เพราะมันอธิบายว่าทำไมคำบ่นนี้ถึงไม่มีวันหายไปสนิท ไม่ว่าผลิตภัณฑ์จะดีขึ้นแค่ไหน

ลูปการพิมพ์ด้วยเสียงบนคลาวด์มีอย่างน้อยสี่ข้อต่อ: จับเสียงบนเครื่องของคุณ ส่งไปยังเซิร์ฟเวอร์ รันการอนุมานที่นั่น ส่งข้อความกลับมา ทุกข้อต่อคือการพึ่งพา — เครือข่ายของคุณ เครือข่ายของเขา ชั้นยืนยันตัวตนของเขา ความจุของเขา เวลาที่ระบบเขาอยู่รอด โซ่นี้มักไม่มีปัญหา แต่เมื่อข้อต่อไหนขาด ลูปทั้งลูปขาด และมันขาดลงไปถึง_ศูนย์_ ไม่ใช่ "ช้าลง" ไม่ใช่ "แม่นน้อยลง" — ไม่มีอะไรมาถึงเคอร์เซอร์ของคุณเลย การเสื่อมคุณภาพยังพอทนได้ แต่การพิมพ์ด้วยเสียงเสื่อมลงเป็นความเงียบ

ผู้ให้บริการวิศวกรรมสู้กับเรื่องนี้ได้อย่างหนักหน่วง แต่พวกเขาซ่อมข้อต่อที่ไม่ได้เป็นเจ้าของไม่ได้: เราเตอร์โรงแรม เที่ยวบิน VPN ขององค์กรคุณ เหตุขัดข้องของโครงข่ายหลักระหว่างคุณกับเขา เครื่องมือที่ความพร้อมใช้งานขึ้นอยู่กับหลายระบบย่อมล้มเหลวได้เมื่อระบบใดระบบหนึ่งไม่พร้อมใช้งาน

จะเกิดอะไรขึ้นเมื่อไม่มีคลาวด์ให้ถอยกลับจาก

สถาปัตยกรรมของ Keebye ตอบคำถามนี้ด้วยการเอามันออกไปเลย การแปลงเสียงเป็นข้อความรันบนเครื่องทั้งหมด — โมเดล ONNX การอนุมานในเครื่อง บนชิปของ Mac คุณเอง ไม่มีการเรียกใช้เครือข่ายในเส้นทางการพิมพ์ด้วยเสียงเลย ไม่ใช่ "เราลดมันให้น้อยที่สุด" ไม่ใช่ "เรารวมมันเป็นชุด" — คือศูนย์ และไม่มี telemetry ด้วย ไม่มีเลย เมื่อคุณกดปุ่มค้างแล้วพูด ไม่มีแพ็กเก็ตไหนออกจากเครื่องในนามคุณ

ผมอยากขีดเส้นใต้ประเด็นเชิงสถาปัตยกรรมนี้ เพราะมันคือความต่างระหว่างสิ่งนี้กับ "โหมดออฟไลน์" โหมดออฟไลน์คือทางถอย: เส้นทางปกติวิ่งไปคลาวด์ และเมื่อคลาวด์เข้าไม่ถึง เส้นทางในเครื่องแบบด้อยคุณภาพก็เข้ามาแทน — ถ้าแอปสังเกตได้ทัน ถ้าเส้นทางในเครื่องยังถูกดูแลอยู่ ถ้าการส่งต่อกลางประโยคทำงานได้ Keebye ไม่มีการส่งต่อแบบนั้นเพราะมันไม่มีเส้นทางคลาวด์ให้ส่งต่อ_จาก_ การอนุมานในเครื่องไม่ใช่แผนสำรอง มันคือแผนเดียว เหตุขัดข้องต้นทางทำมันพังไม่ได้ ด้วยเหตุผลเดียวกับที่ไฟดับในอีกประเทศหนึ่งปิดโคมไฟบนโต๊ะคุณไม่ได้ ภูมิคุ้มกันโดยโครงสร้าง ไม่ใช่โดยทางถอย

ตรงนี้เองที่คำบ่นเงียบ ๆ อีกข้อได้รับคำตอบโดยไม่ต้องมีหน้าตั้งค่า เสียงของคุณไม่เคยออกจากเครื่อง — ไม่ใช่แบบเข้ารหัสระหว่างส่ง ไม่ใช่แบบลบตัวตน แต่คือ_ไม่เคยถูกส่ง_ เพราะไม่มีที่ให้ส่งไป ถ้าคุณเปิดประวัติการพิมพ์ด้วยเสียง สิ่งที่ถูกเก็บคือข้อความเท่านั้น ในฐานข้อมูล SQLite ในเครื่องบนดิสก์ของคุณเอง (ประวัตินั้นเป็นเรื่องคุณภาพชีวิตของมันเอง — คำบ่นที่วนกลับมาว่า "สิ่งที่ฉันพูดหายไปไหน" — ซึ่งเราครอบคลุมไว้ใน สิ่งที่คุณพูดไม่ควรหายไปเฉย ๆ) และความเปราะบางเรื่องบัญชีกับเซสชันก็หายไปพร้อมกับบัญชี: ไม่มีเซสชันคลาวด์ให้หมดอายุในเส้นทางการพิมพ์ด้วยเสียง จึงไม่มีการยืนยันตัวตนใหม่มาขวางระหว่างคุณกับ hotkey ที่ใช้งานได้

ครั้งเดียวที่คุณต้องใช้อินเทอร์เน็ต

ความตรงไปตรงมาที่จำเป็น พูดกันชัด ๆ: โมเดลต้องมาอยู่บนเครื่องคุณด้วยวิธีใดวิธีหนึ่ง ตอนรันครั้งแรก Keebye ดาวน์โหลดโมเดลเสียงของมัน — ราว 700 MB สำหรับเอนจินภาษาอังกฤษ และราว 1.3 GB ถ้าคุณเปิดเอนจินหลายภาษา นั่นคือการดาวน์โหลดจริง ครั้งเดียวต่อหนึ่งเอนจิน และคุณต้องใช้อินเทอร์เน็ตสำหรับมัน

หลังจากนั้นโมเดลอยู่บนดิสก์ และการถอดเสียงรันกับมันในเครื่อง จะมีเครือข่ายหรือไม่ก็ตาม จนกว่าคุณจะลบหรือเปลี่ยนมัน แต่ถ้าการรันครั้งแรกเกิดขึ้นบนเครื่องบิน คุณก็หมดหวังจนกว่าจะลงจอด — ทำการตั้งค่าให้เสร็จก่อนเดินทาง ไม่ใช่ระหว่างเดินทาง ผมอยากให้คุณได้ยินเรื่องนี้จากผม ดีกว่าไปค้นพบมันเหนือมหาสมุทรแอตแลนติก

คำถามเรื่องความแม่นยำ ตอบอย่างตรงไปตรงมา

การดาวน์โหลดคือข้อแม้เล็ก ข้อใหญ่กว่าอยู่ตรงนี้ เพราะเครื่องมือที่รันบนเครื่องชอบข้ามมันไป

โมเดลบนคลาวด์ที่ใหญ่ที่สุดอาจแม่นกว่าโมเดลบนเครื่องได้ โมเดลที่กินพื้นที่ทั้งแร็คเซิร์ฟเวอร์มีความจุที่ไฟล์ขนาด 700 MB ไม่มี และการแกล้งทำเป็นไม่รู้ก็เท่ากับดูถูกสติปัญญาคุณ สิ่งที่ผมจะพูด — และเป็นสิ่งที่ผมเชื่อจากการอยู่กับทั้งสองแบบ — คือช่องว่างนั้นแคบลงมาก และที่สำคัญกว่านั้น โหมดความล้มเหลว ต่างกันโดยธรรมชาติ วันที่แย่ที่สุดของโมเดลบนเครื่องคือคำที่ได้ยินผิดหนึ่งคำที่คุณแก้เอง วันที่แย่ที่สุดของโมเดลบนคลาวด์คือไม่มีผลลัพธ์เลย เพราะความแม่นยำของมันถูกคูณด้วยความพร้อมใช้งาน และความพร้อมใช้งานคือตัวแปรที่กลายเป็นศูนย์บนรถไฟ คุณจะอยากเป็นเจ้าของโหมดความล้มเหลวแบบไหนขึ้นอยู่กับวันของคุณ ส่วนวันของผมมีรถไฟเยอะเกินไป

วันนี้มันมีเฉพาะบน macOS และอยู่ในช่วงเข้าถึงล่วงหน้า ไม่มีบิลด์สำหรับ Windows และมีความหยาบตามที่ช่วงเข้าถึงล่วงหน้าบ่งบอก ถ้าการตั้งค่าของคุณเป็น Windows เป็นหลัก คำตอบตรง ๆ คือ Keebye ยังช่วยคุณไม่ได้

ถ้าคุณกำลังชั่งใจเรื่องนี้เทียบกับเครื่องมือที่คุณใช้อยู่แล้ว หน้าเปรียบเทียบคือฉบับที่เป็นธรรมของข้อโต้แย้งนี้ Keebye เทียบกับ Superwhisper เปรียบเทียบผลิตภัณฑ์สองตัวที่มีเส้นทางถอดเสียงบนเครื่อง ส่วน Keebye เทียบกับ Wispr Flow ครอบคลุมการตัดสินใจระหว่างในเครื่องกับคลาวด์ และถ้าตัวเลือกที่คุณกำลังชั่งใจคือการพิมพ์ด้วยเสียงที่มีมาให้ใน macOS พิมพ์ด้วยเสียงสำหรับ Mac ครอบคลุมว่าตัวที่มีมาให้ทำอะไรได้ดีและ Keebye ต่างจากมันตรงไหน

ความพร้อมใช้งานคือฟีเจอร์

หมวดหมู่การพิมพ์ด้วยเสียงใช้เวลาหลายปีแข่งกันที่เปอร์เซ็นต์ความแม่นยำ และความแม่นยำก็สำคัญ แต่คำบ่นที่ผลักให้คนเปลี่ยนเครื่องมือจริง ๆ แทบไม่เคยเป็น "มันฟังฉันผิดไปหนึ่งครั้ง" มันคือ "มันหยุดทำงานอีกแล้ว และฉันไม่รู้ว่าทำไม และวิธีแก้ต้องล็อกอินเข้าอะไรสักอย่าง" ความพร้อมใช้งาน — ความพร้อมใช้งานที่น่าเบื่อและไม่หรูหรา — คือฟีเจอร์ที่คุณสังเกตเห็นก็ต่อเมื่อมันหายไป

วิธีทำให้วิธีป้อนข้อมูลเชื่อถือได้เท่าแป้นพิมพ์ คือให้มันมีรายการการพึ่งพาเดียวกับแป้นพิมพ์: เครื่องที่อยู่ตรงหน้าคุณ และไม่มีอะไรอื่น นั่นคือการออกแบบทั้งหมด

Keebye อยู่ในช่วงเข้าถึงล่วงหน้าสำหรับ macOS เริ่มทดลองใช้ฟรีได้ด้านล่าง ดาวน์โหลดของการรันครั้งแรกตอนที่ยังมีอินเทอร์เน็ต แล้วเข้าอุโมงค์รถไฟ—หรือแค่ปิด Wi-Fi—แล้วพูดประโยคเดิมอีกครั้ง