Uusi tapa syöttää tekstiä

Koko modernin historian ajan näppäimistö on ollut ensisijainen tapamme kommunikoida koneiden kanssa. Kirjoitamme komentoja, koodia, viestejä. Mutta kun tekoäly muuttuu yhteistyökumppaniksi pelkän työkalun sijaan, välitettävän kontekstin määrä on räjähtänyt. Näppäimistö ei enää riitä.

Puheesta tekstiksi -teknologia on saavuttanut käännepisteen. Puhuminen on nyt käyttökelpoinen syöttötapa — ei uutuus, vaan aito vaihtoehto kirjoittamiselle. Tämä on paradigman muutos siinä, miten ihmiset vuorovaikuttavat tietokoneiden kanssa.

Kuten QWERTY-näppäimistöllä kirjoittamisen oppiminen, äänisyöttö vaatii harjoittelua. Mutta oppimiskäyrä on paljon lyhyempi ja tuottavuuden kasvu paljon suurempi. Haluamme tarjota pelkän työkalun sijaan uuden kokemuksen — sellaisen, joka muuttaa tapaa ajatella syöttöä itsessään.

Useimmat puheesta tekstiksi -työkalut on rakennettu Yhdysvalloissa ja optimoitu englannille. Ne toimivat riittävän hyvin englanninkielisille, mutta laatu heikkenee jyrkästi muiden kielten kohdalla. Kun kielet sekoittuvat — japani englanninkielisten teknisten termien kanssa, vietnam koodinpätkien kanssa — olemassa olevat työkalut hajoavat usein täysin.

koedeskin pääkehittäjä on japanilainen, joka työskentelee Vietnamista käsin. Tämä omakohtainen kokemus äänisyötön käytöstä eri kielillä ja aksenteilla muovasi jokaisen suunnittelupäätöksen. Huomasimme sen, minkä muut ohittivat: tarkkuuskuilun englannin ja muun maailman välillä.

Siksi suosittelemme ElevenLabs Scribe v2:ta oletusmalliksi. Se tarjoaa jatkuvasti korkean tarkkuuden kaikilla kielillä — ei vain englanniksi ja japaniksi, vaan myös vietnamiksi, indonesiaksi, espanjaksi ja kymmenillä muilla kielillä. koedesk on tällä hetkellä yksi harvoista työpöytäsovelluksista, jotka tarjoavat Scribe v2 -integraation.

koedesk on tarkoituksella yksinkertainen. Paina näppäintä, puhu, vapauta. Sanasi ilmestyvät sinne, missä kursorisi on. Ei ylimääräisiä vaiheita, ei asetuksia tarvita aloittamiseen.

Konepellin alla olemme pakkomielteisiä suorituskyvystä. Sovellus on rakennettu Rust-kielellä — samalla kielellä, jota käytetään selainmoottoreissa ja käyttöjärjestelmissä. Puheaktiviteetin tunnistus, äänitallennus ja litteroinnin käynnistys on kaikki viritetty minimaaliselle viiveelle. Kun lopetat puhumisen, teksti ilmestyy lähes välittömästi.

Useimmat kilpailevat työkalut käyttävät kaksivaiheista prosessia: puheesta tekstiksi -mallia raakalitterointiin, jota seuraa kevyt LLM täytesanojen siivoamiseen, kieliopin korjaamiseen ja tulosteen uudelleenmuotoiluun. Me otamme erilaisen lähestymistavan. Scribe v2 on riittävän tarkka, että LLM-jälkikäsittely on tarpeetonta. Luotamme suoraan mallin tulosteeseen.

Tämä on tietoinen valinta. Kun puheesta tekstiksi -mallit jatkavat paranemistaan, LLM-jälkikäsittelyn tarve katoaa. Pitämällä arkkitehtuurimme yksinkertaisena koedesk hyötyy suoraan jokaisesta taustalla olevien mallien parannuksesta — ilman monimutkaisuuskerroksia välissä.

Guide Inc. on ohjelmistokehitysyritys, jonka kotipaikka on Tokio, Japani, ja kehitystoimisto Ho Chi Minhin kaupungissa, Vietnamissa. Vuonna 2021 perustettu yrityksemme erikoistuu finanssiteknologiaan — rakennamme kaupankäyntialustoja ja mobiilisovelluksia suurille japanilaisille rahoituslaitoksille.

koedesk syntyi päivittäisestä työstämme. Monimutkaisia rahoitusjärjestelmiä rakentavina kehittäjinä tarvitsimme nopeamman tavan kommunikoida AI-koodausassistenttien kanssa, kirjoittaa dokumentaatiota ja laatia viestejä — ilman käsien irrottamista näppäimistövirrasta. Rakensimme työkalun, jonka olisimme toivoneet olevan olemassa, ja päätimme jakaa sen maailman kanssa.