Нейросеть голосом: говорить вместо того, чтобы печатать
Нейросеть голосом — когда удобнее надиктовать запрос, чем набирать, как говорить, чтобы машина поняла, и где голосовой ввод подводит. По опыту, без прикрас.
Д
Денис
Автор LibraChat о нейросетях в работе
7 мин чтения
Самая частая причина, по которой я не дописывал запрос нейросети, банальна: лень было набирать длинную мысль на телефоне в дороге. Пока натыкаешь большими пальцами абзац с автозаменой, которая всё перевирает, проще махнуть рукой. Всё поменялось, когда я начал диктовать: говорю мысль вслух, она превращается в текст, машина отвечает. Оказалось, что нейросеть голосом снимает главный барьер — не нужно садиться за клавиатуру, чтобы что-то спросить, и запросы, которые я раньше откладывал, теперь задаю на ходу за десять секунд.
Расскажу без прикрас, как это устроено в быту: когда голос реально удобнее клавиатуры, а когда наоборот, как говорить, чтобы машина поняла с первого раза, и где у голосового ввода слабые места. Тема не про магию распознавания, а про простое удобство — убрать лишний шаг между мыслью и ответом, когда печатать неудобно или некогда.
Печатать долго, а сказать — быстро
Опишу, в чём корень удобства, потому что он не очевиден, пока не попробуешь. Говорим мы заметно быстрее, чем печатаем, особенно на телефоне: за то время, пока наберёшь пару предложений с опечатками, вслух успеваешь проговорить целый абзац. И барьер тут не только в скорости, а в усилии: набор требует сесть, сосредоточиться на экране, воевать с мелкими клавишами, а сказать можно между делом.
Из-за этого многие запросы просто не доходят до чата. Мысль мелькнула, спросить хочется, но возни с набором столько, что проще не спрашивать. Голос убирает это трение: проговорил — и готово, не отрываясь от дороги, готовки или прогулки. Я заметил, что с голосовым вводом сам стал обращаться к машине чаще, потому что исчез тот неосознанный расчёт «а стоит ли оно того, чтобы сейчас всё это печатать». Стоит, если это секунды речи, а не минуты тыканья по экрану.
Где голос удобнее клавиатуры
Удобство голоса сильно зависит от ситуации: где-то он незаменим, а где-то клавиатура всё же лучше. Чтобы не гадать, я свёл типичные ситуации в таблицу.
Длинная мысль с эмоцией — проговорить проще, чем печатать
Точный текст с терминами — лучше клавиатура
Шумное место, открытый офис — клавиатура надёжнее
Видно, что голос выигрывает там, где руки или глаза заняты, а клавиатура — там, где важна точность или вокруг шум и люди. Я для себя поделил так: всё, что можно проговорить своими словами и не критично к точной формулировке, диктую, а то, где важен каждый символ — код, точные термины, конфиденциальное в людном месте, — набираю. Это деление быстро становится интуитивным, и переключаешься между голосом и клавиатурой не задумываясь, по обстановке. Со временем замечаешь, что дома и в дороге привычки разные: на ходу почти всё уходит в голос, а за рабочим столом, где клавиатура под рукой и вокруг тихо, чаще набираю. Инструмент один, но способ ввода я выбираю под ситуацию, а не наоборот, и от этого пользы выходит больше всего.
Что надиктовать, а что набрать
Раз ситуации разные, поделюсь тем, какие именно задачи у меня уходят в голос, а какие остаются за клавиатурой. Это помогает не разочароваться, ожидая от диктовки того, в чём она слаба.
Голосом я чаще всего делаю вот что:
Накидать сырую мысль. Проговорить идею или проблему, чтобы машина помогла разложить.
Длинный контекст. Описать ситуацию подробно — голосом это быстрее, чем печатать простыню.
Вопрос на ходу. Спросить что-то короткое, не доставая толком телефон.
Надиктовать черновик. Выговорить письмо или заметку, а машина причешет.
А вот за клавиатурой остаётся то, где голос мешает:
Точные данные. Цифры, коды, адреса, термины — их проще набрать без риска искажения.
Правки по мелочи. Поменять слово в готовом тексте удобнее руками, чем диктовать.
Деликатное. То, что не хочется произносить вслух при людях.
Такое разделение снимает большинство разочарований: я не жду от голоса точности там, где он по природе слабее, и не мучаюсь с клавиатурой там, где быстрее сказать.
Как говорить, чтобы машина поняла
Перейду к приёмам, потому что качество диктовки сильно зависит от того, как говоришь. Поначалу я частил и глотал слова, и в тексте выходила каша, а потом приноровился, и распознавание стало почти безошибочным.
Главное — говорить спокойно и законченными фразами, а не обрывками. Машина лучше распознаёт связную речь, чем рваные «эээ, ну, короче, это самое». Я проговариваю мысль так, будто диктую её человеку: ровный темп, чёткое окончание предложений, небольшие паузы между ними. Сложные имена и термины, если уж без них никак, проговариваю отдельно и медленнее или потом поправляю руками. И не гонюсь за идеальной формулировкой на лету — сначала выговариваю как есть, пусть с оговорками, а причёсывание оставляю машине, благо она с сырой устной речью справляется и сама вычищает мычание и повторы, превращая поток в нормальный текст.
Сырая речь в чистовой текст
Расскажу про связку, которая мне нравится больше всего, — продиктовал сумбур, получил аккуратный текст. Устная речь всегда сырая: с повторами, перескоками, словами-паразитами. Раньше это останавливало — стыдно же отправлять такую мешанину. Но машине как раз можно отдать этот сырой поток и попросить привести в порядок.
Я наговариваю мысль как придётся, а потом прошу собрать из этого внятный текст: убрать повторы, выстроить по порядку, причесать. Получается, что я думаю вслух, а машина работает стенографисткой и редактором одновременно. Это особенно выручает, когда мысль есть, а садиться её оформлять лень: проговорил на прогулке черновик письма или заметки, а домой пришёл уже к готовому тексту, который остаётся проверить. Для меня это сняло барьер перед длинными текстами — не нужно собираться с духом, чтобы сесть и начать печатать, достаточно начать говорить, а форму наведём потом.
Где голосовой ввод подводит
Тут стоит прямо назвать слабые места, чтобы не было завышенных ожиданий. Голос — удобный инструмент, но не на все случаи, и пара вещей у него хромает.
Шум и помехи. В людном или шумном месте распознавание сыпется, и проще набрать.
Точность терминов. Редкие имена, термины, иностранные слова машина часто слышит не так — их перепроверяйте.
Приватность вслух. Конфиденциальное при посторонних не диктуют по понятным причинам.
Пунктуация и формат. Сложное форматирование голосом не задашь — это к клавиатуре.
Выходит, что голос отлично закрывает быстрый ввод своими словами, а точность и тишина остаются на стороне клавиатуры. Я держу это в уме и не пытаюсь диктовать там, где это заведомо неудобно. И отдельно помню, что распознанный текст надо просмотреть перед отправкой: машина изредка слышит слово не так, и в важном сообщении такая мелочь способна исказить смысл. Беглый взгляд на расшифровку перед отправкой решает эту проблему за пару секунд.
Ещё одна тонкость — длина диктуемого куска. Короткую мысль голос берёт идеально, а вот если наговаривать без остановки минут пять, в распознанном тексте легче потеряться и сложнее править. Я приноровился диктовать смысловыми кусками: проговорил абзац — глянул, что получилось, продолжил дальше. Так и распознавание точнее, и текст не превращается в неразделённую простыню, в которой потом не разберёшь, где кончается одна мысль и начинается другая. Для совсем длинных надиктовок я и вовсе поручаю ассистенту сразу разбивать поток на абзацы по смыслу — выходит структурированный черновик, а не сплошная стена слов.
Надиктуйте один запрос
Если вы, как и я раньше, не дописываете запросы из-за лени печатать, попробуйте зайти с другой стороны — просто проговорить. Это сразу снимает половину трения.
Откройте окно чата в LibraChat сразу прямо сейчас надиктуйте один запрос вместо набора: проговорите мысль вслух спокойно и законченными фразами, а потом попросите причесать распознанный текст. Скорее всего, спрашивать на ходу вам понравится больше, чем тыкать по экрану, и часть запросов, которые вы раньше откладывали из-за лени печатать, начнут доходить до дела. Если диктуете в основном с телефона, рядом лежит текст, как удобно пользоваться нейросетью с телефона. А когда голосовых запросов станет много и нужен постоянный доступ, условия и цены найдёте по ссылке.
голосовой вводдиктовкамобильныйнейросети в бытуудобствонейросети
