Článek
Umělá inteligence může slovní vatu odstranit ještě dřív, než se přepis objeví na obrazovce.
Převádění hlasu na text samozřejmě není žádná novinka. Mluvit se o něm začalo už na přelomu tisíciletí a před více než patnácti lety se objevovaly články o tom, jak si automatickým přepisem pomáhají například soudy. Tehdejší software ale dělal poměrně dost chyb. Výsledný text proto obvykle kontroloval člověk, který nesprávně rozpoznaná slova průběžně opravoval.
Od té doby se přesnost výrazně zlepšila. Například ElevenLabs u svého modelu Scribe uvádí v některých testech českého přepisu chybovost nižší než pět procent. Konkrétní výsledek samozřejmě závisí na kvalitě nahrávky, výslovnosti, okolním hluku i tématu. Automatický přepis se přesto dostal do bodu, kdy jej lze pro řadu běžných situací používat bez člověka, který by každou větu okamžitě kontroloval.
To zajímavější ale není samotná přesnost. Posouvá se totiž naše představa o tom, co má dobrý přepis vlastně dělat. Dříve jsme od něj chtěli, aby co nejvěrněji zachytil každé vyslovené slovo. Dnes často chceme pravý opak. Nepotřebujeme zaznamenat každé „ehm“, opakování ani větu, kterou jsme v půlce opustili. Když při diktování řeknu: „Sejdeme se ve dvě… vlastně ne, raději ve tři,“ v hotovém textu klidně může zůstat jen informace o třetí hodině.
Podobně funguje například Wispr Flow. Nejenže převádí řeč na text, ale zároveň odstraňuje slovní vatu, doplňuje interpunkci, upravuje formátování a pozná, když se řečník opraví. Nemusíte tedy nejprve přesně formulovat celou větu v hlavě. Můžete přemýšlet nahlas a nástroj z vašeho projevu sestaví čistší text.
Stejným směrem se vydal také Google s funkcí Rambler pro klávesnici Gboard. Název odkazuje na anglické „rambling“, tedy rozvláčné mluvení a odbíhání od tématu. Rambler má z takového projevu vybrat podstatné části a spojit je do srozumitelného sdělení. V současnosti je ale dostupný pouze na vybraných telefonech Pixel a češtinu zatím nepodporuje, takže si na jeho širší využití ještě budeme muset počkat.
Pokud si chcete podobný způsob diktování vyzkoušet už nyní, jednou z nejdostupnějších možností je právě Wispr Flow. Nejlépe zatím funguje při diktování v angličtině, podporuje ale více než stovku jazyků. U pracovních nebo citlivých textů je pouze potřeba zkontrolovat nastavení ochrany dat. Přepis probíhá v cloudu a není jedno, zda diktujete nákupní seznam, interní firemní informace, nebo třeba zdravotní údaje.
Celý vývoj přináší ještě jednu zajímavou otázku. Klasický přepis zaznamenával, co člověk skutečně řekl. Nové nástroje se snaží zachytit spíš to, co podle nich říct chtěl. Pro e-mail nebo zprávu kolegovi je to výborná pomoc. U soudního jednání, rozhovoru nebo jiného záznamu, kde záleží na každém slově, už může být taková ochota AI „pomáhat“ problematická.
Umělá inteligence nás tedy zbaví spousty „ehm“, „jakoby“ a nedokončených vět. Pořád bychom ale měli vědět, zda právě vytváříme uhlazený text, nebo věrný záznam. Není to totéž.
