Μια εφαρμογή για iPhone, iPad και Mac θέτει ένα ενδιαφέρον ερώτημα: χρειάζεται πραγματικά να παραδίδουμε τις συνομιλίες μας σε έναν απομακρυσμένο διακομιστή για να αξιοποιήσουμε την τεχνητή νοημοσύνη;

Έχουμε συνηθίσει να θεωρούμε ότι η τεχνητή νοημοσύνη λειτουργεί κάπου μακριά από εμάς. Πληκτρολογούμε ένα ερώτημα, ανεβάζουμε ένα αρχείο ή στέλνουμε μια ηχογράφηση και περιμένουμε να επιστρέψει το αποτέλεσμα από κάποιον διακομιστή.

Στην καθημερινότητα αυτό μοιάζει απολύτως φυσιολογικό. Όταν όμως το αρχείο περιλαμβάνει μια επαγγελματική συνάντηση, μια προσωπική συζήτηση ή μια συνέντευξη, το ζήτημα αποκτά διαφορετική διάσταση.

Ποιος έχει πρόσβαση στο ηχητικό αρχείο; Πού πραγματοποιείται η επεξεργασία; Και είναι απαραίτητο να φύγει η ηχογράφηση από τη συσκευή μας;

Το Aiko επιχειρεί να απαντήσει σε αυτά τα ερωτήματα με έναν διαφορετικό τρόπο. Είναι μια εφαρμογή του ανεξάρτητου δημιουργού Sindre Sorhus που μετατρέπει ηχογραφήσεις σε κείμενο χρησιμοποιώντας το μοντέλο Whisper της OpenAI, αλλά πραγματοποιεί την απομαγνητοφώνηση τοπικά στη συσκευή.

Σύμφωνα με τον δημιουργό, το ηχητικό αρχείο δεν αποστέλλεται σε κάποιον εξωτερικό διακομιστή για την απομαγνητοφώνηση. Η επεξεργασία πραγματοποιείται στο iPhone, στο iPad ή στο Mac.

Γιατί η τοπική τεχνητή νοημοσύνη έχει σημασία

Ας υποθέσουμε ότι ένας δημοσιογράφος έχει ηχογραφήσει μια συνέντευξη διάρκειας σαράντα λεπτών. Μέχρι πρόσφατα, η μετατροπή της σε κείμενο απαιτούσε είτε πολλές ώρες χειροκίνητης εργασίας είτε την αποστολή του αρχείου σε μια υπηρεσία απομαγνητοφώνησης.

Η δεύτερη επιλογή εξοικονομεί χρόνο, αλλά εισάγει ένα επιπλέον ερώτημα εμπιστοσύνης. Ο χρήστης πρέπει να γνωρίζει πώς διαχειρίζεται η υπηρεσία το περιεχόμενο που λαμβάνει.

Το Aiko ακολουθεί μια άλλη διαδρομή. Χρησιμοποιεί την υπολογιστική ισχύ της ίδιας της συσκευής για να αναγνωρίσει την ομιλία και να δημιουργήσει το αντίστοιχο κείμενο.

Αυτό δεν σημαίνει ότι εξαφανίζεται κάθε κίνδυνος για την ιδιωτικότητα. Το αρχείο και το παραγόμενο κείμενο εξακολουθούν να χρειάζονται σωστή διαχείριση, ιδιαίτερα όταν αποθηκεύονται, δημιουργούνται αντίγραφα ασφαλείας ή κοινοποιούνται σε άλλες εφαρμογές.

Ωστόσο, η απουσία της υποχρεωτικής αποστολής του ήχου σε υπηρεσία cloud αποτελεί ουσιαστική διαφορά.

Και ίσως αυτή να είναι μία από τις πιο ενδιαφέρουσες κατευθύνσεις της τεχνητής νοημοσύνης: όχι απαραίτητα μεγαλύτερα μοντέλα που γνωρίζουν περισσότερα, αλλά εργαλεία που μπορούν να κάνουν μια συγκεκριμένη δουλειά χωρίς να απαιτούν πρόσβαση στα προσωπικά μας δεδομένα.

Μπορεί να καταλάβει ελληνικά;

Αυτό είναι το πρώτο ερώτημα που έχει πραγματική σημασία για το ελληνικό κοινό.

Η απάντηση είναι ναι. Το Aiko υποστηρίζει απομαγνητοφώνηση σε περίπου 100 γλώσσες, μεταξύ των οποίων και τα ελληνικά.

Χρειάζεται όμως να διαχωρίσουμε δύο πράγματα. Η εφαρμογή μπορεί να επεξεργαστεί ελληνική ομιλία, αλλά το ίδιο το περιβάλλον χρήσης της διατίθεται στα αγγλικά.

Επίσης, η υποστήριξη μιας γλώσσας δεν εγγυάται ότι κάθε λέξη θα αναγνωριστεί σωστά. Η ποιότητα του μικροφώνου, ο θόρυβος του περιβάλλοντος, οι ταυτόχρονες ομιλίες, οι τοπικές προφορές και οι εξειδικευμένοι όροι μπορούν να επηρεάσουν το αποτέλεσμα.

Ο ίδιος ο δημιουργός προειδοποιεί ότι η ποιότητα διαφέρει ανάμεσα στις υποστηριζόμενες γλώσσες και προτείνει τη δοκιμή της εφαρμογής πριν από την αγορά.

Αυτό έχει ιδιαίτερη σημασία όταν το κείμενο προορίζεται για δημοσίευση. Η απομαγνητοφώνηση μπορεί να αποτελέσει εξαιρετική πρώτη ύλη, αλλά δεν αντικαθιστά τον έλεγχο της αρχικής ηχογράφησης.

Από μια ηχογράφηση μέχρι τους υπότιτλους ενός βίντεο

Η χρησιμότητα του Aiko δεν περιορίζεται στις επαγγελματικές συναντήσεις.

Ένας φοιτητής μπορεί να χρησιμοποιήσει την εφαρμογή για να μετατρέψει μια επιτρεπόμενη ηχογράφηση διάλεξης σε σημειώσεις. Ένας δημιουργός podcast μπορεί να αποκτήσει ένα πρώτο κείμενο του επεισοδίου του. Ένας επαγγελματίας μπορεί να αναζητήσει πληροφορίες μέσα σε μια παλαιότερη συζήτηση χωρίς να ακούσει ολόκληρο το αρχείο από την αρχή.

Υπάρχει και μια ακόμη ενδιαφέρουσα δυνατότητα: η εξαγωγή υποτίτλων σε μορφή SRT.

Αυτό επιτρέπει τη χρήση της απομαγνητοφώνησης ως αφετηρίας για τον υποτιτλισμό ενός βίντεο. Δεν σημαίνει ότι οι υπότιτλοι θα είναι έτοιμοι για δημοσίευση χωρίς διορθώσεις, αλλά μπορεί να περιορίσει σημαντικά τον χρόνο της αρχικής εργασίας.

Η εφαρμογή υποστηρίζει επίσης την εισαγωγή κοινών μορφών ήχου και βίντεο, όπως M4A, WAV, MP3, MP4 και MOV, εφόσον υποστηρίζονται από το λειτουργικό σύστημα.

Πώς λειτουργεί στην πράξη;

Η βασική διαδικασία δεν απαιτεί ιδιαίτερη τεχνική εξοικείωση.

Ανοίγουμε το Aiko, εισάγουμε ένα συμβατό ηχητικό αρχείο ή χρησιμοποιούμε τις δυνατότητες ηχογράφησης της εφαρμογής και ξεκινάμε την απομαγνητοφώνηση.

Η συσκευή αναλαμβάνει να επεξεργαστεί τον ήχο και να εμφανίσει το αναγνωρισμένο κείμενο.

Στη συνέχεια μπορούμε να αντιγράψουμε το αποτέλεσμα ή να το εξαγάγουμε για περαιτέρω επεξεργασία. Το Aiko υποστηρίζει επίσης Shortcuts, κάτι που ενδιαφέρει ιδιαίτερα όσους χρησιμοποιούν αυτοματισμούς στο οικοσύστημα της Apple.

Υπάρχει όμως μια σημαντική ιδιαιτερότητα: το Aiko δεν αποτελεί εφαρμογή ζωντανής απομαγνητοφώνησης την ώρα που κάποιος μιλά. Επεξεργάζεται ηχογραφήσεις, δίνοντας προτεραιότητα στην ακρίβεια και όχι στην άμεση εμφάνιση του κειμένου.

Επιπλέον, δεν διαθέτει αυτόματη αναγνώριση διαφορετικών ομιλητών. Σε μια συνέντευξη δύο ή περισσότερων ανθρώπων, ο χρήστης θα χρειαστεί να ελέγξει και να διαχωρίσει τις παρεμβάσεις τους.

Τα 29 ευρώ είναι λογική τιμή;

Το Aiko διατίθεται στο ελληνικό App Store με τιμή 29,00 ευρώ.

Πρόκειται για εφάπαξ αγορά και όχι για υποχρεωτική μηνιαία συνδρομή. Η εφαρμογή υποστηρίζει το μοντέλο Universal Purchase, επομένως η αγορά μπορεί να καλύψει τις υποστηριζόμενες πλατφόρμες της Apple μέσω του ίδιου λογαριασμού.

Ο δημιουργός προσφέρει επίσης δωρεάν δοκιμή 14 ημερών μέσω TestFlight, χωρίς αυτόματη χρέωση, σύμφωνα με την επίσημη ιστοσελίδα του.

Η τιμή δεν είναι αμελητέα για μια εφαρμογή με τόσο συγκεκριμένη λειτουργία.

Για κάποιον που χρειάζεται απομαγνητοφώνηση δύο φορές τον χρόνο, ενδέχεται να μην έχει ιδιαίτερο νόημα. Για έναν επαγγελματία που επεξεργάζεται συχνά ηχογραφήσεις, όμως, το κόστος μπορεί να είναι ευκολότερο να δικαιολογηθεί.

Το ουσιαστικό ερώτημα δεν είναι αν τα 29 ευρώ είναι πολλά ή λίγα. Είναι πόσο χρόνο εξοικονομεί η εφαρμογή και πόσο σημαντικό είναι για τον χρήστη να διατηρεί την επεξεργασία των αρχείων στη δική του συσκευή.

Οι περιορισμοί που πρέπει να γνωρίζουμε

Η τοπική επεξεργασία έχει και πρακτικό κόστος.

Το Aiko καταλαμβάνει περίπου 1,8 GB αποθηκευτικού χώρου, καθώς περιλαμβάνει τα απαραίτητα μοντέλα αναγνώρισης ομιλίας.

Η επεξεργασία μπορεί να απαιτεί χρόνο, ιδιαίτερα σε παλαιότερες συσκευές ή σε μεγάλες ηχογραφήσεις. Στο iPhone, η εφαρμογή πρέπει να παραμένει ανοιχτή όσο εκτελείται η απομαγνητοφώνηση, λόγω των περιορισμών παρασκηνιακής λειτουργίας του iOS.

Υπάρχει επίσης ένας συγκεκριμένος περιορισμός που αναφέρει ο δημιουργός: η κοινοποίηση απευθείας από το Voice Memos στην εφαρμογή παρουσιάζει πρόβλημα στο iOS 26, το οποίο αποδίδει σε σφάλμα του λειτουργικού συστήματος. Αυτό δεν σημαίνει ότι η εισαγωγή ηχητικών αρχείων γενικότερα είναι αδύνατη.

Τέλος, το Aiko δεν είναι πλήρης επεξεργαστής κειμένου. Ο δημιουργός προτείνει την εξαγωγή της απομαγνητοφώνησης σε άλλη εφαρμογή για ουσιαστικές διορθώσεις.

Η άποψη του AppleWorldHellas: Το AI δεν χρειάζεται πάντα να γνωρίζει τα πάντα για εμάς

Το Aiko δεν επιχειρεί να αντικαταστήσει έναν ολοκληρωμένο ψηφιακό βοηθό. Δεν γράφει άρθρα, δεν οργανώνει συναντήσεις και δεν προσπαθεί να γίνει το κέντρο της ψηφιακής μας ζωής.

Κάνει μία δουλειά: μετατρέπει την ομιλία σε κείμενο.

Και αυτή η απλότητα αποτελεί μέρος της αξίας του.

Σε μια αγορά όπου όλο και περισσότερες εφαρμογές προσθέτουν λειτουργίες AI, ακόμη κι όταν δεν είναι απαραίτητες, το Aiko εκπροσωπεί μια διαφορετική φιλοσοφία. Χρησιμοποιεί την τεχνητή νοημοσύνη για ένα συγκεκριμένο πρόβλημα και επιδιώκει να περιορίσει την ανάγκη μεταφοράς προσωπικών δεδομένων.

Δεν είναι απαραίτητα η καλύτερη επιλογή για όλους. Η τιμή, οι απαιτήσεις συστήματος και η απουσία ζωντανής απομαγνητοφώνησης αποτελούν πραγματικούς περιορισμούς.

Για δημοσιογράφους, δημιουργούς περιεχομένου, φοιτητές και επαγγελματίες που διαχειρίζονται συχνά ηχογραφήσεις, όμως, είναι μια πρόταση που αξίζει να εξεταστεί.

Ίσως, τελικά, η πιο ουσιαστική εξέλιξη της τεχνητής νοημοσύνης να μην είναι μόνο όσα περισσότερα μπορεί να κάνει για εμάς.

Ίσως να είναι και όσα μπορεί να κάνει χωρίς να χρειάζεται να της παραδώσουμε περισσότερα από όσα πραγματικά απαιτούνται.

APPLEWORLDHELLAS COMMUNITY

Η Apple είναι μόνο η αρχή.

Ειδήσεις, αναλύσεις, οδηγοί, τεχνολογία και podcasts. Μείνετε κοντά στην κοινότητα του AppleWorldHellas και μη χάνετε όσα αξίζουν την προσοχή σας.

Ακολουθήστε μας στο Google Search ↗

Βρείτε μας στα κοινωνικά δίκτυα

Google News Facebook Instagram X YouTube

🎙️ AppleWorldHellas Podcast

Οι ιστορίες και οι εξελίξεις της Apple, με συζήτηση, άποψη και τη δική μας ματιά.

Spotify ↗ Apple Podcasts ↗

AppleWorldHellas.com · Από το 2009, με αγάπη για την τεχνολογία.