اپلیکیشن اسپیچیفای با قابلیت گفتار به نوشتار ویندوز و مدل های محلی معرفی شد

قابلیت های گفتار به نوشتار ویندوز با Speechify

شرکت هوش مصنوعی صوتی Speechify به تازگی یک اپلیکیشن بومی ویندوز رو عرضه کرده که از مدل های ذخیره شده روی خود سیستم استفاده می کنه تا امکان گفتار به نوشتار ویندوز در برنامه های مختلف و خوندن بلند مقالات، مدارک یا فایل های PDF رو با استفاده از کتابخونه صداهای خودش فراهم کنه.

این شرکت داره با رقبایی مثل Wispr Flow، Willow و Superwhisper رقابت می کنه که اون ها هم اپلیکیشن های تایپ صوتی و تبدیل گفتار به متن (مانند گفتار به نوشتار ویندوز) رو برای پلتفرم های مختلف ارائه می دن.

شرکت Speechify گفته که اپلیکیشن ویندوزش برای گفتار به نوشتار ویندوز، پردازش صدا رو کاملا روی خود دستگاه انجام می ده؛ هم روی کامپیوترهای Copilot+ (که پردازنده های عصبی یا NPU از شرکت های AMD، Intel و Qualcomm دارن) و هم روی بقیه سیستم های مجهز به ویندوز 11 که کارت گرافیک های Intel و AMD دارن.

تجربه بهتر گفتار به نوشتار ویندوز

این اپلیکیشن سه تا مدل داره که روی خود دستگاه اجرا می شن: تبدیل متن به گفتار عصبی، تشخیص فعالیت صوتی لحظه ای و تبدیل گفتار به متن (قابلیت اصلی گفتار به نوشتار ویندوز) با قدرت مدل Whisper. کاربرها می تونن تنظیمات رو طوری تغییر بدن که از مدل های ابری استفاده بشه یا حتی موقع کار، مدل ها رو عوض کنن.

این شرکت که بیشتر از 50 میلیون کاربر داره، گفته که مدل SIMBA می تونه صدا رو در هفت سرعت مختلف تولید کنه تا کاربرها بتونن از برنامه بخوان که اسناد یا صفحات وب رو براشون بلند بخونه. شرکت برای تشخیص فعالیت های صوتی از مدل متن باز Silero استفاده می کنه.

«بیشتر از یک میلیارد نفر تو کل دنیا از ویندوز استفاده می کنن. با عرضه این نسخه ویندوز، قابلیت های گفتار به نوشتار ویندوز رو به میلیون ها کاربر می رسونه و خیالمون راحته که خوندن و حالا نوشتن، دیگه هیچ وقت یه مانع نیست، فرقی نمی کنه از چه دستگاهی استفاده کنین یا چطوری بخواین کار کنین. ما مخصوصا برای فرصت های تجاری و سازمانی خیلی هیجان زده ایم، چون متخصص های زیادی درخواست کرده بودن که Speechify رو روی کامپیوترهاشون داشته باشن.» این ها رو کلیف وایتزمن، بنیان گذار و مدیرعامل Speechify در یک بیانیه گفته.

ماه گذشته، این شرکت قابلیت تبدیل گفتار جلسات به متن رو (که بخشی از توانایی های گفتار به نوشتار ویندوز است و در کنار بهترین انواع دستگاه یادداشت برداری هوش مصنوعی برای ضبط جلسات قرار می گیرد) شبیه به سرویس Granola معرفی کرد، اما اون موقع این قابلیت فقط به جلسات تحت مرورگر محدود بود. حالا که شرکت برای پلتفرم های مختلف اپلیکیشن داره، احتمالا این ویژگی رو به اپلیکیشن های بومی خودش هم اضافه می کنه تا بشه جلسات رو تو هر برنامه یا مرورگری مکتوب کرد.

تا همین چند سال پیش، Speechify بیشتر روی کاربردهای تبدیل متن به گفتار تمرکز داشت، مثل خوندن مقالات و ایمیل ها یا ساختن پادکست از روی فایل های متنی. اما اخیرا، این شرکت با عرضه قابلیت های تایپ صوتی و گفتار به نوشتار ویندوز، تبدیل جلسات به متن و دستیار صوتی، داره تلاش می کنه به یک اپلیکیشن صوتی همه فن حریف برای کاربرها تبدیل بشه.

گسترش این ابزارهای مبتنی بر هوش مصنوعی نشان دهنده تعهد شرکت های فناوری به بهبود دسترسی و بهره وری در محیط های کاری است. با استفاده از پردازش محلی، امنیت داده های کاربران حفظ شده و سرعت تبدیل صدا به متن در سیستم عامل ویندوز به شکل قابل توجهی افزایش می یابد.

Speechify’s Windows app uses local models for transcription and dictation