To nie było celowe, ale wczoraj — w dniu moich imienin, dzień po urodzinach — zrobiłem sobie wyjątkowy prezent. Jaki?
Od ponad roku pracowałem nad własnymi rozwiązaniami AI: począwszy od transkrypcji, która była potrzebna mnie samemu (do tworzenia wpisów, przy okazji podcastu), aż po zaawansowaną pracę z dokumentami w programie beDocs.
TranskrypcjaAI — bo tak początkowo nazywał się beScript — zaczynał jako program działający w terminalu. Dla własnej wygody dość szybko dołożyłem do niego interfejs graficzny.
Pokazałem ten program kilku osobom — prawnikom i psychologom — i za każdym razem słyszałem to samo: „ale by mi się takie coś przydało”. Na pytanie „dlaczego?” odpowiedź była jedna: „bo pisanie transkrypcji jest upierdliwe, a wysłać tego do chmury nie mogę”. Prawnik ma przesłuchanie objęte tajemnicą zawodową, psycholog — nagranie sesji terapeutycznej, czyli dane o zdrowiu, jedną z najściślej chronionych kategorii danych. Ani jeden, ani drugi nie wrzuci takiego pliku na cudzy serwer.
I tak — nie jest to profesjonalne badanie rynku, ale stwierdziłem, że warto rozwijać temat.
Później powstały kolejne wersje, w tym jedna, która wydawała się finalna. Był to program hybrydowy, który łączył lokalną transkrypcję nagrań z opcjonalnym, chmurowym przetwarzaniem. Robił korektę, streszczenia, tłumaczenia, a nawet gotowe wpisy na bloga. Miałem plan rozpocząć sprzedaż, ale finalnie program wylądował w szufladzie na kilka miesięcy.
Od nowa
Gdy wróciłem do tematu, uświadomiłem sobie, że osoby, z którymi rozmawiałem na początku, nie chcą postów na blogu. Prawnik musi przygotować dokument z przesłuchania, psycholog — rzetelną notatkę z sesji terapeutycznej. Jedno i drugie zaczyna się od tego samego: od wiernej transkrypcji nagrania. Mądrzejszy o wcześniejsze doświadczenia, napisałem program od nowa. Bez bajerów, za to w 100% offline. Bez zaawansowanych trybów, ale z wygodnym edytorem. Bez wizji „nieomylnego AI” — bo takie nie istnieje — za to z zakreśleniem słów, w których AI się pomyliło.
I tak powstał beScript – program do lokalnej transkrypcji AI, który nie udaje, że potrafi wszystko. Daje coś innego — bezpieczeństwo oraz kontrolę nad finalnym wynikiem. W użyciu jest prosty, ale stoi za nim 7 różnych modeli sztucznej inteligencji, dobranych pod konkretne zadania.
Automatycznie rozpoznaje język, rozróżnia mówców, koryguje, anonimizuje i tłumaczy transkrypcję. Posiada 2 poziomy dokładności oraz tryb „inteligentny”, który sam dobiera model i parametry transkrypcji na bazie jakości i długości nagrania. I to wszystko zupełnie bez internetu.
Nie wierzysz? Odłącz wtyczkę lub wyłącz Wi-Fi i zobacz, że ciągle działa.
Czy ma jakieś wady? Tak, dwie.
Czas przetwarzania. O ile finalna, ręczna korekta jest nieporównywalnie szybsza niż ręczne pisanie transkrypcji, to jeśli nie posiadasz dedykowanej karty graficznej — przetwarzanie będzie trwało długo. Mając to na uwadze, starałem się na tyle zoptymalizować program, by w tym czasie można było spokojnie pracować albo bezpiecznie zostawić komputer na noc.
A druga? O ile większość oznaczeń niepewności wskazuje poprawnie, o tyle ciągle nie udało mi się w pełni wyeliminować halucynacji. Z pewnością będzie to główne zadanie na dalszy rozwój produktu. Zaznaczam to jednak ze zwykłej uczciwości — ciągle będziesz musiał/musiała przeczytać całość, ponieważ AI się myli. Każde.
A jaka jest skuteczność programu?
Trzeba mieć świadomość, że jakość transkrypcji — a szczególnie rozróżniania mówców — zależy niemal wyłącznie od jakości nagrania. Podczas testów (moich oraz osób, które sprawdzały program) przeanalizowałem wiele scenariuszy, na przykład:
- nagrania studyjne — trafność około 98%,
- nagrania z sali rozpraw — trafność 70–80%,
- sesja terapeutyczna 1:1 — około 90% (z zastrzeżeniem, że program słabiej radzi sobie, gdy dyktafon jest daleko, a osoba mówiąca ma znaczną wadę wymowy).
Nie podaję jednej okrągłej liczby, bo byłaby nieuczciwa — realny wynik zależy od Twojego nagrania. Nawet jeśli, przy trudnych nagraniach jakość spada to poprawa gotowej transkrypcji jest nieporównywalnie szybsza niż spisywanie całości od zera.
Więcej informacji o beScript uzyskasz na stronie programu.
Niebawem opublikuję instrukcję użytkowania, a już teraz zachęcam Cię do zapoznania się z drugim programem, w pełni dedykowanym kancelariom prawnym — beDocs. Oba są częścią większej całości: bezpiecznego AI dla zawodów zaufania.
