Automatiska undertexter: så skapar du dem från videons ljud
Hur DijiFlow Dictate gör om ljudspåret i en video till tidsatta undertextrader på din dator, och vilket av de fyra fo...
Du har %itemCount% i din varukorg.Totalt %total%
Med diktering på enheten stannar röst och text på din dator, utan konto och utan bearbetning i molnet. Så här fungerar privat tal till text.
Öppna en vanlig dikteringsapp, och din röst ger sig ut på resa. Mikrofonen spelar in dig, ljudet laddas upp till en server, en modell någonstans långt bort transkriberar det, och strax därefter kommer texten tillbaka. Det känns ögonblickligt. Men under de där sekunderna låg dina ord på hårdvara som du inte äger, under villkor som du inte har skrivit.
DijiFlow Dictate skickar aldrig iväg dem. Talet spelas in, transkriberas och blir text helt och hållet på den dator du sitter vid. Varken ljud eller text laddas upp, och ingen kopia sparas på någon server. När vi säger att din röst stannar på din enhet är det inte ett lugnande besked. Det är en beskrivning av hur appen är byggd.
Det viktigaste
Inbyggd integritet betyder att själva konstruktionen gör en läcka omöjlig, inte att en policy lovar att den inte ska hända.
Många dikteringsverktyg framhåller att ljudet krypteras under överföringen. Det är bra, men se efter vad det faktiskt skyddar: ljudet på vägen till servern. I samma stund som det kommer fram dekrypterar leverantören det, så att modellen kan läsa det.
Därefter litar du på en rad saker som du inte kan se: en inställning för hur länge data sparas, en lista över vem som har åtkomst, en leverantörs goda avsikter och en integritetspolicy som kan skrivas om nästa kvartal. Krypteringen skyddar vägen, men inte det som händer vid målet.
Bearbetning på enheten tar bort själva målet. Ingen server är inblandad, så det finns inget andra ställe där rösten dekrypteras, loggas eller sparas. Inspelningen, transkriptionen och den färdiga texten stannar i hårdvara som du redan äger.
DijiFlow Dictate kör sina talmodeller direkt på din dator: på Apples Neural Engine och GPU i en Mac, och på GPU:er från AMD, Intel eller NVIDIA i Windows. Ingen tjänst på distans gör jobbet, och det finns ingen reservlösning som i tysthet skickar ljudet någon annanstans när modellen är osäker. Modellen på din dator är hela systemet.
Eftersom arbetet sker lokalt får du några saker som de flesta molnverktyg inte kan erbjuda:
Den sista punkten kan du testa själv. Dra ur nätverkskabeln, stäng av wifi och fortsätt diktera. Fungerar det fortfarande, och det gör det, så har transkriptionen aldrig skickat något utåt. Ett beteende som du kan kontrollera själv slår ett löfte som du måste tro på.
Skillnaden syns tydligast sida vid sida. Så här ser det ut med dina data i de två fallen.
| Vad som händer med dina data | DijiFlow (på enheten) | Vanligt molnverktyg |
|---|---|---|
| Ljudet stannar på din dator | ✓ | ✗ |
| Transkriptionerna stannar på din enhet | ✓ | ✗ |
| Varken konto eller e-postadress krävs | ✓ | ✗ |
| Rösten bearbetas inte i molnet | ✓ | ✗ |
| Transkriberar med nätverket avstängt | ✓ | ✗ |
| Ingenting hos en leverantör som en domstol kan begära ut | ✓ | ✗ |
Tre siffror säger samma sak.
För många handlar dikteringen om material som inte hör hemma i någon annans loggar. En läkare som skriver journalanteckningar under sträng sekretess. En advokat som dikterar korrespondens som omfattas av tystnadsplikt. En journalist som transkriberar en intervju med en källa som har utlovats anonymitet. En ingenjör som beskriver intern systemarkitektur i ett dokument.
I alla de fallen är den säkraste informationen den som aldrig har skickats någonstans. Med diktering på enheten är dina transkriptioner utom räckhåll för en tredje parts dataintrång, rättsliga krav eller tysta policyändringar, eftersom den tredje parten aldrig har fått dem.
Förr utgick man från att lokal bearbetning kostade träffsäkerhet eller fart, och att modeller på enheten var det sämre alternativet. Det stämmer inte längre. Apple Silicon kör moderna talmodeller snabbt och bra, och DijiFlow känner igen 90+ språk på enheten med automatisk språkidentifiering. 29 av dem har fullt stöd och anpassningsbar ordlista, så att namn, fackord och förkortningar blir rätt.
Du väljer den modellstorlek som passar din dator och dina krav på träffsäkerhet. Resultatet är en transkriptionskvalitet som förr krävde ett datacenter, utan att ljud eller text lämnar ditt skrivbord.
Integriteten är här ingen funktion som du slår på. Eftersom appen är byggd kring lokal bearbetning är det privata beteendet helt enkelt det enda beteendet: det finns ingen inställning att leta efter och inget läge att komma ihåg. För vardagsbruk kostar gratisversionen av DijiFlow Dictate aldrig något, provperioden ger dig alla Pro-funktioner i 30 dagar, och sedan väljer du Pro när du är redo.
Ska dina ord förbli dina? Se hur diktering på enheten passar in i ditt arbete.