گوگل اپلیکیشن تبدیل گفتار به متن هوشمند آفلاین عرضه کرد

شرکت گوگل اپلیکیشن تبدیل گفتار به متن مبتنی بر هوش مصنوعی آفلاین خود را با نام Google AI Edge Eloquent برای سیستم‌عامل iOS منتشر کرد.

به گزارش سرویس فناوری تک‌ناک، این اپلیکیشن به‌ صورت رایگان در دسترس کاربران قرار گرفته است و پس از دانلود مدل‌های تشخیص خودکار گفتار (ASR) مبتنی بر Gemma، امکان تبدیل مستقیم گفتار به متن را روی گوشی فراهم می‌کند. گوگل با این اپلیکیشن وارد رقابت با ابزارهایی مانند Wispr Flow، SuperWhisper و Willow شده است.

کاربران می‌توانند متن پیاده‌سازی‌شده را به‌ صورت زنده مشاهده کنند و پس از توقف ضبط، برنامه به‌ طور خودکار کلمات زائد مانند “um” و “ah” را حذف و متن را ویرایش می‌کند تا خروجی نهایی روان‌تر و حرفه‌ای‌تر باشد.

بر اساس گزارش TechCrunch، در بخش پایین متن تولیدشده گزینه‌هایی مانند Key points، Formal، Short و Long در نظر گرفته شده است تا کاربران بتوانند ساختار متن را متناسب با نیاز خود تغییر دهند.

همچنین این اپلیکیشن امکان غیرفعال‌سازی پردازش ابری را فراهم می‌کند تا تمام پردازش‌ها به‌ صورت محلی روی دستگاه انجام شود. در صورت فعال بودن این حالت، برنامه از مدل‌های ابری Gemini گوگل برای بهبود کیفیت متن استفاده می‌کند. علاوه بر این، برنامه می‌تواند در صورت تمایل کاربر، برخی نام‌ها، کلیدواژه‌ها و اصطلاحات تخصصی را از حساب Gmail استخراج کند و امکان افزودن واژه‌های سفارشی نیز وجود دارد.

اپلیکیشن Google AI Edge Eloquent تاریخچه جلسات تبدیل گفتار را نیز ذخیره می‌کند و امکان جست‌وجو در میان آنها را در اختیار کاربر قرار می‌دهد. همچنین این برنامه اطلاعاتی مانند کلمات ثبت‌شده در آخرین جلسه، سرعت گفتار برحسب کلمه در دقیقه و تعداد کل واژه‌های بیان‌شده را نمایش می‌دهد.

در توضیحات این برنامه در App Store آمده است که این ابزار با هدف کاهش فاصله میان گفتار طبیعی و متن حرفه‌ای طراحی شده است. برخلاف نرم‌افزارهای متداول که مکث‌ها و تکرارهای گفتاری را بدون تغییر ثبت می‌کنند، این اپلیکیشن با استفاده از هوش مصنوعی تلاش می‌کند مفهوم مورد نظر کاربر را استخراج کند و با حذف مکث‌ها و اصلاحات میان‌جمله‌ای، متنی دقیق، پاک‌سازی‌شده و قابل استفاده ارائه دهد.

در حال حاضر این اپلیکیشن تنها برای iOS عرضه شده، اما در توضیحات آن به توسعه نسخه اندروید نیز اشاره شده است. همچنین گفته می‌شود که این برنامه در نسخه اندروید می‌تواند به‌ عنوان صفحه‌کلید پیش‌فرض برای دسترسی سراسری در تمامی محیط‌های متنی مورد استفاده قرار گیرد و از قابلیت دکمه شناور برای دسترسی سریع به تبدیل گفتار نیز بهره ببرد.

با پیشرفت فناوری‌های تبدیل گفتار به متن مبتنی بر هوش مصنوعی، این دسته از اپلیکیشن‌ها با استقبال بیشتری مواجه شده‌اند و گوگل نیز با عرضه این محصول آزمایشی به این جریان پیوسته است. در صورت موفقیت این پروژه، انتظار می‌رود قابلیت‌های پیشرفته‌تری در حوزه تبدیل گفتار به متن به اکوسیستم اندروید اضافه شود.