Varje större dikteringsverktyg – Dragon, Otter, Googles diktering, Apples diktering, alla molnbaserade transkriptionstjänster – skickar din röst via någon annans server. Ljudet spelas in på din maskin, strömmas över HTTPS till ett datacenter, transkriberas där och texten skickas tillbaka. Ibland lagras ljudet. Ibland används det för att träna modeller. Ibland "anonymiseras" det, vilket är ett ord som har förlorat större delen av sin betydelse.
Vi anser att det är fel standardinställning.
Vad folk faktiskt dikterar
När man börjar titta på verklig användning är innehållet i dikteringen nästan aldrig vardagligt. Det är:
- Medicinska anteckningar – en läkare som transkriberar en konsultation.
- Juridiska utkast – en jurist som dikterar en framställan eller ett kundbrev.
- Journalistik – intervjuer med namngivna källor som antog att inspelningen inte skulle lämna journalistens dator.
- Terapinoteringar – en psykolog som skriver sammanfattningar av sessionerna.
- Affärsstrategi – en chef som utformar PM om affärer, personal och pengar.
- Personliga dagböcker – det som människor faktiskt tänker, vilket ingen annan någonsin bör läsa.
Allt detta laddas vanligtvis upp till molntjänster som standard. Ofta i strid med HIPAA, GDPR, advokat-klientprivilegier eller ren anständighet – eftersom användaren inte insåg det eller inte hade något alternativ.
Vad Voice Pro gör annorlunda
- Inget molnläge, punkt slut. Det finns ingen brytare för ”skicka till server för bättre noggrannhet”. Modellen körs på din CPU eller GPU. Det är det enda alternativet.
- Ingen telemetri. Appen skickar inte hem användningsstatistik, kraschrapporter eller något annat. De enda nätverksanropen är (a) licenskontroll vid start, (b) uppdateringskontroll, (c) valfri manuell nedladdning av modeller. Alla tre är dokumenterade och kan inaktiveras.
- Inget konto krävs för att transkribera. Du kan använda 14-dagarsprovperioden utan att skapa ett konto. E-postadress krävs endast om du vill köpa en licens.
- Ljudet når aldrig disken. Ljudbuffern finns i RAM under transkriberingen och frigörs i det ögonblick texten produceras. Inget att läcka, inget att forensiskt återställa.
Kan lokala modeller verkligen mäta sig med molnet?
För två år sedan, nej. En lokal modell på 100 MB på en laptops CPU kunde inte mäta sig med vad Googles datacenter gjorde med 200 GB modell och 40 GPU:er.
Idag, ja. Qwen3-ASR 3B som körs på en CPU i medelklass uppnår ordfelssiffror inom 2 % av de stora molnleverantörerna för de flesta språk, och slår dem på språk med begränsade resurser där molnleverantörerna har mindre träningsdata. För diktering specifikt – korta, avsiktliga yttranden – är gapet nära 0 %. Lokal ASR har tyst blivit tillräckligt bra, och den blir bättre för varje dag. Vi är bara de som väljer att leverera den.
Principen
Din röst är den mest personliga data du genererar. Den bär på din identitet, dina tankar, de personer du talar om och de ord du valde när ingen redigerade dem. Den bör inte lämna din dator om du inte uttryckligen och med vetskap skickar den någonstans.
Det är ingen marknadsföringsfras. Det är hela anledningen till att produkten finns.