Offline Transkripce
Proč to konečně funguje
Léta znamenala lokální transkripce pomalejší a horší. To se změnilo.
Trochu kontextu
Před pár lety, pokud jste chtěli přesnou transkripci, museli jste nahrát audio na server někoho jiného. Lokální možnosti existovaly, ale byly znatelně horší. Kompromis byl skutečný.
Pak se stalo pár věcí. OpenAI vydala Whisper jako otevřený model. Apple začal dodávat čipy s dedikovaným AI hardwarem. Najednou mohly stejné modely, které poháněly cloudové služby, běžet na notebooku.
Začali jsme stavět Whisper Notes přibližně v té době, hlavně proto, že jsme to sami potřebovali. Ukázalo se, že spousta lidí hledala totéž.
Co se změnilo
Tři věci dříve dělaly z cloudové transkripce jasnou volbu. Všechny tři se posunuly.
Výpočetní výkon
AI modely, které dělají transkripci, jsou velké—stovky milionů parametrů. Jejich běh býval pomalý a vybíjel baterii na spotřebitelském hardwaru.
Neural Engine od Apple to změnil. Je to dedikovaný čip pro AI úlohy a je v každém Macu řady M a novém iPhonu. Whisper Large v3 Turbo nyní pohodlně běží na MacBooku Air.
Na telefonech používáme menší modely optimalizované pro mobilní čipy. Nejsou tak přesné jako velký model, ale stále lepší než většina vestavěného diktování.
Přesnost
Tohle nás překvapilo. Očekávali jsme, že lokální modely budou "dost dobré". Ve skutečnosti jsou docela dobré.
Whisper Large v3 má nižší chybovost slov než většina systémového diktování. A rozdíl mezi lokálními a cloudovými API se hodně zmenšil. Pro většinu případů použití si pravděpodobně nevšimnete rozdílu.
To mění kalkulaci. Pokud je přesnost srovnatelná, hlavní důvod nahrávat audio mizí.
Soukromí
Nejsme tu, abychom vás strašili cloudovými službami. Většina z nich zachází s daty odpovědně.
Ale je rozdíl mezi "slibují, že to nezneužijí" a "nikdy to neměli". Váš hlas je biometrický údaj—na rozdíl od hesla ho nemůžete změnit, pokud se něco pokazí.
S lokální transkripcí zůstává vaše audio na vašem zařízení. Ne zašifrované-a-pak-nahrané. Prostě... zůstává. Pro některé lidi to hodně znamená. Pro jiné možná ne. Stavěli jsme pro první skupinu.
Kdy co použít
Lokální není vždy správná volba. Takhle o tom přemýšlíme.
Potřebujete spolupráci v reálném čase?
Cloudové nástroje jako Otter jsou na to stavěné. Více lidí upravujících stejný přepis potřebuje centrální server. To je dobré využití cloudu.
Používáte Windows nebo Android?
Lokální AI je na těchto platformách těžší—hardwarová podpora není tak vyspělá. Dragon funguje pro Windows. Na Androidu jsou cloudové služby obvykle praktická volba.
Potřebujete vědět, kdo co řekl?
Identifikace mluvčích (diarizace) vyžaduje další modely. Cloudové služby jako Rev to zvládají dobře. Lokální nástroje dohánějí, ale je to stále oblast, kde má cloud výhodu.
Jen potřebujete soukromou, přesnou transkripci?
Na to jsme se zaměřili. Pokud jsou vaše hlavní obavy soukromí a přesnost, a jste na hardwaru Apple, lokální nyní funguje dobře.
Co dělá Whisper Notes
Spouští Whisper Large v3 Turbo na vašem Macu, nebo menší optimalizovaný model na vašem iPhonu. Vaše audio nikdy neopustí zařízení.
Na Macu běží transkripce přibližně 10-15krát rychleji než v reálném čase pomocí Neural Engine. Hodinová nahrávka trvá pár minut. Na iPhonu je to pomalejší, ale stále praktické pro většinu nahrávek.
$4.99 jednorázově, pro obě platformy. Neprovozujeme servery, takže nepotřebujeme předplatné. To je vše.
Získat Whisper NotesVe zkratce
Lokální transkripce bývala kompromisem. Nyní je to rozumná výchozí volba pro spoustu lidí.
Pokud potřebujete spolupráci nebo pracujete na platformách mimo Apple, cloudové služby stále dávají smysl. Pokud hlavně chcete přesnou, soukromou transkripci na Macu nebo iPhonu, lokální možnost se hodně zlepšila.
Sami používáme Whisper Notes každý den. Dělá to, co jsme potřebovali.
Vyzkoušejte to
Můžete to otestovat v režimu letadlo, pokud chcete ověřit, že se nic nenahrává. Vše funguje stejně.
App Store • $4.99 • Mac a iPhone
Jeden nákup pokrývá obě platformy.