மொபைல் போன்களில் குரல் வழியாக தட்டச்சு செய்யும் முறை (Voice-to-Text) பல ஆண்டுகளாக நடைமுறையில் இருந்தாலும், இணைய இணைப்பு இல்லாமல் துல்லியமாக வேலை செய்வது என்பது பெரிய சவாலாகவே இருந்து வந்தது. ஆனால், சமீபத்திய ஆான்-டிவைஸ் ஸ்பீச் (On-Device Speech) மற்றும் விஸ்பர் (Whisper) போன்ற மேம்பட்ட செயற்கை நுண்ணறிவு தொழில்நுட்பங்களின் வருகை, ஸ்மார்ட்போன் டைப்பிங் அனுபவத்தை முற்றிலும் மாற்றியமைத்துள்ளது. மேகக்கணி (Cloud) சேவைகளைச் சாராமல், நமது போனில் உள்ள பிராசஸரிலேயே நேரடியாகக் குரலை உரையாக மாற்றும் இந்த புதிய புரட்சி, பயனர்களின் எழுதும் பழக்கத்தையே புதிய உயரத்திற்கு கொண்டு சென்றுள்ளது.
முன்பெல்லாம் நாம் பேசும் குரல் பதிவு இணையத்தின் வழியாக நிறுவனங்களின் சர்வர்களுக்கு அனுப்பப்பட்டு, அங்கே கணக்கிடப்பட்ட பிறகே உரையாக நமது திரையில் தோன்றும். இதில் தாமதமும், இணையம் இல்லாத இடங்களில் தட்டச்சு செய்ய முடியாத சூழலும் இருந்தது. ஆனால், நவீன ஆான்-டிவைஸ் ஸ்பீச் முறையில், AI மாடல்கள் மிகச் சிறிய அளவாகச் சுருக்கப்பட்டு, போனில் உள்ள நியூரல் பிராஸசிங் யூனிட் (NPU) மூலமாகவே நேரடியாக இயங்குகிறது.
நமது குரல் தரவுகள் போனை விட்டு வெளியேறாமல் சாதனத்திலேயே செயலாக்கப்படுவது டிஜிட்டல் பாதுகாப்பிற்கு கிடைத்த மிகப்பெரிய வெற்றியாகும்.
OpenAI அறிமுகப்படுத்திய விஸ்பர் போன்ற திறந்த மூல AI மாடல்கள், பின்னணி இரைச்சல் அதிகமாக இருக்கும் இடங்களிலும், வெவ்வேறு பேச்சு வழக்குகளையும் (Accents) கூட மிகத்துல்லியமாகப் புரிந்துகொள்ளும் திறனைக் கொண்டுள்ளன. உள்ளூர் மொழிகள் மற்றும் உச்சரிப்பு வேறுபாடுகளை எளிதாகக் கண்டறிந்து சரியான வார்த்தைகளைத் தேர்ந்தெடுப்பதில் இந்த விஸ்பர் மாடல்கள் புதிய மைல்கல்லை எட்டியுள்ளன.
ஸ்மார்ட்போன் சிப்செட்கள் மேலும் சக்திவாய்ந்ததாக மாற மாற, இந்த உள்ளூர் குரல் அறிதல் அமைப்புகள் இன்னும் வேகமாகவும் துல்லியமாகவும் இயங்கும். மனிதர்களின் உரையாடல்களைப் புரிந்துகொண்டு தானாகவே குறிப்புகளை எடுப்பது வரை அனைத்துப் பணிகளையும் இணையத்தின் துணையின்றி இந்த தொழில்நுட்பம் சாத்தியமாக்கியுள்ளது.
நீங்கள் உங்கள் மொபைலில் வாய்ஸ் டைப்பிங் வசதியை அடிக்கடி பயன்படுத்துபவரா? இந்த ஆான்-டிவைஸ் ஸ்பீச் அனுபவம் பற்றி உங்களது கருத்துக்களை கீழே பகிர்ந்துகொள்ளுங்கள்!









