Ha eddig azért nem diktáltál szívesen, mert a felhőbe küldött hanganyag és a „ööö-zések” szó szerinti leirata zavart, a Google új iOS-es kísérleti appja pont ezekre ígér választ: offline működés és automatikus szövegtisztítás.

Mi történt

A TechCrunch szerint a Google hétfőn csendben elindította az Google AI Edge Eloquent nevű, „offline-first” diktáló alkalmazást iOS-en. Az app ingyenesen letölthető, és miután letöltöd a Gemma-alapú automatikus beszédfelismerő (ASR) modelleket, a telefonon helyben tudsz diktálni. (Az ASR-t úgy képzeld el, mint a „hangból betűt” motort: ez alakítja át a beszédet szöveggé.)

Diktálás közben az app élőben mutatja a leiratot, majd amikor megállítod, automatikusan kiszűri a töltelékszavakat (például „um”, „ah”), és „kisimítja” a szöveget. A leirat alatt több átalakítási opció is van, például „Key points” (kulcspontok), „Formal” (formális), „Short” (rövid) és „Long” (hosszú) — vagyis nem csak leír, hanem szerkesztési variációkat is kínál.

Az Eloquentnél kikapcsolható a felhős mód, és ilyenkor „local-only” feldolgozást használ. Ha a felhős mód be van kapcsolva, a TechCrunch szerint a szöveg utólagos tisztításához a Google Gemini felhőalapú modelljeit veszi igénybe. Az app opcionálisan képes kulcsszavakat, neveket és zsargont importálni a Gmail-fiókodból, illetve saját egyedi szavakat is hozzáadhatsz — ez tipikusan arra jó, hogy a modell ne vérezzen el neveknél, céges rövidítéseknél, szakkifejezéseknél.

A szolgáltatás előzményeket is vezet a diktálási sessionökről, kereshető formában, és statisztikákat mutat: például az utolsó session szavait, a szavak/perc tempót és az összes kimondott szót.

Fontos mellékszál: a cikkben szereplő frissítés szerint a Google módosította az App Store-listázást, és eltávolította az Android appra utaló részeket, viszont azt hozzáadta, hogy az iOS-es billentyűzet „hamarosan érkezik”.

Miért fontos

Az „offline-first” megközelítés itt nem marketingduma, hanem nagyon is gyakorlati döntés. Gondolj rá úgy, mint egy fordítóra, aki nem telefonál haza minden mondatnál: ha a beszédfelismerés helyben fut, akkor jellemzően gyorsabban reagálhat, kevésbé függ a hálózattól, és sok felhasználónál a privacy-érzetet is javítja. A Google ráadásul egyértelműen pozicionálja: nem puszta diktálás, hanem „beszédből kész szöveg” — vagyis a cél az, hogy a természetes, döcögős beszédből vállalható, küldhető szöveg legyen.

Piaci szempontból ez egyértelmű belépő egy egyre népszerűbb kategóriába: az AI-alapú transzkripciós appok (a TechCrunch több versenytársat is említ) azért kezdenek tömegesen terjedni, mert a beszéd-szöveg modellek látványosan jobbak lettek. Ha a kísérlet beválik, a cikk szerint ez akár Androidon is jobb diktálási képességekhez vezethet — még ha az Androidos tervekkel kapcsolatban a listázás körüli változtatás óvatosságra is int.

Mire figyelj

  1. Offline vs. felhős mód a gyakorlatban: érdemes követni, hogy a helyben futó Gemma-alapú felismerés és a felhős Gemini-alapú „szövegpucolás” között mekkora lesz a minőségi különbség, és pontosan mire használja a felhőt.
  2. Billentyűzet-integráció iOS-en: a frissített listázás szerint iOS-es billentyűzet „coming soon” — ha ez megérkezik, az app nem külön felület lesz, hanem a mindennapi gépelési mezőkben is megjelenhet.
  3. Android-sztori tisztázása: a TechCrunch szerint korábban volt Androidra utalás, amit később kiszedtek. Érdemes figyelni, hogy ebből lesz-e tényleges Android-verzió, és ha igen, milyen rendszer-szintű integrációval.
  4. Gmail-es szókincsimport: kényelmes funkció, de érzékeny terület. Nézd meg, milyen kontrollt ad (opcionális-e, mit importál, hogyan kezelhetők az egyéni szavak), mielőtt bekapcsolod.