A zamanin da kusan kowace fasaha ke buƙatar haɗin intanet, tsarin gane muryar ɗan adam na fuskantar babban sauyi na fasaha. Yau, rubuta magana balle intanet (offline voice dictation) yana ba mutane dama su sauya muryarsu zuwa rubutu nan take a kan wayoyinsu ba tare da an aika bayanai zuwa sabar gidan yanar gizo ba. Wannan sauyi yana tattare da fasaha mai zurfi wadda ke tafiyar da tsarin gane saututtuka da sauya su zuwa kalmomi nan take. A cikin wannan kasidar, za mu bincika yadda wannan tsarin na roba ke aiki a kan na'ura ba tare da buƙatar haɗin intanet ba.
Domin samun damar gudanar da rubuta magana balle intanet, masana sun ƙira ƙananan samfuran basira ta roba (on-device AI models) waɗanda za su iya zama a kan ma'adana ta waya. Tsarin ya kasu kashi biyu babbalu: samfurin acoustics da ke binciken amsamsar murya, da kuma samfurin harshe da ke fahimtar tsarin kalmomi.
Saurin gane magana a kan na'ura yana rage jinkirin da aka saba samu lokacin amfani da intanet.
Babban asirin da ke bayan samun hanzari wajen maida sauti zuwa rubutu shine abin da ake kira 'latent space mapping'. A lokacin da mutum yake magana, na'urar tana rushe sautin zuwa lambobi na musamman, sannan tana sanya su a cikin wani fili na lissafi da ake kira latent space.
Amfani da rubuta magana balle intanet yana ba mai sarrafa waya tsaro mai zurfi saboda sakonnin muryarsa ba sa tafiya ta cikin gidan yanar gizo. Har ila yau, yana gudu cikin sauri komai rashin kyawun hanyar sadarwa a garinku.
Shin ka taba gwada amfani da tsarin rubuta magana ba tare da intanet ba? Tuntuɓe mu a ƙasa domin bayyana ra'ayoyinki game da wannan fasaha.









