गूगल ने 6 अप्रैल को iOS पर प्रयोगात्मक वॉइस इनपुट ऐप Google AI Edge Eloquent लॉन्च किया, जिसकी विशेषता ऑफलाइन चलाना और स्मार्ट टेक्स्ट रिफाइनिंग है। ऐप में स्वयं विकसित Gemma4 सीरीज़ ASR मॉडल (E2B/E4B स्पेसिफिकेशन) शामिल है, जो स्थानीय वॉइस-टू-टेक्स्ट, ऑटोमैटिक अर्थहीन शब्दों को फ़िल्टर करना और दोहराव सुधारने का समर्थन करता है, और बिंदु/औपचारिक/संक्षिप्त/पूर्ण चार टेक्स्ट स्टाइल कनवर्ज़न प्रदान करता है। उपयोगकर्ता क्लाउड-आधारित Gemini मॉडल को गहन क्लीनिंग के लिए सक्षम कर सकते हैं और Gmail संपर्कों और शब्दावली को आयात करके व्यक्तिगत शब्द सूची बना सकते हैं। ऐप वर्तमान में मुफ़्त है और कोई सदस्यता सीमा नहीं है, जो 85 डॉलर प्रति वर्ष के प्रतिद्वंद्वी SuperWhisper से स्पष्ट रूप से भिन्न है। Android संस्करण विकास योजना में है, और भविष्य में सिस्टम कीबोर्ड एकीकरण और फ्लोटिंग ऑपरेशन का समर्थन किया जाएगा। यह कदम गूगल के किनारे AI वॉइस प्रोसेसिंग के क्षेत्र में वास्तविक लागू होने को दर्शाता है, जो Gemma मॉडल की मोबाइल पर हल्के प्रसारण की तकनीकी क्षमता को प्रदर्शित करता है।

लेखक, स्रोत: AIBase

4 अप्रैल (सोमवार) को, गूगल ने iOS पर एक प्रयोगात्मक वॉइस इनपुट ऐप, “Google AI Edge Eloquent” को शांति से लॉन्च किया। यह ऐप “ऑफलाइन प्राथमिक” और “स्मार्ट प्रोफेशनलाइजेशन” पर ध्यान केंद्रित करता है और एज-साइड AI तकनीक का उपयोग करके प्राकृतिक बोलचाल को वास्तविक समय में पेशेवर, संक्षिप्त पाठ में बदलने का लक्ष्य रखता है। यह कदम गूगल के Wispr Flow और SuperWhisper द्वारा नेतृत्व किए जा रहे उच्च-स्तरीय AI वॉइस-टू-टेक्स्ट सेगमेंट में प्रवेश का संकेत है।

मुख्य तकनीक और कार्यों की विशेषताएं:

Eloquent, गूगल द्वारा हाल ही में लॉन्च किए गए Gemma4 सीरीज (E2B/E4B स्पेसिफिकेशन) ऑटोमेटिक स्पीच रिकग्निशन (ASR) मॉडल के साथ लॉन्च किया गया है। यह मॉडल पूरी तरह से ऑफलाइन चलने का समर्थन करता है; उपयोगकर्ता मॉडल पैकेज डाउनलोड करने के बाद स्थानीय ट्रांसक्रिप्शन प्राप्त कर सकते हैं, जिससे गोपनीयता सुरक्षित रहती है और लेटेंसी कम होती है। इस ऐप में एक शक्तिशाली "स्मार्ट क्लीनअप" फीचर है, जो "उम", "अह" जैसे शब्दों और दोहरावों को स्वचालित रूप से पहचानकर हटा देता है और तार्किक रूप से संबंधित पाठ प्रदान करता है।

उत्पाद की गहरी एकीकरण और अंतर्क्रिया:

• मल्टीमॉडल स्टाइल ट्रांसफॉर्मेशन: "पॉइंट्स", "फॉर्मल", "शॉर्ट" और "कंप्लीट" चार टेक्स्ट प्रोसेसिंग मोड प्रदान करता है।
• क्लाउड सहयोग (वैकल्पिक): क्लाउड मोड चालू करने के बाद, एप्लिकेशन गहरी टेक्स्ट क्लीनिंग के लिए क्लाउड-आधारित Gemini मॉडल को कॉल करेगा।
• व्यक्तिगत संदर्भ: उपयोगकर्ता-विशिष्ट कीवर्ड, नाम और शब्दावली को Gmail से आयात करने का समर्थन करता है और कस्टम शब्दावली बनाने की अनुमति देता है।
• Productivity Stats: Real-time display of dictation word count, words per minute (WPM), and historical session records.

मार्केट स्ट्रैटेजी और भविष्य की योजना:

वर्तमान में यह ऐप iOS App Store पर मुफ्त उपलब्ध है, जिसमें कोई सदस्यता शुल्क या उपयोग सीमाएँ नहीं हैं, जो प्रति वर्ष 85 डॉलर के शुल्क वाले SuperWhisper जैसे प्रतिद्वंद्वियों के लिए एक मजबूत प्रतिस्पर्धा है। हालाँकि यह पहले iOS पर लॉन्च हुआ, लेकिन आधिकारिक विवरण में Android संस्करण के विकास की पुष्टि की गई है और सिस्टम-लेवल कीबोर्ड एकीकरण और Wispr Flow जैसे फ्लोटिंग बटन सुविधाओं के समर्थन की घोषणा की गई है। Google AI Edge ब्रांड के अंतर्गत एक महत्वपूर्ण सदस्य के रूप में, Eloquent का प्रकाशन केवल एक उपकरण ऐप का प्रयास नहीं है, बल्कि Gemma मॉडल की मोबाइल पर डिप्लॉयमेंट क्षमता को प्रदर्शित करने का एक मानक उदाहरण है।