Minden jelentős diktálótermék – a Dragon, az Otter, a Google diktálása, az Apple diktálása, minden felhőalapú transzkripciós SaaS – az Ön hangját egy másik szerverén keresztül küldi. A hangot a gépén rögzíti, HTTPS-en keresztül egy adatközpontba továbbítja, ott transzkribálja, és a szöveg visszajön. Néha a hangot tárolják. Néha modellek tanítására használják. Néha „anonimizálják”, ami egy szó, amely elvesztette jelentésének nagy részét.
Úgy gondoljuk, hogy ez a rossz alapértelmezés.
Mit diktálnak valójában az emberek
Amint elkezdi figyelni a valós használatot, a diktálás tartalma szinte soha nem hétköznapi. Ez:
- Orvosi jegyzetek – egy orvos átír egy konzultációt.
- Jogi tervezetek – egy ügyvéd, aki indítványt vagy ügyféllevelet diktál.
- Újságírás – interjúk nevesített forrásokkal, akik feltételezték, hogy a felvétel nem hagyja el az újságíró gépét.
- Terápiás jegyzetek – egy pszichológus írja össze a munkamenetek összefoglalóit.
- Üzleti stratégia – egy vezető, aki üzletekről, emberekről, pénzről szóló feljegyzéseket fogalmaz.
- Személyes naplók – azok a dolgok, amelyekre az emberek valójában gondolnak, és amelyeket senki másnak soha nem szabad elolvasnia.
Mindez alapértelmezetten rendszeresen feltöltődik felhőszolgáltatásokba. Gyakran a HIPAA, a GDPR, az ügyvéd-ügyfél titoktartás vagy az alapvető tisztesség megsértésével – mert a felhasználó nem vette észre, vagy nem volt más lehetősége.
Miért más a Voice Pro megközelítése
- Felhő nélküli mód, pont. Nem létezik „küldés szerverre a jobb pontosság érdekében” kapcsoló. A modell a CPU-n vagy a GPU-n fut. Ez az egyetlen lehetőség.
- Nincs telemetria. Az alkalmazás nem küld adatokat a használati statisztikákról, hibajelentésekről vagy bármi másról. Az egyetlen hálózati kérések: (a) licencellenőrzés indításkor, (b) frissítésellenőrzés, (c) opcionális, manuális modellletöltések. Mindhárom dokumentált és letiltható.
- A transzkripcióhoz nincs szükség fiókra. Használhatod a 14 napos próbaidőszakot fiók létrehozása nélkül. E-mail címre csak akkor van szükség, ha licenceket szeretnél vásárolni.
- A hang soha nem kerül a lemezre. A hangpuffer a RAM-ban él a transzkripció során, és azonnal felszabadul, amint a szöveg elkészül. Nincs mit kiszivárogtatni, nincs mit törvényszéki úton visszaszerezni.
Fel tudják-e venni a versenyt a helyi modellek a felhővel?
Két évvel ezelőtt nem. Egy helyi, 100 MB-os modell egy laptop CPU-ján nem érhette felül azt, amit a Google adatközpontja végzett 200 GB-os modellel és 40 GPU-val.
Ma, igen. A közepes kategóriás CPU-n futó Qwen3-ASR 3B a legtöbb nyelven a nagy felhőszolgáltatókhoz képest 2%-on belül lévő szóhibaszázalékot ér el, és legyőzi Alacsony erőforrás-igényű nyelveken, ahol a felhőszolgáltatóknak kevesebb tanítási adatuk van. Diktálás esetén kifejezetten – rövid, szándékos megszólalásoknál – a különbség közel 0%. A helyi ASR csendben elég jóvá vált, és folyamatosan javul. Mi csak azok vagyunk, akik úgy döntöttünk, hogy szállítjuk.
Az elv
A hangod a legszemélyesebb adat, amit létrehozol. Magában hordozza az identitásodat, a gondolataidat, azokat az embereket, akikről beszélsz, és azokat a szavakat, amelyeket akkor választottál, amikor senki sem szerkesztett. Nem hagyhatja el a gépedet, hacsak te kifejezetten és tudatosan el nem küldöd valahová.
Ez nem marketingfogás. Ez az egész oka annak, hogy a termék létezik.