आप पर अपनी सहेली को एक सच्चा स्पष्टीकरण देना बाक़ी है। आप तीन हफ़्ते चुप रहे; उसकी कॉल छूट गई, आपने दोबारा बात नहीं की, और वह कोई मामूली बात नहीं थी, वह काम में सचमुच एक बुरा दौर था जो आप उसे बताना चाहते हैं। आप थ्रेड खोलते हैं और टाइप करना शुरू करते हैं। पहला वाक्य ठीक निकल जाता है। तीसरे तक आपका अँगूठा काँच पर अकड़ने लगता है, ऑटोकरेक्ट एक ऐसा शब्द खा जाता है जो आपको चाहिए था, और आप विचार पूरा करने की जगह जो लिखा है उसे दोबारा पढ़ रहे होते हैं। चार मिनट बाद आपके पास तीन वाक्य हैं और एक ऐसा संदेश जो अब भी वैसा नहीं कहता जैसा आप चाहते हैं।
तो आप वही करते हैं जो लगभग हर कोई करता है: नुक़सान काटकर छोड़ देते हैं। "सॉरी, बहुत व्यस्त था। लव यू, जल्दी फ़ोन करूँगा।" तकनीकी रूप से सच। जो आप कहना चाहते थे उसका एक छोटा सा अंश। उसे माफ़ी का छोटा रूप मिलता है जो लंबे रूप की हक़दार थी, इसलिए नहीं कि आपको लिखने की इतनी परवाह नहीं थी, बल्कि इसलिए कि फ़ोन पर पूरा लिखना उस पल के लिए ज़रूरत से ज़्यादा झंझट था।
यह लगातार होता है, और सिर्फ़ माफ़ी के साथ नहीं: महीनों की चुप्पी के बाद हाल-चाल का संदेश, मकान मालिक को यह समझाना कि किराया दो दिन देर से क्यों है, वह ईमेल जिसमें तीन कटी-छँटी पंक्तियों की जगह असली संदर्भ चाहिए। लोग ये संदेश इसलिए छोटे और ख़राब नहीं भेजते कि उनके पास कहने को कम है। वे इन्हें छोटा और ख़राब इसलिए भेजते हैं कि अँगूठे से टाइप करना लंबाई की सज़ा देता है।
रफ़्तार का असली फ़ासला
यह इच्छाशक्ति की समस्या नहीं है। यह यांत्रिक है: फ़ोन की स्क्रीन पर टाइप करना उस रफ़्तार के मुक़ाबले धीमा है जिससे बोलते समय शब्द सचमुच निकलते हैं।
रोज़मर्रा की मोबाइल टाइपिंग पर 2019 के एक बड़े अध्ययन (Palin, Feit, Kim, Kristensson और Oulasvirta, "How do People Type on Mobile Devices?", MobileHCI 2019, क़रीब 37,000 प्रतिभागी) में टचस्क्रीन पर औसत टाइपिंग गति लगभग 36 शब्द प्रति मिनट मिली, सामान्य, असली दुनिया की परिस्थितियों में, किसी प्रयोगशाला की सबसे अच्छी स्थिति में नहीं। इसके उलट बातचीत की बोली को व्यापक रूप से कई गुना तेज़ आँका जाता है; भाषण और प्रसारण के शोध में 130-150 शब्द प्रति मिनट के आसपास के आँकड़े बार-बार दिखते हैं। सटीक संख्याएँ अध्ययन-दर-अध्ययन बदलती हैं, पर फ़ासले का आकार नहीं बदलता: बोलना अँगूठे से टाइप करने से थोड़ा नहीं, कई गुना तेज़ है।
मान लीजिए वह माफ़ी लगभग 300 शब्दों की है, और उसे दोनों तरह से आज़माएँ। फ़ोन की व्यावहारिक रफ़्तार से टाइप करें, ऑटोकरेक्ट से जूझते और दोबारा पढ़ते हुए, तो उसमें लगातार कई मिनट की मेहनत लगती है, और ठीक इसीलिए ज़्यादातर लोग उसे आधे में छोड़कर कुछ छोटा भेज देते हैं। ज़ोर से बोलने पर वही 300 शब्द ढाई मिनट से कम में पूरे हो जाते हैं।
जहाँ डिक्टेशन सचमुच चमकता है
डिक्टेशन हर चीज़ के लिए सही साधन नहीं है, पर एक साफ़ श्रेणी है जिसमें वह सीधे जीतता है:
-वे संदेश जो आप पहले से दिमाग़ में बना रहे हैं। अगर आप जानते हैं कि क्या कहना है और रुकावट बस उसे टाइप करना है, तो बस बोल दें।
-अपने लिए नोट्स। विचार, रिमाइंडर, अधपके ख़याल, वे जो इसलिए दम तोड़ देते हैं कि उन्हें टाइप करना उस चीज़ के लिए बहुत मेहनत लगा जिसे शायद आप वैसे भी मिटा देते।
-ईमेल और लंबे स्पष्टीकरण। जिसमें असली संदर्भ हो, कोई स्टेटस अपडेट, "यह हुआ था", यानी एक पंक्ति की चालाकी भरी टाल की जगह असली जवाब।
-एक-दो वाक्य से लंबा कुछ भी। बराबरी का बिंदु ठीक-ठीक तय नहीं है, पर साफ़ है: तीन शब्द का जवाब टाइप करना तेज़ है; तीन वाक्य का आम तौर पर नहीं।
जहाँ नहीं, और वह ठीक है
सीमाओं के बारे में ईमानदार रहना इस दिखावे से ज़्यादा मायने रखता है कि वे हैं ही नहीं।
-शोर वाली या सार्वजनिक जगहें। भीड़ वाली ट्रेन, शोर भरी रसोई, कोई बार, पृष्ठभूमि का शोर ट्रांसक्रिप्शन की गुणवत्ता घटाता है, और वहाँ टाइप करना जीतता है, इसलिए नहीं कि वह बेहतर है बल्कि इसलिए कि आवाज़ पहचान कोई जादू नहीं है।
-संवेदनशील बातचीत। अगर आप नहीं चाहते कि आसपास के लोग सुनें कि आप क्या कह रहे हैं, तो उसे ज़ोर से न कहें। यह डिक्टेशन की ऐसी समस्या नहीं जिसे ठीक किया जाए, बस वह उसका मौक़ा नहीं है।
-सटीक नाम, शब्द और वर्तनी। किसी दवा का नाम, किसी क्लाइंट का असामान्य उपनाम, कोई खाता संख्या जिसे आपको ठीक वैसे ही दोहरवाना है, इस तरह की सटीकता पर आवाज़ पहचान अब भी टाइपिंग से ज़्यादा लड़खड़ाती है। अगर वह अक्षर-दर-अक्षर सही होना ज़रूरी है, तो टाइप करें।
इसमें से कुछ भी डिक्टेशन को अविश्वसनीय नहीं बनाता। यह ज़्यादातर सामान्य संदेशों के लिए एक साधन है, हर स्थिति में टाइपिंग की जगह नहीं।
असली तरीक़ा: पहले बोलें, फिर साफ़ करें
जो तरीक़ा सचमुच काम करता है, वह "AI से अपना संदेश लिखवाना" नहीं है। वह है पहले डिक्टेट करना, फिर साफ़ करना।
संदेश को वैसे ही बोलें जैसे आप सचमुच ज़ोर से बोलते: बिखरा हुआ, झूठी शुरुआतों के साथ, कभी-कभार "उम्म" के साथ, एक ऐसे वाक्य के साथ जो रुकता है और फिर शुरू होता है। यह सामान्य है। असली रूप को तेज़ी से बाहर निकाल देना, वाक्य के बीच में रुककर ख़ुद को संपादित किए बिना, टाइप करने की जगह बोलने का ठीक यही मक़सद है।
फिर उसे सफ़ाई से गुज़ारें। Vavus Keyboard के डिक्टेशन में AI सफ़ाई का एक चरण शामिल है जो आपने जो असल में कहा उसे कसता है: फ़ालतू शब्द हटाता है, उलझे वाक्य ठीक करता है, लड़खड़ाहट को सहज करता है, बिना वह सामग्री गढ़े जो आपने कही नहीं, या आपका अर्थ बदले। यह आपके लिए लिखना नहीं है। यह कोई ऐसा बिंदु नहीं जोड़ता जो आपने रखा नहीं था, न किसी ऐसी राय को नरम करता है जो आपने जताई थी। यह अब भी आपका संदेश है, आपकी आवाज़, आपके शब्द, बस "उम्म" और ख़ुद पर लौटते वाक्य के बिना; वही रिश्ता जो एक कच्चे वॉइस मेमो और उसके साफ़ ट्रांसक्रिप्ट के बीच होता है, न कि वह जो किसी प्रॉम्प्ट और AI से बने निबंध के बीच होता है।
दोनों चरण साथ मिलकर ही डिक्टेशन को असली संदेशों के लिए काम का बनाते हैं, सिर्फ़ झटपट एक पंक्ति के जवाबों के लिए नहीं: असली रूप बाहर लाने के लिए तेज़ी से बोलें, फिर सफ़ाई को वह पॉलिश वाला चरण करने दें जिसे आप ख़ुद टाइप करते समय छोड़ देते।
यह डेस्कटॉप पर भी काम करता है
डिक्टेशन सिर्फ़ फ़ोन की सुविधा नहीं है। Vavus Keyboard का डेस्कटॉप डिक्टेशन शॉर्टकट लैपटॉप पर भी उसी तरह काम करता है: शॉर्टकट दबाएँ, बोलें, और शब्द वहाँ दिखते हैं जहाँ आपका कर्सर है, चाहे वह ईमेल क्लाइंट हो, Slack संदेश हो या कोई दस्तावेज़। अगर आप डिक्टेशन को सिर्फ़ फ़ोन के लिए इसलिए रखते आए हैं कि पूरे कीबोर्ड पर टाइप करना "काफ़ी ठीक लगता है", तो वही हिसाब तब भी लागू होता है जब बात एक-दो वाक्य से ज़्यादा की हो।
इसकी क़ीमत क्या है
Vavus Keyboard असीमित डिक्टेशन और अनुवाद के लिए वेब पर $14.97/माह है (Apple पर $14.99), या टोकन के साथ जितना इस्तेमाल करें उतना भुगतान करें। यह कितने अधूरे संदेशों की जगह लेता है, यह देखते हुए यह एक छोटी आदत का बदलाव है जिसका फ़ायदा कहीं बड़ा है।
अक्सर पूछे जाने वाले सवाल
क्या फ़ोन पर डिक्टेशन सचमुच टाइप करने से तेज़ है?
एक-दो वाक्य से लंबी किसी भी चीज़ के लिए हाँ, बड़े अंतर से। असली दुनिया की परिस्थितियों में औसत मोबाइल टाइपिंग लगभग 36 शब्द प्रति मिनट है (Palin और अन्य, MobileHCI 2019), जबकि बातचीत की बोली को आम तौर पर उससे कई गुना तेज़ आँका जाता है। छोटे जवाब अक्सर टाइप करने पर भी उतने ही तेज़ होते हैं; लंबे जवाबों में डिक्टेशन साफ़ जीतता है।
क्या AI सफ़ाई मेरी कही बात को दोबारा लिखती है, या बस सँवारती है?
वह सँवारती है, दोबारा नहीं लिखती। Vavus Keyboard की AI सफ़ाई आपने जो असल में कहा उसमें से फ़ालतू शब्द हटाती है, उलझे वाक्य ठीक करती है और लड़खड़ाहट को सहज करती है। वह कोई नई सामग्री नहीं जोड़ती, कोई ऐसा बिंदु नहीं गढ़ती जो आपने रखा नहीं था, और आपका अर्थ नहीं बदलती। यह अब भी आपके शब्दों में आपका संदेश है।
क्या डिक्टेशन शोर वाली जगह में काम करता है?
भरोसेमंद ढंग से नहीं। पृष्ठभूमि का शोर आवाज़ पहचान को वैसे ही बिगाड़ता है जैसे फ़ोन कॉल को: जितना ज़्यादा शोर, उतनी ज़्यादा ग़लतियाँ। शोर भरे कमरे में या किसी सार्वजनिक जगह में, जहाँ आप वैसे भी नहीं चाहते कि कोई सुने, टाइप करना ही बेहतर विकल्प है।
क्या मैं डिक्टेशन डेस्कटॉप पर भी इस्तेमाल कर सकता हूँ, सिर्फ़ फ़ोन पर नहीं?
हाँ। Vavus Keyboard का डेस्कटॉप डिक्टेशन शॉर्टकट लैपटॉप पर भी उसी तरह काम करता है: आप शॉर्टकट चलाते हैं, बोलते हैं, और टेक्स्ट वहाँ दिखता है जहाँ आपका कर्सर है, ईमेल, चैट या दस्तावेज़ में।
निचोड़ यह है: ज़्यादातर लोग आदत से टाइप करते हैं, इसलिए नहीं कि वह सचमुच तेज़ है। झटपट जवाब के लिए टाइप करते रहें, वह बिल्कुल ठीक है। लेकिन उस संदेश के लिए जो आप दिमाग़ में बनाते रहते हैं, उस माफ़ी के लिए जो एक पंक्ति से ज़्यादा की हक़दार है, उस नोट के लिए जो आप वरना कभी नहीं लिखते: बोल दें, फिर साफ़ कर लें। पूरी प्रक्रिया बस इतनी है, और इसमें उस पैराग्राफ़ से कम समय लगता है जिसे आपने अभी छोड़ दिया। इसे vavusai.com.