گسترش قابلیت‌های صوتی پیشرفته فراتر از انحصار گوگل

ابزار تبدیل گفتار به متن Rambler که با اتکا به مدل‌های پیشرفته هوش مصنوعی در سری پیکسل ۱۱ ارائه شده، یکی از برجسته‌ترین قابلیت‌های این خانواده گوشی به شمار می‌رود. با این حال، شرکت مایکروسافت با انتشار نسخه بتای جدید کیبورد محبوب سویفت‌کی برای اندروید (نسخه v9.13.16.4)، ویژگی جدیدی تحت عنوان «صوت هوش مصنوعی» (AI Voice) را آزمایش می‌کند که کارکرد اصلی قابلیت Rambler را به طیف وسیعی از دستگاه‌های اندرویدی دیگر تسری می‌دهد و آن را از انحصار سخت‌افزاری خارج می‌کند.

عملکرد و ویژگی‌های کلیدی هوش مصنوعی صوتی سویفت‌کی

این ابزار جدید طراحی شده است تا تجربه یادداشت‌برداری صوتی را به سطحی کاملاً حرفه‌ای ارتقا دهد. فرآیند کار با ضربه روی یک آیکون میکروفون آغاز می‌شود و برخلاف ابزار Rambler گوگل، فاقد پیش‌نمایش زنده در حین صحبت کردن است. پس از پایان صحبت، کاربر با فشردن دکمه تیک، فرآیند پردازش را به هوش مصنوعی می‌سپارد.

  • پاکسازی متن: هوش مصنوعی به‌طور خودکار کلمات اضافی و اصطلاحات پرکاربرد گفتاری (Filler words) را حذف می‌کند.
  • فرمت‌بندی دقیق: متن نهایی پس از ویرایش، ساختار منظم و خوانایی به خود می‌گیرد.
  • پشتیبانی از حالت آفلاین: بر اساس بررسی‌های انجام‌شده، برای استفاده از این قابلیت نیاز به دانلود یک مدل زبانی آفلاین است که روی دستگاهی مانند گلکسی فولد ۸ تنها به ۱۶۳ مگابایت فضای ذخیره‌سازی نیاز دارد و بدون نیاز به اتصال سرور ابری کار می‌کند.

پشتیبانی از پردازش کاملاً آفلاین مزیتی بزرگ محسوب می‌شود که برخلاف وابستگی Rambler در پیکسل ۱۱ به سرورهای ابری، حریم خصوصی بیشتری را برای کاربران به ارمغان می‌آورد.

اگرچه بررسی‌های اولیه نشان می‌دهد که برخلاف ابزار انحصاری گوگل، امکان ویرایش متن با استفاده از دستورات صوتی در این نسخه از سویفت‌کی وجود ندارد، اما همچنان وظیفه خود را به بهترین شکل انجام می‌دهد. کاربران علاقه‌مند می‌توانند این نسخه را از طریق فروشگاه گوگل‌پلی دریافت و امتحان کنند.

آزادسازی قابلیت‌های صوتی هوش مصنوعی برای کاربران عمومی

اقدام مایکروسافت در آوردن قابلیت‌های پردازش صوت هوش مصنوعی به اپلیکیشنی همگانی مانند سویفت‌کی، نشان‌دهنده تلاش برای دموکراتیزه کردن فناوری‌های نوظهور است. این رویکرد به کاربران اندرویدی اجازه می‌دهد بدون نیاز به خرید آخرین پرچمداران گوگل، از مزایای تبدیل گفتار به متن هوشمند و آفلاین بهره‌مند شوند و رقیبی جدی برای سایر ابزارهای مشابه در بازار شکل بگیرد.