A Gépház jelenti: Apple készülékekre is megérkezett a diktáló szoftverek új generációja

Az OpenAI által fejlesztett Whisper beszédfelismerő szoftverrel korábban már foglalkoztunk, most azonban megérkezett a technológiát használó első fecske Apple készülékekre is. Gyorsan ki is próbáltuk, hogy mennyire ért meg minket.

Adásunk kezdetén a múlt héten bemutatott EgészségAblak alkalmazást boncolgatjuk még egy kicsit, elsősorban hallgatói észrevételekre támaszkodva, de szóba kerül a hamarosan átalakuló Távszem szolgáltatás is.

Beszélünk emellett a kijavított Messenger alkalmazásról, és pár szó erejéig az Apple most bemutatott VR sisakjáról, amely a cég tervei szerint legalább akkora jelentőséggel bír majd, mint az iPhone termékcsalád megjelenése.

A műsor hátralévő részében pedig letöltjük Apple készülékeinkre az Aiko nevű alkalmazást, amely a telefonon lévő hangfájlokban hallható beszédet, vagy épp a programban rögzített, beszédet tartalmazó hanganyagot képes átalakítani szöveggé, a korábbi megoldásoknál sokkal jobb hatásfokkal és internetkapcsolat nélkül.

Az Aiko lényegében az OpenAI cég Whisper technológiáját használja a művelethez, melynek legnagyobb újdonsága, hogy központozni, írásjeleket használni már pusztán a hangsúlyozás és a szavak közti szünet elemzésével is képes, nem szükséges tehát megmondanunk neki, milyen írásjeleket használjon.

A hangos beszéd írott szöveggé alakítása nem valamely távoli szerveren, hanem helyben a készüléken történik, ez azonban meglehetősen igénybe is veszi az eszköz erőforrásait, elsősorban a memóriát és a processzort. Épp ezért több Apple készüléken is próbálgatjuk a szoftvert, hogy kiderítsük, mennyivel pontatlanabb a beszédfelismerés egy gyengébb telefonon, és milyen eredmény születik egy igazán bivalyerős készüléken.

Minden élményünk és tapasztalatunk meghallgatható lesz az MVGYOSZ és a Net-Média Alapítvány informatikai magazinműsorában, a Gépházban!

Mikor? 2023. június 9-én, pénteken 20:00 órától. Ismétlés vasárnap 13:00 órakor.

This site uses Akismet to reduce spam. Learn how your comment data is processed.