Кажи те, що я сказав: диктування без переписування від ШІ

Є скарга на диктування з ШІ-покращенням, яка звучить парадоксально, доки ви її не пережили: транскрипція була нормальна — усе зіпсувало те, що сталося після транскрипції. Ви сказали одне, а інструмент видав відшліфоване, впевнене й трохи інше. Уточнення тихо зникло. Обережне формулювання прибрано. Речення перебудовано на таке, якого ви ніколи б не сказали. А в найгіршому варіанті цієї закономірності — тому, через який люди кидають інструмент на місці — зміст перевертається. «Не розгортай, доки не пройдуть тести» виходить з іншого боку як інструкція про розгортання, мінус те «не».

Для епізодичного диктування це прикрість. Для того, як я справді користуюся диктуванням — подаючи промпти в Claude Code, робочий процес із керування Claude Code голосом, — це отрута. Агент для коду сприймає ваші слова як специфікацію. Він не знає, що ваш інструмент диктування вас переказав. Якщо уточнення, яке робило інструкцію безпечною, згладилося десь між вашим ротом і терміналом, агент бадьоро виконає згладжену версію. Точність — це і є весь сенс промпта, а шар ШІ-переписування — це машина для прибирання точності, яка при цьому робить результат іще більш обміркованим на вигляд.

Чому інструменти диктування з ШІ переписують сказане вами?

Відповідь на рівні категорії не в тому, що хтось намірився спотворювати мовлення. Річ у тім, що «прибери в цій транскрипції» — справді приваблива функція, а очевидний спосіб її побудувати — прогнати сирий транскрипт через мовну модель.

Сире мовлення неохайне: слова-паразити, фальстарти, повтори слів, відсутня пунктуація. LLM, яку попросили це причесати, видає прекрасний результат. Біда в тім, що мовна модель не редагує так, як редагує людина-літредактор, прибираючи «е-е». Вона генерує заново. На виході новий текст, який модель вважає хорошою версією вашого вводу, — і саме в тому «хорошому» витікає ваш намір. Моделі, натреновані на корисність і плавність, мають свої погляди: обережні формулювання схожі на шум, уточнення — на сміття, незграбне-але-точне формулювання — на те, що варто поліпшити. Здебільшого переписування нешкідливе. Але воно імовірнісне, і з результату ви не скажете, які речення транскрибовано, а які складено. Шліфування рівномірне; вірність — ні.

Ось у чому глибока проблема конвеєрів шліфування через LLM: вони відмовляють мовчки й упевнено. Розпізнавач мовлення, який вас недочув, зазвичай видає щось видимо неправильне. Шар переписування, який вас зрадив, видає щось видимо правильне — граматичне, правдоподібне, у вашому голосі, — і саме тому перевернуте «не розгортай» відсилають, а не ловлять.

Дослівно — типова поведінка

Позиція Keebye проста: те, що почула модель перетворення мовлення на текст, і опиняється на вашому курсорі. Типово жодна мовна модель не сидить між транскрипцією і вашим терміналом, складаючи кращу версію вас, — типовий етап шліфування — це короткий список детермінованих правил, і на цьому все.

Це свідома ставка, і походить вона зі сценарію vibe-кодингу. Коли ваше диктування є каналом керування для агентів коду, робота інструмента — транспорт, а не авторство. Ви — автор; агент — аудиторія; шар диктування не має мати думок. Цей робочий процес — наговорювання цілих промптів замість набору — викладено в голосовому диктуванні ШІ-промптів.

Шліфування через LLM у Keebye таки є — я до нього дійду, — але воно вмикається вручну, працює цілком на вашій машині й діє під захистом, спроєктованим відхиляти поширені форми зсуву, некерованого розростання й повторів. Якщо вивід не проходить цю перевірку, Keebye відкочується до правил. Типовим лишається правило.

То що ж насправді робить очищення?

Дослівно не обов’язково означає сиро. Keebye постачається з опційним проходом очищення — покращенням, увімкненим типово й перевизначуваним для кожного застосунку, — але воно на правилах, а не на моделі, і повний список того, що воно робить, вміщається в один абзац.

Воно прибирає окремо стоячі слова-паразити (um, uh, erm, you know). Воно згортає безпосередні повтори слів — «the the» стає «the». Воно згортає пробіли. Воно робить першу літеру великою й додає крапку в кінці, якщо ви не закінчили нею. Це весь список. Правила детерміновані й вузько окреслені; вони не переставляють свідомо частини речення, не прибирають заперечень і не підмінюють слова синонімами.

Перед запуском очищення застосовуються ваші заміни зі словника — визначені користувачем підстановки для жаргону й власних назв, які мовленнєві моделі калічать, щоб «pnpm» і назви ваших модулів надходили написаними так, як їх пише ваша кодова база.

А якщо навіть прохід на правилах — це більше втручання, ніж вам хочеться, вимкніть покращення, і Keebye вставить сирий транскрипт мовленнєвої моделі: зі словами-паразитами, повторами й усім іншим. Для деяких контекстів — цитування когось, диктування в поле, де кінцева крапка все ламає, — сирий транскрипт є кращим вибором, і перевизначення для окремого застосунку дає змогу його обрати.

Шліфування на вибір і захист вірності навколо нього

Тепер та LLM, до якої я обіцяв дійти. Для тих, хто таки хоче розумнішого очищення, Keebye пропонує опційний режим шліфування (polish_mode зі значенням local_llm): невелика модель Qwen3, що працює на пристрої через llama.cpp, із прискоренням Metal, і нікуди нічого не надсилається. Її інструкції — це вузька версія шліфування: виправити пунктуацію й великі літери, прибрати слова-паразити, зберегти точні слова користувача, мову й зміст, зберегти код і назви файлів дослівно. Генерація детермінована (жадібна вибірка, той самий ввід → той самий вивід) і обмежена; якщо модель застрягає понад двосекундний дедлайн, її вивід відкидається.

Але інструкції — це сподівання, і ця стаття існує тому, що сподівання не є гарантіями. Тож кожен відшліфований LLM результат проходить через захист вірності, перш ніж торкнутися вашого курсора. Вивід має зберегти щонайменше 50% токенів початкової транскрипції. Він не має роздуватися — усе, що перевищує приблизно подвійну початкову довжину (плюс чотири токени), не проходить. Некеровані повтори виявляються. Якщо відшліфований результат провалює одну з цих перевірок, Keebye його відкидає й відкочується натомість до очищення за правилами.

Цей захист ловить сильну втрату токенів, некероване розростання й повтори, перш ніж вивід моделі зможе замінити транскрипт, очищений правилами. Це евристика, а не семантичний доказ: коротке переписування чи змінене заперечення все ще можуть пройти її пороги. Якщо уточненню не можна зсунутися, тримайте ШІ-шліфування вимкненим і переглядайте вставлений текст перед надсиланням.

Чесні обмеження

Дослівно означає дослівно. Якщо ви розтікаєтеся думкою, ваше розтікання й надійде — навіть опційне шліфування проінструктоване й захищене в бік очищення, а не складання, тож Keebye не перетворить блукаючу думку на чітку інструкцію. Дисципліна казати те, що маєш на увазі, залишається за вами.

Очищення за правилами навмисно дурне. Воно прибирає «um»; воно не виправить вашу граматику, не перебудує задовге речення й не помітить, що ви самі собі суперечите. Будь-що розумніше повернуло б ті оцінні судження, задля уникнення яких цей задум і існує.

І вірність захищає від переписування, а не від хибного розпізнавання. Якщо мовленнєва модель почує «cache» як «cash», ця помилка вірно збережеться — захист не має уявлення, що ви хотіли сказати, лише те, що було транскрибовано. Дослівне диктування пересуває межу довіри до моделі перетворення мовлення на текст; воно її не прибирає. (Дотично: якщо ваша проблема в тому, що модель транскрибує зовсім не тією мовою, це інший збій з іншим виправленням — закріпіть мову диктування.)

Нарешті, рамка категорії: ШІ-шліфування не є шахрайством, і чимало користувачів справді віддають перевагу виводу, що читається плавніше, ніж вони говорять. Якщо це про вас, інші інструменти добре на це спираються, і наші порівняння кажуть про це чесно — і Keebye vs Wispr Flow, і Keebye vs Superwhisper містять справжній розділ «коли інший інструмент пасує краще».

Транспорт, а не авторство

Угода, яку пропонує Keebye, вузька навмисно: ви говорите, а злегка очищений транскрипт опиняється там, де стоїть ваш курсор. Коли ці слова є промптами для агента, який виконає їх дослівно, вузькість — це функція. Найдорожче, що інструмент диктування може зробити розробникові, — не одрук. Це плавне речення, якого ви ніколи не казали.

Keebye перебуває в ранньому доступі для Mac і Windows. Почніть безкоштовний пробний період нижче, надиктуйте «Не розгортай, доки не пройдуть тести» й перевірте, чи переживе це точне обмеження очищення. Ця перевірка і є весь продукт.