Nowy sposób wprowadzania tekstu

Przez całą nowożytną historię klawiatura była naszym podstawowym sposobem komunikacji z maszynami. Wpisujemy polecenia, piszemy kod, redagujemy wiadomości. Ale w miarę jak AI staje się współpracownikiem, a nie tylko narzędziem, ilość kontekstu, który musimy przekazać, gwałtownie wzrosła. Klawiatura już nie wystarcza.

Technologia rozpoznawania mowy osiągnęła punkt zwrotny. Mówienie jest teraz pełnoprawną metodą wprowadzania danych — nie nowinka, ale prawdziwa alternatywa dla pisania. To zmiana paradygmatu w interakcji człowieka z komputerem.

Podobnie jak nauka pisania na klawiaturze QWERTY, wprowadzanie głosowe wymaga praktyki. Ale krzywa uczenia się jest znacznie krótsza, a zyski produktywności znacznie większe. Chcemy zapewnić nie tylko narzędzie, ale nowe doświadczenie — takie, które zmieni sposób, w jaki myślisz o wprowadzaniu danych.

Większość narzędzi głos-na-tekst jest tworzona w USA, zoptymalizowana pod kątem angielskiego. Działają wystarczająco dobrze dla osób anglojęzycznych, ale jakość gwałtownie spada dla innych języków. Gdy języki się mieszają — japoński z angielskimi terminami technicznymi, wietnamski z fragmentami kodu — istniejące narzędzia często zawodzą całkowicie.

Główny programista koedesk jest Japończykiem pracującym z Wietnamu. To bezpośrednie doświadczenie używania wprowadzania głosowego w różnych językach i akcentach ukształtowało każdą decyzję projektową. Zauważyliśmy to, co inni przeoczyli: lukę w dokładności między angielskim a resztą świata.

Dlatego zalecamy ElevenLabs Scribe v2 jako domyślny model. Zapewnia konsekwentnie wysoką dokładność we wszystkich językach — nie tylko angielskim i japońskim, ale także wietnamskim, indonezyjskim, hiszpańskim i dziesiątkach innych. koedesk jest obecnie jedną z niewielu aplikacji desktopowych oferujących integrację ze Scribe v2.

koedesk jest celowo prosty. Naciśnij klawisz, mów, puść. Twoje słowa pojawiają się tam, gdzie jest kursor. Żadnych dodatkowych kroków, żadnej konfiguracji na start.

Pod maską jesteśmy obsesyjnie skupieni na wydajności. Aplikacja jest zbudowana w Rust — tym samym języku, który jest używany do silników przeglądarek i systemów operacyjnych. Wykrywanie aktywności głosowej, przechwytywanie dźwięku i inicjowanie transkrypcji są zoptymalizowane pod kątem minimalnego opóźnienia. Gdy przestajesz mówić, tekst pojawia się niemal natychmiast.

Większość konkurencyjnych narzędzi używa dwuetapowego procesu: modelu mowa-na-tekst do surowej transkrypcji, a następnie lekkiego LLM do usuwania słów wypełniających, poprawiania gramatyki i przeformatowania wyniku. My stosujemy inne podejście. Scribe v2 jest wystarczająco dokładny, że przetwarzanie LLM jest zbędne. Ufamy bezpośrednio wynikowi modelu.

To świadomy wybór. W miarę jak modele mowa-na-tekst będą się dalej ulepszać, potrzeba przetwarzania LLM zniknie. Utrzymując prostą architekturę, koedesk bezpośrednio korzysta z każdego ulepszenia bazowych modeli — bez warstw złożoności pomiędzy.

Guide Inc. to firma zajmująca się tworzeniem oprogramowania z siedzibą w Tokio w Japonii, z biurem programistycznym w Ho Chi Minh w Wietnamie. Założona w 2021 roku, specjalizujemy się w technologii finansowej — budujemy platformy handlowe i aplikacje mobilne dla głównych japońskich instytucji finansowych.

koedesk narodził się z naszej codziennej pracy. Jako programiści budujący złożone systemy finansowe, potrzebowaliśmy szybszego sposobu komunikacji z asystentami kodowania AI, pisania dokumentacji i redagowania wiadomości — bez odrywania rąk od klawiatury. Zbudowaliśmy narzędzie, którego nam brakowało, i postanowiliśmy podzielić się nim ze światem.