आपको टाइपिंग से कितनी नफरत है? बड़े भाषा मॉडल के आगमन ने वॉयस-टू-टेक्स्ट तकनीक को तेजी से उन्नत किया है। चाहे वह चर्चाओं को संक्षेप में प्रस्तुत करने के लिए आपकी बैठकों में शामिल होने वाला विस्प्र फ्लो हो या Google द्वारा अपने नवीनतम पिक्सेल Smartphone में स्मार्ट ऑन-डिवाइस डिक्टेशन की शुरुआत करना हो, ये उपकरण ट्रांसक्राइब करने से कहीं अधिक करते हैं: वे बुद्धिमानी से फिलर शब्दों को हटा देते हैं, अलिखित विचारों को तुरंत साफ कर देते हैं, और बहुभाषी वार्तालापों में निर्बाध रूप से मध्यस्थता करते हैं।

झू का कहना है कि जब वह और जू नथिंग में काम करते थे, तो वे कार्यस्थल पर अपने अधिकांश संदेशों को "टाइप" करने के लिए विस्प्र फ्लो के ट्रांसक्रिप्शन सॉफ़्टवेयर का उपयोग करते थे। उनका कहना है कि इससे विचारों पर विचार करने में बहुत मदद मिली, लेकिन वे एक समस्या में फंसते रहे: कार्यालय में ऊंची आवाज में बात करना।

झू ने WIRED को बताया, "कार्यालय में, हमें कभी भी इनपुट के लिए सही वॉल्यूम नहीं मिल सका।" "अगर मैं बहुत धीरे से फुसफुसाता हूं, तो मैक इसे नहीं उठा पाएगा; बहुत जोर से और मेरे बगल वाला मेरा सहकर्मी सुन सकता है। कभी-कभी मैं वास्तव में अपना ईयरबड बाहर निकालता हूं और इस तरह से बोलता हूं," वह एक वीडियो कॉल पर कहता है, और प्रदर्शित करने के लिए अपने मुंह के सामने एक ईयरबड रखता है। "इसके लिए समर्पित हार्डवेयर की आवश्यकता है।"

रिले लॉन्च के समय केवल macOS के लिए है, हालाँकि कंपनी की इसे विंडोज़, iOS और Android पर लाने की योजना है। इसकी शुरुआत डेस्कटॉप से ​​हो रही है क्योंकि झू का मानना ​​है कि वहां बातचीत सबसे जटिल होती है। फोन पर दोस्तों और परिवार के साथ बातचीत करना सरल है, लेकिन कंप्यूटर के सामने काम करते समय, आप विचार साझा कर रहे हैं, विचार-मंथन कर रहे हैं और विभिन्न स्वर और औपचारिकता का उपयोग कर रहे हैं।

हालाँकि माइक्रोफ़ोन तैयार होने में अभी भी कई महीने बाकी हैं, मैं रिले के macOS ऐप के बीटा संस्करण का उपयोग कर रहा हूँ, जो समर्पित माइक के साथ या उसके बिना काम करता है।

सेटअप के दौरान, आपको एक हॉटकी चुननी होगी जो किसी भी टेक्स्ट फ़ील्ड में रिले को ट्रिगर करेगी - डिफ़ॉल्ट Fn है। जब आपका कर्सर किसी टेक्स्ट फ़ील्ड में हो, तब कुंजी दबाकर रखें, और रिले सक्रिय हो जाता है और ध्वनि श्रुतलेख को संभालता है। वॉयस-टू-टेक्स्ट इंजन Google के जेमिनी मॉडल द्वारा संचालित है।

यह प्रासंगिक क्रियाएं भी कर सकता है - जिसे कौशल कहा जाता है - जैसे स्लैक में किसी सहकर्मी को संदेश भेजने के लिए कहना, जो रिले को ऐप लॉन्च करने, प्राप्तकर्ता को ढूंढने और टेक्स्ट का मसौदा तैयार करने के लिए प्रेरित करता है। मुझे इस स्लैक कौशल से कुछ परेशानी हुई, हालाँकि इससे Google कैलेंडर में कैलेंडर ईवेंट तैयार करने में कोई परेशानी नहीं हुई। रिले में कुछ प्रीसेट कौशल हैं जिन्हें आप व्हाट्सएप और जीमेल जैसे लोकप्रिय ऐप्स के लिए सक्षम कर सकते हैं, लेकिन आप अपना स्वयं का कौशल बना सकते हैं और अन्य ऐप्स कनेक्ट कर सकते हैं।

उस स्वचालन के लिए व्यापक सिस्टम अनुमतियों की आवश्यकता होती है। रिले को आपके माइक्रोफ़ोन तक पहुंच की आवश्यकता होती है, लेकिन आप इसे किसी भी समय सक्रिय होने पर अपनी स्क्रीन का स्नैपशॉट रिकॉर्ड करने के लिए पहुंच प्रदान कर सकते हैं, इस प्रकार यह उन कौशलों को निष्पादित कर सकता है। कंपनी का कहना है कि वह डेटा को उपयोगकर्ता के डिवाइस पर स्थानीय रूप से संग्रहीत करती है, जहां उपयोगकर्ता इसे मैन्युअल रूप से संपादित या हटा सकते हैं। जब डेटा प्रोसेसिंग के लिए भेजा जाता है, तो यह रिले के सर्वर से होकर Google के सर्वर तक पहुंच जाता है, लेकिन रिले डेटा को बरकरार नहीं रखता है। फिर भी, AI मॉडल को आपके ऑपरेटिंग सिस्टम पर नज़र रखने से अंतर्निहित गोपनीयता और सुरक्षा व्यापार-बंद जुड़ जाता है, जैसे कि माइक्रोसॉफ्ट के रिकॉल के साथ।