شرکت Granola که بیشتر با دستیار هوشمند یادداشت‌برداری جلساتش شناخته می‌شود، روز ۲۹ اکتبر قابلیتی برای دیکته عرضه کرد. این قابلیت Voice Typing نام دارد و به کاربران مک امکان می‌دهد در هر برنامه‌ای صحبت کنند و متنی پاکیزه و قالب‌بندی‌شده درست در جای مکان‌نما تحویل بگیرند. این ابزار در نسخه آزمایشی اپ دسکتاپ مک در دسترس است، در همه طرح‌های اشتراک Granola بدون هزینه اضافه ارائه می‌شود و شرکت می‌گوید نسخه‌های ویندوز و موبایل هم در راه است.

روش کار عمداً ساده طراحی شده است. کاربر روی یک کادر متنی کلیک می‌کند، کلید میان‌بر را که به‌طور پیش‌فرض کلید fn است نگه می‌دارد و حرف می‌زند. تا وقتی Granola گوش می‌دهد، نشانگر کوچکی با موج صدا در پایین صفحه دیده می‌شود و با رها کردن کلید، متن در جای خود قرار می‌گیرد. دو بار زدن پشت‌سرهم کلید میان‌بر حالت بدون دست را برای متن‌های طولانی‌تر فعال می‌کند و هر دیکته می‌تواند تا ۲۰ دقیقه ادامه یابد. فشردن کلید Esc عملیات را بدون درج متن لغو می‌کند.

Granola تأکید می‌کند که این قابلیت رونویسی خام نیست. بر اساس صفحات راهنمای شرکت، نرم‌افزار کلمات زائد و تکرارهای ناخواسته را حذف می‌کند، علائم نگارشی می‌گذارد، ایده‌ها را در بندهای جدا می‌نویسد و فهرست‌های گفتاری را به فهرست نقطه‌دار یا شماره‌دار تبدیل می‌کند و در عین حال واژه‌های خود گوینده را نگه می‌دارد. این ابزار می‌تواند قالب متن را هم با مقصد هماهنگ کند؛ ایمیل با سلام و بندبندی نوشته می‌شود و پیام گفت‌وگو کوتاه می‌ماند. به گفته شرکت، این قابلیت هرگز به دستورها پاسخ نمی‌دهد و آن‌ها را اجرا نمی‌کند؛ اگر کاربر درخواستی را در ChatGPT دیکته کند، همان درخواست درج می‌شود. کاربران می‌توانند چند زبان را انتخاب کنند یا از گزینه Auto-detect بهره ببرند، نام‌ها را به واژه‌نامه شخصی بیفزایند و با فعال کردن گزینه زمینه صفحه، اجازه دهند برنامه فعال خوانده شود تا نام‌ها درست نوشته شوند. دیکته به اینترنت و مجوزهای Accessibility و میکروفون در macOS نیاز دارد.

این عرضه مرزی را کم‌رنگ می‌کند که تا چندی پیش دو گونه از استارتاپ‌های هوش مصنوعی صوتی را از هم جدا می‌کرد. TechCrunch یادآوری می‌کند که Wispr که کسب‌وکارش را بر پایه دیکته ساخته بود، چند ماه پیش ابزار یادداشت‌برداری جلسه را اضافه کرد و شرکت‌هایی مانند Fireflies، Speechify و Monologue هم هر دو کارکرد را در یک اپ جمع کرده‌اند. به گزارش TechCrunch، ارزش Granola یک‌ونیم میلیارد دلار و ارزش Wispr دو میلیارد دلار است و Wispr از طریق یک آزمایشگاه پژوهشی روی ساخت مدل‌های اختصاصی هم سرمایه‌گذاری می‌کند.

برای Granola، دیکته دامنه حضورش را از چند ساعت جلسه در هفته به نوشتن روزمره گسترش می‌دهد، از جمله درخواست‌هایی که کاربران برای دستیارهای هوش مصنوعی مانند Claude و ChatGPT می‌نویسند. رایگان بودن این قابلیت در همه طرح‌ها نشان می‌دهد شرکت آن را ابزاری برای افزایش استفاده روزانه می‌بیند، نه منبع درآمدی جداگانه.

از آنجا که Voice Typing هنوز آزمایشی است و فقط روی مک کار می‌کند، دقت، سرعت و نحوه استفاده آن از زمینه صفحه هنوز به‌طور گسترده از سوی ارزیابان مستقل سنجیده نشده است.

منابع