Gặp gỡ PITIR TECH: sứ mệnh và những nguyên tắc đằng sau DijiFlow Dictate

Mở gần như bất kỳ ứng dụng đọc chính tả nào và cùng một điều diễn ra khuất tầm mắt: bạn nói, và giọng nói của bạn rời khỏi căn phòng. Nó di chuyển đến một máy chủ, được một mô hình bạn không thể thấy phiên âm, rồi trở về dưới dạng văn bản một thoáng sau. Sự tiện lợi là thật. Nhưng sự đánh đổi bạn vừa thực hiện cũng vậy — hình thức nhập liệu không phòng bị nhất của bạn, bị ghi âm và xử lý trên phần cứng bạn không sở hữu.

PITIR TECH bắt đầu từ một câu hỏi bướng bỉnh: vì sao đó lại phải là mặc định? Chúng tôi là studio phần mềm của Ninu Limited tại Anh Quốc, và chúng tôi tạo ra các công cụ AI ưu tiên quyền riêng tư chạy hoàn toàn trên phần cứng của riêng bạn. Sản phẩm đầu tiên của chúng tôi, DijiFlow Dictate, là biểu hiện rõ ràng nhất của ý tưởng đó. Trang này không nói nhiều về chúng tôi mà về điều chúng tôi đang cố chứng minh.

Phần mềm tốt nên giành lấy lòng tin của bạn bằng thiết kế, chứ không phải yêu cầu bạn tin một cách mù quáng. Nếu giọng nói của bạn không bao giờ rời khỏi thiết bị, quyền riêng tư thôi là một lời hứa và trở thành một sự thật.

Vì sao chọn trên thiết bị, và vì sao điều đó quan trọng với chúng tôi

Quyết định nằm ở trung tâm của DijiFlow Dictate thì dễ nói mà khó xây: mọi thứ chạy cục bộ. Việc nhận dạng giọng nói diễn ra trên máy của riêng bạn, dùng các mô hình giọng nói Whisper mã nguồn mở thông qua CoreML của Apple và WhisperKit mã nguồn mở. Không có gì được tải lên. Không tài khoản, không đám mây, không thu thập dữ liệu.

Đó không phải một tính năng chúng tôi lắp thêm để có một dòng tiếp thị. Đó là toàn bộ mục đích. Khi âm thanh không bao giờ rời khỏi máy tính của bạn, không có nhật ký máy chủ nào để rò rỉ, không có vụ vi phạm nào có thể phơi bày bản phiên âm của bạn, và không có thay đổi chính sách âm thầm nào bắt đầu gửi lời của bạn đi đâu đó mới. Kiến trúc làm phần việc mà các chính sách quyền riêng tư thường phải gánh. Chúng tôi thà xây nên sự bảo đảm còn hơn viết nó ra.

Nó cũng có nghĩa là ứng dụng vẫn chạy khi mạng thì không. Bạn có thể ngắt kết nối giữa chừng một câu và đọc chính tả tiếp diễn y hệt. Đó là chuẩn mực chúng tôi tự đặt ra cho mình: nếu một công cụ cần đám mây để làm phần việc chính của nó, thì nó không thực sự là của bạn.

Điều chúng tôi tin

Một số ít nguyên tắc định hình gần như mọi quyết định chúng tôi đưa ra về DijiFlow Dictate.

1. Quyền riêng tư mang tính cấu trúc

   Dữ liệu an toàn nhất là dữ liệu chưa bao giờ được thu thập. Chúng tôi thiết kế sao cho thứ nhạy cảm nhất — giọng nói của bạn — đơn giản là không bao giờ đi tới bất cứ nơi nào nó có thể bị mất.

2. Không gây vướng víu

   Đọc chính tả nên giống như một phần mở rộng của việc gõ phím, chứ không phải một nơi bạn phải ghé thăm. Ứng dụng nằm trên thanh menu; bạn nhấn một phím tắt, nói, và văn bản hiện ra ngay nơi con trỏ của bạn đã ở đó.

3. Trung thực về những sự đánh đổi

   Chúng tôi nói thẳng với bạn mỗi mô hình giọng nói tốn bao nhiêu dung lượng và đổi lại bao nhiêu độ chính xác, và chúng tôi giữ một bậc miễn phí thực sự hữu ích thay vì cắt xén nó để ép nâng cấp.

4. Dựng trên nền vững

   Chúng tôi đứng trên những nền tảng mở thay vì phát minh lại chúng. DijiFlow Dictate được xây dựng trên EasyDictate của Charles Lukowski, sử dụng theo giấy phép MIT của nó, và chúng tôi vui lòng nói rõ điều đó.

Đứng trên những nền tảng mở

Chúng tôi không phát minh ra nhận dạng giọng nói, và chúng tôi sẽ không giả vờ điều ngược lại. DijiFlow Dictate lớn lên từ công trình mã nguồn mở — Whisper, WhisperKit, và EasyDictate của Charles Lukowski, người có mã nguồn theo giấy phép MIT là một phần của những gì chúng tôi xây dựng nên. Ghi nhận điều đó không phải một chú thích chúng tôi miễn cưỡng chấp nhận; nó là một phần trong cách chúng tôi nghĩ lĩnh vực này nên vận hành. Bài toán thú vị chưa bao giờ chỉ là mô hình. Đó là tạo ra một thứ đủ riêng tư, đủ nhanh và đủ dễ chịu để bạn với lấy mà chẳng cần nghĩ, trên Mac hôm nay và trên cả Windows nữa.

Chúng tôi là gì, và không là gì

PITIR TECH là một đội ngũ nhỏ, tập trung. Chúng tôi không xây dựng một nền tảng kiếm tiền từ dữ liệu của bạn, và chúng tôi không hứng thú thu thập nhiều hơn những gì sản phẩm cần để hoạt động — mà theo thiết kế, về cơ bản là không gì cả. Chúng tôi không muốn email của bạn để bắt đầu đọc chính tả, không muốn thói quen sử dụng của bạn để mài giũa một hồ sơ quảng cáo, hay những bản ghi âm của bạn để huấn luyện mô hình tiếp theo. Không điều nào trong số đó nằm trên bàn cân, bởi không điều nào từng đến tay chúng tôi.

Thước đo thành công mà chúng tôi thực sự quan tâm là sự lặng lẽ. Đó là việc 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 luôn như nhau, và nó là toàn bộ lý do chúng tôi tạo ra điều này. Nó ở lại với bạn.

Nếu cách xây dựng đó đồng điệu với bạn, cách tốt nhất để hiểu nó là xem mọi người vận dụng nó vào việc ra sao — hãy xem qua những cách DijiFlow Dictate hòa vào công việc thực tế.