VoxMend: Voice Typing Fix

वॉक्समेंड (VoxMend) तुमच्या बोलण्याचे तुमच्या फोनवर मजकुरात रूपांतर करते आणि तो मजकूर कुठेही पाठवण्यापूर्वी तुम्हाला तो दुरुस्त करू देते.

हे कसे काम करते
• डिक्टेट (Dictate) वर टॅप करा आणि बोला. काय ऐकले जात आहे याचा एक प्रिव्ह्यू (preview) दिसतो; पूर्ण झालेले भाग कर्सरवर जोडले जातात.

• एक चुकीचा शब्द निवडा, 'से अगेन' (Say again) वर टॅप करा आणि योग्य शब्द बोला. तुम्हाला जुने आणि नवीन शब्द शेजारी-शेजारी दिसतात आणि तुम्ही ठरवू शकता.

• अंडू (Undo) शेवटचा बदल पूर्ववत करते. मजकूर कॉपी करा, शेअर करा किंवा फाईल म्हणून सेव्ह करा.

• माझे शब्द: वॉक्समेंडला सांगा की नावे आणि संज्ञा चुकीच्या पद्धतीने कशा लिहाव्यात ("जेव्हा मी हे म्हणेन, तेव्हा ते लिहा").

• दोन स्पीच लँग्वेजेस (speech languages), एका टॅपमध्ये त्यांच्यामध्ये स्विच करा. वॉक्समेंड कधीही भाषांतर करत नाही आणि स्वतःहून स्विच करत नाही.

• व्हॉइस कीबोर्ड (Voice keyboard): थेट इतर ॲप्समध्ये बोला, आणि एका बटणाने तुमच्या नेहमीच्या कीबोर्डवर परत या.

• तुम्ही निवडल्यास, जे ॲप्स अँड्रॉइडकडून स्पीच इनपुट (speech input) मागतात ते वॉक्समेंड वापरू शकतात.

• सेव्ह केलेले मजकूर: प्रत्येक बदल फोनवर सेव्ह केला जातो, त्यामुळे ॲप बंद केल्यावरही तुमचा मजकूर नष्ट होत नाही. तुम्ही सेट केलेल्या वेळेनंतर (डीफॉल्टनुसार २४ तास) ते हटवले जातात.

• डायग्नोस्टिक्स दाखवते की अँड्रॉइड कोणता मायक्रोफोन (फोन, ब्लूटूथ, वायर्ड, यूएसबी) रिपोर्ट करतो आणि दोन सेकंदांची मायक्रोफोन तपासणी करते.

हे काय करत नाही
• हे फाईलमध्ये आवाज रेकॉर्ड करत नाही, आणि तुम्ही मायक्रोफोनवर टॅप केल्याशिवाय ते ऐकत नाही.

• हे तुमचे शब्द पुन्हा लिहित नाही, सुव्यवस्थित करत नाही किंवा भाषांतरित करत नाही.

• ओळख प्रक्रियेत चुका होतात. भाषेनुसार गुणवत्तेत फरक असतो: स्टँडर्ड मॉडेलमध्ये इंग्रजी आणि स्पॅनिश भाषा तुर्की, फ्रेंच किंवा अरबी भाषांपेक्षा अधिक अचूक आहेत.

• व्हॉइस कीबोर्ड कीजने टाइप करत नाही आणि पासवर्ड फील्डमध्ये काम करत नाही. काही फील्ड्स (काही वेब पेजेस, गेम्स, रिमोट डेस्कटॉप) कीबोर्डवरील मजकूर स्वीकारत नाहीत; अशावेळी एडिटर वापरा आणि कॉपी करा.

• ॲप बंद झाल्यावरही ओळखला जात असलेला आवाज परत मिळवता येत नाही; फक्त पूर्ण झालेला मजकूर सेव्ह केला जातो.

• दुसरे ॲप त्याने पाठवलेला मजकूर ठेवते की नाही याची ते खात्री करू शकत नाही, आणि स्वतःहून तो कधीही पुन्हा पाठवत नाही.

स्पीच मॉडेल्स
ओळख प्रणाली फोनवर whisper.cpp द्वारे OpenAI व्हिस्पर मॉडेल्स (MIT परवाना) वापरते. स्टँडर्ड मॉडेल (60 MB) गुगल प्ले वरून एकदाच डाउनलोड केले जाते; 3 GB किंवा त्याहून अधिक मेमरी असलेल्या फोनवर अधिक अचूक मॉडेल (190 MB) दिले जाते. प्रत्येक फाईल वापरण्यापूर्वी एका निश्चित फिंगरप्रिंटद्वारे तपासली जाते.

गोपनीयता
VoxMend ला इंटरनेट परवानगी, खाते, विश्लेषण किंवा जाहिरात SDK ची आवश्यकता नाही. तुमचा मजकूर फोनवरच राहतो आणि त्याचा बॅकअप घेतला जात नाही. ॲपच्या नऊ भाषा: इंग्रजी, अरबी, जर्मन, स्पॅनिश, फ्रेंच, जपानी, पोर्तुगीज (ब्राझील), रशियन आणि तुर्की. स्पीच रेकग्निशनच्या भाषा: त्याच नऊ, वेगवेगळ्या गुणवत्ता स्तरांवर.

संपर्क: contact@basilbase.com