Tạo phụ đề tự động từ chính âm thanh của video
Cách DijiFlow Dictate biến phần âm thanh của video thành các dòng phụ đề khớp thời gian ngay trên máy tính của bạn, v...
Bạn có %itemCount% trong giỏ hàng.Tổng cộng %total%
Câu chuyện và những nguyên tắc làm nên DijiFlow Dictate: chuyển giọng nói thành văn bản một cách riêng tư, giọng nói và văn bản của bạn ở lại trên máy tính.
Mở gần như bất kỳ ứng dụng đọc chính tả nào, bạn cũng sẽ gặp cùng một chuyện diễn ra khuất mắt: bạn nói, và giọng nói của bạn rời khỏi máy tính. Nó đi tới một máy chủ, được một mô hình bạn không nhìn thấy phiên âm, rồi quay về thành chữ sau một thoáng. Sự tiện lợi là có thật. Nhưng cái giá bạn vừa trả cũng có thật: thứ bạn nói ra một cách tự nhiên, ít đề phòng nhất, đã bị ghi âm và xử lý trên phần cứng không phải của bạn.
DijiFlow Dictate ra đời từ một câu hỏi mà chúng tôi không chịu bỏ qua: vì sao đó lại phải là điều mặc định? Đây là ứng dụng chuyển giọng nói thành văn bản với việc phiên âm diễn ra 100% trên thiết bị, dành cho những người viết, lập trình hay ghi chép và muốn giọng nói của mình ở lại với chính mình. Trang này không nói nhiều về chúng tôi, mà về điều chúng tôi muốn chứng minh.
Phần mềm tốt nên giành được lòng tin bằng chính cách nó được thiết kế, chứ không đòi bạn tin suông. Nếu giọng nói của bạn không bao giờ rời khỏi thiết bị, quyền riêng tư không còn là lời hứa mà trở thành sự thật.
Quyết định cốt lõi của DijiFlow Dictate nói thì dễ mà làm thì khó: việc phiên âm diễn ra ngay trên máy. Giọng nói được nhận dạng trên máy tính của bạn, bằng các mô hình chạy ngay trên thiết bị. Âm thanh và văn bản của bạn không bị tải lên. Không tài khoản, không xử lý trên đám mây.
Đó không phải một tính năng gắn thêm cho đẹp lời quảng cáo. Đó là toàn bộ ý nghĩa của sản phẩm. Khi âm thanh không bao giờ rời khỏi máy tính, không có nhật ký máy chủ nào để rò rỉ, không có vụ xâm nhập nào làm lộ bản phiên âm, cũng không có lần đổi chính sách âm thầm nào khiến lời bạn nói bắt đầu bị gửi đi đâu đó. Chính cấu trúc của ứng dụng làm thay việc mà các chính sách quyền riêng tư thường phải hứa hẹn. Chúng tôi muốn xây nên sự bảo đảm hơn là viết nó ra giấy.
Điều đó cũng có nghĩa là việc phiên âm vẫn tiếp tục khi mất mạng. Bạn có thể ngắt kết nối ngay giữa câu, và đọc chính tả vẫn chạy y như cũ. Đó là tiêu chuẩn chúng tôi tự đặt ra: nếu một công cụ cần đến đám mây để làm việc chính của nó, thì nó chưa thực sự là của bạn.
Vài nguyên tắc định hình gần như mọi quyết định của chúng tôi về DijiFlow Dictate.
Dữ liệu an toàn nhất là dữ liệu chưa từng bị thu thập. Chúng tôi thiết kế để thứ nhạy cảm nhất, tức giọng nói của bạn, không bao giờ đi tới nơi nó có thể bị thất lạc.
Đọc chính tả nên giống như một phần nối dài của việc gõ phím, chứ không phải một nơi bạn phải ghé vào. Ứng dụng nằm trên thanh menu của Mac và trong khay hệ thống của Windows: bạn nhấn phím tắt, nói, và chữ hiện ra ngay chỗ con trỏ đang đứng.
Chúng tôi nói rõ mỗi mô hình giọng nói tốn bao nhiêu dung lượng và mang lại độ chính xác thế nào, và chúng tôi giữ phiên bản miễn phí thực sự hữu ích thay vì cắt xén để ép bạn nâng cấp.
Chúng tôi dựa trên những nền tảng mở thay vì làm lại từ đầu. DijiFlow Dictate được xây dựng trên EasyDictate của Charles Lukowski, sử dụng theo giấy phép MIT, và chúng tôi vui vẻ nói rõ điều đó.
Chúng tôi không phát minh ra công nghệ nhận dạng giọng nói và cũng không giả vờ như vậy. DijiFlow Dictate do PITIR TECH phát triển, dựa trên các dự án mã nguồn mở như Whisper, WhisperKit và EasyDictate của Charles Lukowski; mã nguồn theo giấy phép MIT của EasyDictate là một phần nền móng của chúng tôi. Ghi nhận điều đó không phải một dòng chú thích chúng tôi miễn cưỡng thêm vào, mà là cách chúng tôi tin lĩnh vực này nên vận hành. Bài toán thú vị chưa bao giờ chỉ nằm ở mô hình. Điều khó là làm ra một thứ đủ riêng tư, đủ nhanh và đủ dễ chịu để bạn dùng theo phản xạ, hôm nay trên Mac và cả trên Windows.
Đội ngũ DijiFlow nhỏ và tập trung. Chúng tôi không xây một nền tảng kiếm tiền từ dữ liệu của bạn, cũng không muốn thu thập nhiều hơn những gì sản phẩm cần để hoạt động, và giọng nói hay văn bản của bạn không bao giờ nằm trong số đó. Chúng tôi không cần email của bạn để bạn bắt đầu đọc chính tả, không dựng hồ sơ quảng cáo về bạn, cũng không lấy bản ghi âm của bạn để huấn luyện mô hình tiếp theo. Những chuyện đó hoàn toàn không có, và bản ghi âm của bạn không bao giờ đến tay chúng tôi.
Thước đo thành công mà chúng tôi thực sự quan tâm rất lặng lẽ: DijiFlow Dictate trở thành một phần trong cách bạn làm việc mà không đòi hỏi sự chú ý của bạn, để bạn không bao giờ phải băn khoăn giọng nói của mình đã đi đâu. Câu trả lời lúc nào cũng vậy, và đó là toàn bộ lý do chúng tôi làm ra sản phẩm này. Nó vẫn ở lại với bạn.
Nếu cách làm này hợp với bạn, cách tốt nhất để hiểu nó là xem mọi người dùng nó trong công việc ra sao. Hãy xem DijiFlow Dictate hòa vào công việc thực tế như thế nào.