Speechify قابلیت‌های جدید تشخیص صدا و یک دستیار صوتی تعاملی را به افزونه کروم خود اضافه کرد
توسط: به گزارش اپ خونه، شرکت Speechify که تاکنون بیشتر با ابزارهای تبدیل متن به گفتار و خواندن صوتی مقالات، فایل‌های PDF و اسناد شناخته می‌شد، اکنون با توسعه محصولات خود گام جدیدی در حوزه تعامل صوتی برداشته است.
این شرکت اعلام کرد که مجموعه‌ای از قابلیت‌های تشخیص صدا شامل تایپ صوتی و یک دستیار صوتی تعاملی را به افزونه کروم خود افزوده است؛ ویژگی‌هایی که می‌توانند روش تعامل کاربران با محتوا و صفحات وب را تغییر دهند.
در ۱۲ ماه گذشته، پیشرفت قابل‌توجه مدل‌های تشخیص گفتار باعث افزایش تعداد ابزارهای مبتنی بر صدا شده است. Speechify نیز با تکیه بر این روند، ابزار تایپ صوتی جدید خود را معرفی کرده که در حال حاضر از زبان انگلیسی پشتیبانی می‌کند. این ابزار – مانند برخی نمونه‌های مشابه – خطاهای گفتاری را تصحیح کرده و واژه‌های اضافی و پرکننده را از متن حذف می‌کند.
با این حال، تجربه اولیه نشان می‌دهد که ابزار جدید همچنان به بهبود نیاز دارد. آزمایش کوتاه انجام‌شده نشان می‌دهد که تایپ صوتی Speechify در سرویس‌هایی مانند Gmail و Google Docs عملکرد قابل قبولی دارد، اما در وب‌سایت‌هایی مانند WordPress فعال‌سازی و عملکرد آن با دشواری همراه است.
شرکت اعلام کرده که به‌تدریج در حال بهینه‌سازی عملکرد افزونه برای وب‌سایت‌های محبوب است.
از نظر دقت، نرخ خطای کلمات (Word Error Rate) در ابزار Speechify بالاتر از برخی رقبا مانند Wispr Flow، Willow و Monologue گزارش شده است. با این حال، Speechify ادعا می‌کند که مدل آن با افزایش استفاده کاربران «به‌مرور یاد می‌گیرد» و نرخ خطا به‌تدریج کاهش خواهد یافت.
Speechify همچنین یک دستیار صوتی تعاملی معرفی کرده است که در نوار کناری مرورگر کاربر فعالیت می‌کند. کاربران می‌توانند از این دستیار درباره صفحه‌ای که در حال مشاهده آن هستند سؤال بپرسند؛ پرسش‌هایی مانند:
«سه نکته کلیدی این صفحه چیست؟»
«این مطلب را ساده‌تر توضیح بده.»
مدل ارائه‌شده توسط Speechify بر این ایده تأکید دارد که بر خلاف ChatGPT یا Gemini که قابلیت گفت‌وگو را بیشتر به‌عنوان ویژگی ثانویه ارائه می‌کنند، این شرکت صدا را در مرکز تجربه کاربری قرار داده است.
روهان پاوولوری، مدیر ارشد تجاری Speechify، گفته است:
«ما معتقدیم چت همیشه تجربه پیش‌فرض در ابزارهایی مانند ChatGPT و Gemini خواهد بود. کاربران این را انتظار دارند. اما در بسیاری از موارد، صدا ویژگی ثانویه است. تجربه ما در Speechify نشان می‌دهد که بخش بزرگی از بازار، به‌خصوص کاربران ما، می‌خواهند تعامل صوتی پیش‌فرض باشد.»
یکی از چالش‌های فعلی این است که دستیار صوتی Speechify در مرورگرهایی که خود دارای دستیار کناری داخلی هستند – مانند Atlas از OpenAI، Comet از Perplexity و Dia – به طور کامل کار نمی‌کند. با این حال، شرکت اعلام کرده که نگرانی چندانی درباره این موضوع ندارد، زیرا تمرکز اصلی افزونه بر کاربران گسترده Chrome است.
Speechify قصد دارد قابلیت‌های تایپ صوتی و دستیار صوتی را به‌تدریج در تمام اپلیکیشن‌های دسکتاپ و موبایل خود نیز ادغام کند.
این استارتاپ همچنین برنامه‌هایی برای توسعه ایجنت‌هایی (Agents) دارد که می‌توانند کارها را به‌جای کاربر انجام دهند. هرچند هنوز نقشه راه کامل منتشر نشده، یکی از نمونه‌های اعلام‌شده شامل:
برقراری تماس تلفنی برای رزرو وقت و پاسخ‌گویی خودکار هنگام انتظار در تماس با پشتیبانی شرکت‌ها است.
شرکت‌هایی مانند Truecaller و Cloacked نیز در حال کار روی ابزارهایی مشابه هستند، بنابراین ورود Speechify به این حوزه نشان‌دهنده رقابت جدی‌تر در بازار کمک‌رسان‌های صوتی هوشمند است.
