جدیدترین ابزار هوش مصنوعی که نوشتن را متحول می‌کند+عکس

به گزارش پارسینه به نقل از wired، Handy یک اپلیکیشن رایگان و ساده برای تبدیل گفتار به نوشتار است که از مدل‌های هوش مصنوعی مانند Parakeet و Whisper برای تبدیل صدا به متن مستقیماً روی کامپیوتر شما استفاده می‌کند. این برنامه که برای مواقع دشواری تایپ طراحی شده، به شما اجازه می‌دهد با یک میان‌بُر صفحه‌کلید صدای خود را ضبط کنید و متن تبدیل‌شده را در هر فیلد فعال بچسبانید. این اپلیکیشن قابل شخصی‌سازی است، روی سیستم‌عامل‌های مختلف کار می‌کند و با نویز پس‌زمینه و چندین زبان نیز به‌خوبی کنار می‌آید. Handy یک راه‌حل ساده و بی‌دردسر برای هر کسی است که می‌خواهد تایپ کردن را کمتر کند.

 

اگر به سریال‌های علمی‌تخیلی قدیمی نگاه کنیم، به نظر می‌رسد همه ما داریم کامپیوترهایمان را اشتباه استفاده می‌کنیم. ما هنوز با انگشت‌هایمان تایپ می‌کنیم، مثل انسان‌های اولیه، در حالی که قرار بود در آینده با کامپیوترها حرف بزنیم. آیا تا به حال دیده‌اید پیکارد به صفحه‌کلید دست بزند؟ قطعاً نه.

جالب است، چون کامپیوترهای ما به‌طور پیش‌فرض توانایی تبدیل گفتار به متن را دارند. مشکل اینجاست که این قابلیت معمولاً خوب کار نمی‌کند. یا حداقل قبلاً این‌طور بود. در سال‌های اخیر، مدل‌های هوش مصنوعی مانند Parakeet انویدیا و Whisper اوپن‌اِی‌آی – هر دو متن‌باز – پیشرفت چشمگیری در تبدیل صدای انسان به متن داشته‌اند. این مدل‌ها در اضافه کردن صحیح علائم نگارشی و حروف بزرگ عالی عمل می‌کنند و می‌توانید آن‌ها را مستقیماً روی کامپیوتر خود اجرا کنید. استفاده از این مدل‌ها نزدیک‌ترین تجربه من به ضبط «گزارش کاپیتان» بوده است—فقط کار می‌کند.

 

مشکل؟ راه‌اندازی آن‌ها کمی پیچیده است. اینجاست که Handy وارد می‌شود. یک اپلیکیشن کاملاً رایگان و فوق‌العاده ساده که می‌تواند هر یک از این مدل‌ها را روی کامپیوتر شما نصب کند و یک میان‌بُر صفحه‌کلید برای استفاده از آن‌ها در اختیارتان بگذارد. این برنامه توسط CJ Pais ساخته شد؛ زمانی که انگشتش شکست و دیگر نمی‌توانست تایپ کند. او می‌خواست یک ابزار کاملاً رایگان و بسیار ساده برای استفاده از مدل‌های گفتار به متن موجود بسازد.

 

برای شروع کافی است Handy را دانلود کنید—نسخه‌های ویندوز، مک و لینوکس موجود است. برنامه را اجرا کنید و از شما پرسیده می‌شود که می‌خواهید از کدام مدل استفاده کنید.

 

مدل پیش‌فرض، Parakeet V3، گزینه بسیار خوبی است—بعد از استفاده از آن، احساس نکردم نیازی به امتحان مدل‌های دیگر داشته باشم.

 

دانلود مدل کمی زمان می‌برد، اما پس از آن می‌توانید با نگه داشتن میان‌بُر صفحه‌کلید از برنامه استفاده کنید. به‌طور پیش‌فرض، این میان‌بُر در ویندوز و لینوکس Control+Space و در مک Option+Space است. یک نوار کوچک در پایین صفحه ظاهر می‌شود که نشان می‌دهد در حال ضبط و تبدیل صدا هستید. تا زمانی که میان‌بُر را نگه دارید می‌توانید صحبت کنید—وقتی تمام شد، متن در هر جعبه متنی که فعال باشد ظاهر می‌شود.

 

من امروز برای نوشتن این مقاله از Handy استفاده کرده‌ام و نکته جالب این است که حتی لازم نبود موسیقی‌ام را قطع کنم—مدل‌ها در حذف صدای پس‌زمینه عملکرد خوبی دارند. البته نمی‌دانم در همه محیط‌ها همین‌طور باشد، اما موسیقی من نسبتاً بلند بود و باز هم خوب کار کرد. حتی چند جمله فرانسوی و اسپانیایی هم امتحان کردم—کار کرد (و احتمالاً اگر تلفظم بهتر بود، نتیجه هم بهتر می‌شد).

 

صادقانه بگویم، برای بیشتر افراد همین کافی است—برنامه را دانلود کنید، مدل را انتخاب کنید و هر زمان که قرار بود چیزی تایپ کنید، از آن استفاده کنید. اما امکان شخصی‌سازی هم وجود دارد.

می‌توانید میان‌بُر صفحه‌کلید را تغییر دهید، یا انتخاب کنید که فقط یک بار فشار دادن میان‌بُر کافی باشد و نیازی به نگه داشتن آن نباشد. همچنین می‌توانید میکروفون موردنظر را انتخاب کنید و مشخص کنید که آیا در آغاز و پایان ضبط، بازخورد صوتی پخش شود یا نه.

 

در تنظیمات پیشرفته می‌توانید جزئیات بیشتری را تغییر دهید: اجرای خودکار برنامه هنگام روشن شدن کامپیوتر، یا مدت زمانی که مدل‌ها در حافظه فعال بمانند. همچنین می‌توانید کلمات سفارشی اضافه کنید—مفید برای زمانی که برنامه یک نام یا واژه خاص را مدام اشتباه تشخیص می‌دهد.

 

با این حال، بیشتر کاربران نیازی به دست زدن به این تنظیمات ندارند—و این همان چیزی است که Handy را عالی می‌کند. کارش را انجام می‌دهد و مزاحم شما نمی‌شود. و چون کاملاً رایگان است، با پیام‌های ارتقا یا اشتراک پولی هم اذیتتان نمی‌کند—چیزی که در دنیای ابزارهای مبتنی بر هوش مصنوعی کم‌سابقه است.

اگر حتی کمی کنجکاو هستید که به‌جای تایپ کردن، صحبت کنید، Handy را حتماً امتحان کنید. شخصاً احتمالاً همچنان برای نوشتن مقاله‌ها از صفحه‌کلید استفاده می‌کنم—چون سریع‌تر از سرعت فکر کردنم تایپ می‌کنم. اما اگر روزی دستم آسیب ببیند، واقعاً از وجود چنین ابزاری ممنون خواهم بود.