Κάθε σημαντικό προϊόν υπαγόρευσης — Dragon, Otter, η υπαγόρευση της Google, η υπαγόρευση της Apple, κάθε SaaS μεταγραφής στο cloud — στέλνει τη φωνή σας μέσω του διακομιστή κάποιου άλλου. Ο ήχος καταγράφεται στη συσκευή σας, μεταδίδεται μέσω HTTPS σε ένα κέντρο δεδομένων, μεταγράφεται εκεί και το κείμενο επιστρέφει. Μερικές φορές ο ήχος αποθηκεύεται. Μερικές φορές χρησιμοποιείται για την εκπαίδευση μοντέλων. Μερικές φορές «ανωνυμοποιείται», μια λέξη που έχει χάσει το μεγαλύτερο μέρος της σημασίας της.
Θεωρούμε ότι αυτή είναι η λάθος προεπιλογή.
Τι πραγματικά υπαγορεύουν οι άνθρωποι
Μόλις αρχίσετε να παρακολουθείτε την πραγματική χρήση, το περιεχόμενο της υπαγόρευσης σχεδόν ποτέ δεν είναι τυχαίο. Είναι:
- Ιατρικές σημειώσεις — ένας γιατρός που μεταγράφει μια ιατρική εξέταση.
- Νομικά προσχέδια – ένας δικηγόρος που υπαγορεύει μια κίνηση ή επιστολή πελάτη.
- Δημοσιογραφία – συνεντεύξεις με αναφερόμενες πηγές που υπέθεσαν ότι η ηχογράφηση δεν θα φύγει από τη μηχανή του δημοσιογράφου.
- Σημειώσεις θεραπείας — ένας ψυχολόγος που συντάσσει συνοπτικά των συνεδριών.
- Επιχειρηματική στρατηγική — ένα στέλεχος που συντάσσει σημειώσεις για συμφωνίες, ανθρώπους, χρήματα.
- Προσωπικά ημερολόγια — αυτά που σκέφτονται πραγματικά οι άνθρωποι, κάτι που κανείς άλλος δεν θα έπρεπε ποτέ να διαβάσει.
Όλα αυτά μεταφέρονται συνήθως από προεπιλογή σε υπηρεσίες νέφους. Συχνά παραβιάζοντας τους κανονισμούς HIPAA, GDPR, το δικαίωμα απόρρητου δικηγόρου-πελάτη ή απλή ευπρέπεια — επειδή ο χρήστης δεν το συνειδητοποίησε ή δεν είχε εναλλακτική.
Τι κάνει διαφορετικά το Voice Pro
- Λειτουργία χωρίς cloud, τελεία και πέρας. Δεν υπάρχει διακόπτης για «αποστολή στον διακομιστή για μεγαλύτερη ακρίβεια». Το μοντέλο λειτουργεί στον CPU ή GPU σας. Αυτή είναι η μόνη επιλογή.
- Χωρίς τηλεμετρία. Η εφαρμογή δεν στέλνει δεδομένα χρήσης, αναφορές σφαλμάτων ή οτιδήποτε άλλο. Οι μόνες δικτυακές κλήσεις είναι (α) ο έλεγχος άδειας κατά την εκκίνηση, (β) ο έλεγχος ενημερώσεων, (γ) προαιρετικές χειροκίνητες λήψεις μοντέλων. Και οι τρεις είναι καταγεγραμμένες και μπορούν να απενεργοποιηθούν.
- Δεν απαιτείται λογαριασμός για τη μεταγραφή. Μπορείτε να χρησιμοποιήσετε τη δοκιμαστική περίοδο 14 ημερών χωρίς να δημιουργήσετε λογαριασμό. Το email απαιτείται μόνο αν θέλετε να αγοράσετε μια άδεια.
- Ο ήχος δεν αποθηκεύεται ποτέ στο δίσκο. Ο buffer ήχου βρίσκεται στη RAM κατά τη διάρκεια της μεταγραφής και απελευθερώνεται τη στιγμή που παράγεται το κείμενο. Δεν υπάρχει τίποτα να διαρρεύσει, τίποτα να ανακτηθεί με φορενικές μεθόδους.
Μπορούν τα τοπικά μοντέλα να ανταποκριθούν πραγματικά στο cloud;
Πριν από δύο χρόνια, όχι. Ένα τοπικό μοντέλο 100 MB σε CPU φορητού υπολογιστή δεν μπορούσε να φτάσει αυτό που έκανε το data center της Google με 200 GB μοντέλου και 40 GPU.
Σήμερα, ναι. Το Qwen3-ASR 3B που εκτελείται σε ένα CPU μέσης κατηγορίας επιτυγχάνει ποσοστά σφάλματος λέξης εντός 2% από τους μεγάλους παρόχους cloud στις περισσότερες γλώσσες, και κερδίζει σε γλώσσες χαμηλών πόρων όπου οι πάροχοι cloud έχουν λιγότερα δεδομένα εκπαίδευσης. Για την υπαγόρευση συγκεκριμένα — σύντομες, σκόπιμες εκφορές — η διαφορά πλησιάζει το 0%. Το τοπικό ASR έχει γίνει αθόρυβα αρκετά καλό και συνεχίζει να βελτιώνεται. Εμείς είμαστε απλώς αυτοί που επιλέγουμε να το διαθέσουμε.
Η αρχή
Η φωνή σας είναι το πιο προσωπικό δεδομένο που παράγετε. Φέρει την ταυτότητά σας, τις σκέψεις σας, τους ανθρώπους για τους οποίους μιλάτε, τις λέξεις που επιλέξατε όταν κανείς δεν τις επεξεργαζόταν. Δεν πρέπει να φύγει από τον υπολογιστή σας, εκτός αν το στείλετε ρητά και συνειδητά κάπου αλλού.
Αυτό δεν είναι μια προώθηση. Αυτός είναι ο μόνος λόγος για τον οποίο υπάρχει το προϊόν.