Wispr Flow؛ هوش مصنوعی که شاید برای همیشه شما را از تایپ کردن بینیاز کند
امین رضا کیفرگیر
- ۲۳ تیر ۱۴۰۵
سالهاست که ابزارهای تبدیل گفتار به متن وعده میدهند تایپ را از زندگی ما حذف کنند، اما واقعیت این است که بیشتر آنها هنوز به یک منشی ناشی شباهت دارند؛ حرفها را میشنوند، اما متن نهایی پر از مکث، کلمات اضافه، اشتباهات نگارشی و جملههای نامنظم است. به همین دلیل بسیاری از کاربران ترجیح میدهند همچنان از صفحهکلید استفاده کنند. اما حالا انقلاب جدیدی در این حوزه رخ داده است.
نسل جدیدی از ابزارهای هوش مصنوعی در این حوزه با هدفی متفاوت وارد میدان شدهاند. Wispr Flow یکی از مهمترین آنهاست؛ سرویسی که تنها صدای شما را به متن تبدیل نمیکند، بلکه تلاش میکند مانند یک ویراستار حرفهای، متن را همان لحظه اصلاح، بازنویسی و آماده انتشار کند.
این محصول که در مدت کوتاهی توجه بسیاری از کاربران حرفهای و رسانههای فناوری را به خود جلب کرده، مدعی است میتواند سرعت تولید محتوا را چند برابر افزایش دهد؛ ادعایی که اگر درست باشد، نهتنها برای نویسندگان و خبرنگاران، بلکه برای مدیران، برنامهنویسان، دانشجویان و هر کسی که روزانه با نوشتن سروکار دارد، اهمیت زیادی خواهد داشت.
اما سؤال اصلی اینجاست؛ آیا Wispr Flow واقعاً همان انقلابی است که سازندگانش وعده میدهند؟ و مهمتر از همه، آیا کاربران ایرانی هم میتوانند از آن استفاده کنند؟
Wispr Flow دقیقاً چیست؟
در نگاه اول شاید تصور کنید Wispr Flow هم یکی دیگر از دهها ابزار تبدیل گفتار به متن است؛ اما تفاوت اصلی آن دقیقاً از همین نقطه آغاز میشود.
اغلب نرمافزارهای دیکته صوتی تنها کاری که انجام میدهند، تبدیل صدای شما به کلمات است. اگر هنگام صحبت کردن مکث کنید، بگویید «اِمم»، جملهتان را نیمهکاره رها کنید یا وسط حرفتان نظرتان عوض شود، همه این موارد تقریباً بدون تغییر وارد متن میشوند و در نهایت مجبورید زمان قابل توجهی را صرف ویرایش کنید.
Wispr Flow رویکرد دیگری را انتخاب کرده است. این ابزار تلاش میکند مفهوم صحبتهای شما را درک کند و خروجی نهایی را به متنی روان، مرتب و قابل انتشار تبدیل کند. به بیان ساده، این نرمافزار فقط گوش نمیدهد؛ بلکه همزمان نقش یک ویراستار را هم بازی میکند و در نهایت تلاش میکند تا مکثها و اشتباهات گفتاری گوینده را هم اصلاح کند.
به گفته توسعهدهندگان، هدف اصلی Wispr Flow رسیدن به چیزی است که آن را «ویرایش صفر» یا Zero Edit مینامند؛ یعنی متنی که بعد از پایان صحبت، تقریباً بدون نیاز به اصلاح قابل استفاده باشد. هرچند این ادعا در عمل همیشه صددرصد محقق نمیشود، اما تجربه بسیاری از کاربران نشان میدهد کیفیت خروجی آن نسبت به نسل قبلی ابزارهای دیکته صوتی، یک گام بزرگ رو به جلو است.
پشتیبانی روان از زبان فارسی جزو نقاط قوت این ابزار برای فارسیزبانان است. همچنین استفاده از ویپیان (ترجیحا با آیپی ثابت و سرعت بالا) تجربه کاربری بهتری را به ارمغان میآورد. طبق بررسی انجام شده در هوشیو، Wispr Flow با آیپی ایران کار نمیکند.
مهمترین قابلیت؛ حذف فاصله بین فکر کردن و نوشتن
بزرگترین مزیت Wispr Flow این است که اجازه میدهد تقریباً بدون فکر کردن به صفحهکلید، ایدههایتان را ثبت کنید. فرض کنید در حال نوشتن یک گزارش خبری هستید. معمولاً هنگام تایپ بارها متوقف میشوید؛ جمله را اصلاح میکنید، نقطه و ویرگول میگذارید، کلمهای را حذف میکنید یا دوباره از ابتدا مینویسید.
اما در Wispr Flow کافی است حرف بزنید. اگر وسط جمله بگویید «نه، منظورم این نبود»، یا عددی را اصلاح کنید، هوش مصنوعی تغییرات را متوجه میشود و متن نهایی را مطابق آخرین نسخه صحبت شما تنظیم میکند. حتی کلمات اضافهای مانند «اوم»، «اممم» یا مکثهای طبیعی نیز تا حد زیادی حذف میشوند تا خروجی نهایی شبیه متنی باشد که با حوصله تایپ و ویرایش شده است.
فراتر از تبدیل صدا به متن
ویژگیهای Wispr Flow فقط به دیکته صوتی محدود نمیشود. یکی از جذابترین امکانات این سرویس، فرهنگ لغت شخصی است. اگر نام شرکت، محصول، افراد یا اصطلاحات تخصصی را زیاد تکرار میکنید، برنامه آنها را به خاطر میسپارد و در دفعات بعد با دقت بیشتری مینویسد. این ویژگی برای خبرنگاران، پزشکان، برنامهنویسان و پژوهشگران اهمیت زیادی دارد؛ زیرا معمولاً با واژههایی سروکار دارند که در فرهنگ لغت عمومی وجود ندارد.
ویژگی کاربردی دیگر، قالببندی هوشمند متن است. برای مثال اگر در حال نوشتن یک فهرست باشید، Wispr Flow میتواند ساختار متن را تشخیص دهد و بهصورت خودکار لیست شمارهدار یا بولتدار ایجاد کند. همچنین پاراگرافبندی و نشانهگذاری نیز بدون دخالت کاربر انجام میشود.
یکی دیگر از قابلیتهای متفاوت این ابزار، Whisper Mode یا حالت زمزمه است؛ قابلیتی که اجازه میدهد حتی با صدایی بسیار آرام نیز متن تولید کنید. این ویژگی برای افرادی که در محیطهای کاری مشترک، کتابخانه یا دفترهای شلوغ فعالیت میکنند، میتواند بسیار کاربردی باشد، زیرا نیازی نیست با صدای بلند صحبت کنند.
در این حالت، نرمافزار این ابزار به شما اجازه میدهد تا با میکروفونهای مختلف خود (هدفون، میکروفون موبایل یا لپتاپ و …) این آپشن را تست کنید و با انجام آزمایشی زمزمه کردن، هم قدرت خود را به رخ بکشد و هم توصیههای نهایی در رابطه با نوع میکروفون را به شما بدهد.
وقتی هوش مصنوعی نقش دستیار نویسنده را بازی میکند
شاید جذابترین بخش Wispr Flow، قابلیتی باشد که آن را از یک ابزار دیکته صوتی ساده به یک دستیار هوشمند تبدیل میکند. در حالت Command Mode کاربر میتواند بخشی از متن را انتخاب کند و بهجای استفاده از ماوس یا صفحهکلید، با فرمان صوتی آن را تغییر دهد.
برای مثال کافی است بگویید:
این پاراگراف را خلاصه کن.
پاسخ محترمانهتری بنویس.
این جمله را رسمیتر کن.
متن را بازنویسی کن.
در عمل، هوش مصنوعی همان کاری را انجام میدهد که امروز بسیاری از کاربران از ChatGPT یا سایر مدلهای زبانی انتظار دارند؛ با این تفاوت که همه این فرایند مستقیماً داخل نرمافزار و تنها با صحبت کردن انجام میشود.
وقتی نرمافزار این هوش مصنوعی را روی کامپیوتر خود نصب کنید، پایین صفحهنمایش همواره نشانگری قرار میگیرد و با استفاده از کلیدهای میانبر ( به طور پیشفرض ctrl+wind است اما قابلیت تغییر هم دارد) در هر نرمافزار دیگری که باشید که امکان تبدیل وویس به متن به صورت همزمان فعال میشود. استفاده از Wisper Flow همواره در تمام نرمافزارهای کامپیوتر ممکن است.
همین موضوع باعث شده بسیاری از تحلیلگران، Wispr Flow را نه صرفاً یک ابزار تبدیل گفتار به متن، بلکه نسل جدیدی از نرمافزارهای بهرهوری مبتنی بر هوش مصنوعی بدانند؛ ابزاری که تلاش میکند فاصله میان «فکر کردن»، «صحبت کردن» و «نوشتن» را تا حد ممکن از بین ببرد.
