Jauns veids, kā ievadīt tekstu

Visā modernajā vēsturē tastatūra ir bijusi mūsu galvenais veids, kā sazināties ar mašīnām. Mēs rakstām komandas, veidojam kodu, sastādām ziņojumus. Taču, MI kļūstot par sadarbības partneri, nevis tikai rīku, konteksta apjoms, ko nepieciešams nodot, ir eksplodējis. Tastatūra vairs nepietiek.

Runas atpazīšanas tehnoloģija ir sasniegusi pagrieziena punktu. Runāšana tagad ir pilnvērtīga ievades metode — ne jaunums, bet patiesa alternatīva rakstīšanai. Tā ir paradigmas maiņa cilvēka un datora mijiedarbībā.

Tāpat kā mācīšanās rakstīt uz QWERTY tastatūras, balss ievadei ir nepieciešama prakse. Taču mācīšanās līkne ir daudz īsāka, un produktivitātes pieaugums ir daudz lielāks. Mēs vēlamies nodrošināt ne tikai rīku, bet jaunu pieredzi — tādu, kas maina jūsu izpratni par ievadi.

Lielākā daļa balss atpazīšanas rīku ir radīti ASV un optimizēti angļu valodai. Tie pietiekami labi darbojas angliski runājošajiem, bet citām valodām kvalitāte strauji krītas. Kad valodas sajaucas — japāņu ar angļu tehniskajiem terminiem, vjetnamiešu ar koda fragmentiem — esošie rīki bieži pilnībā sabrūk.

koedesk galvenais izstrādātājs ir japānis, kas strādā Vjetnamā. Šī personīgā pieredze, lietojot balss ievadi dažādās valodās un akcentos, veidoja katru dizaina lēmumu. Mēs pamanījām to, ko citi neievēroja: precizitātes plaisu starp angļu valodu un pārējo pasauli.

Tāpēc mēs iesakām ElevenLabs Scribe v2 kā noklusējuma modeli. Tas nodrošina konsekventi augstu precizitāti visās valodās — ne tikai angļu un japāņu, bet arī vjetnamiešu, indonēziešu, spāņu un desmitiem citu. koedesk pašlaik ir viena no retajām darbvirsmas lietotnēm, kas piedāvā Scribe v2 integrāciju.

koedesk ir apzināti vienkāršs. Nospiediet taustiņu, runājiet, atlaidiet. Jūsu vārdi parādās tur, kur ir kursors. Nekādu papildu soļu, nekādas konfigurācijas, lai sāktu.

Zem pārsega mēs esam apsēsti ar veiktspēju. Lietotne ir veidota Rust valodā — tajā pašā valodā, ko izmanto pārlūkprogrammu dzinējiem un operētājsistēmām. Balss aktivitātes noteikšana, audio uztveršana un transkripcijas uzsākšana ir optimizētas minimālai latencei. Kad pārstājat runāt, teksts parādās gandrīz uzreiz.

Lielākā daļa konkurējošo rīku izmanto divpakāpju procesu: runas atpazīšanas modeli neapstrādātai transkripcijai, kam seko viegls LLM aizpildījuma vārdu noņemšanai, gramatikas labošanai un pārformatēšanai. Mēs izvēlējāmies citu pieeju. Scribe v2 ir pietiekami precīzs, lai LLM pēcapstrāde nebūtu nepieciešama. Mēs uzticamies modeļa izvadei tieši.

Tas ir apzināts lēmums. Runas atpazīšanas modeļiem turpinot uzlaboties, nepieciešamība pēc LLM pēcapstrādes izzudīs. Saglabājot vienkāršu arhitektūru, koedesk tieši gūst labumu no katra pamata modeļa uzlabojuma — bez sarežģītības slāņiem starp tiem.

Guide Inc. ir programmatūras izstrādes uzņēmums, kas atrodas Tokijā, Japānā, ar izstrādes biroju Hošiminā, Vjetnamā. Dibināts 2021. gadā, mēs specializējamies finanšu tehnoloģijās — veidojam tirdzniecības platformas un mobilās lietotnes lielām Japānas finanšu iestādēm.

koedesk dzima no mūsu ikdienas darba. Kā izstrādātāji, kas veido sarežģītas finanšu sistēmas, mums bija nepieciešams ātrāks veids, kā sazināties ar MI kodēšanas palīgiem, rakstīt dokumentāciju un veidot ziņojumus — nenoņemot rokas no tastatūras plūsmas. Mēs izveidojām rīku, kuru vēlējāmies, un nolēmām to dalīt ar pasauli.