Від хаосу інструкцій до золота команд: Як я пережив перетворення голосу на дію за допомогою ШІ
Минулого тижня, за ранковою кавою, мій давній друг-розробник висловив біль, який, я впевнений, розділяє багато хто з нас: “Ліло, я втомився від цих дурниць. Наша команда витрачає години на написання інструкцій, які ШІ потім сприймає як якусь дитячу абетку. Це бісить!” Його слова стали каталізатором мого власного дослідження – подорожі, де клавіатурний шепіт поступився місцем силі голосу, перетворюючи незграбні інструкції на кришталево чисті команди.
Всі ми знаємо це відчуття: блискуча, складна ідея, що пульсує в голові, готова втілитися. Але потім настає цей виснажливий танець з клавіатурою. Кілька поспішних слів, і ваша геніальна думка перетворюється на щось невиразне, загальне. Штучний інтелект, намагаючись це переварити, видає лише шаблонну, позбавлену душі відповідь.
Цей матеріал – про те, як вирватися з цього замкненого кола. Як перетворити ваш голос на найпотужніший інструмент, що висіче ваші найскладніші задуми на чіткі, структуровані команди. Я вирішив протестувати межу можливого: спробував створити цілу аркадну гру, описуючи її вголос, використовуючи інструмент, який раніше мені не був знайомий – Typeless.
Що таке Typeless: Голосова клавіатура нового покоління
Уявіть собі не просто голосову клавіатуру, а систему, побудовану на передовій мовній моделі. Її мета – не генерувати контент самостійно. Її місія – зрозуміти ваше незв’язне мовлення, сповнене пауз, сумнівів та виправлень, і перетворити його на чистий, зрозумілий, структурований текст. Вона закінчує там, де починається поле введення команди, роблячи ваш голос ефективним посередником між думкою та цифровим світом.
Тест №1: Аркадна гра з однієї усної команди. Чи впорається ШІ?
Я натискаю свою обрану гарячу клавішу та починаю: “Так, емм, збудуй мені аркадну гру, щоб я міг одразу грати тут, у браузері. Назвемо її, емм, Bug Hunt. Суть така: я – маленький корабель унизу екрана, а згори падають мерехтливі жучки-баги, типу, маленькі жучки, я думаю. Щодо керування, зроби просто: стрілки вліво-вправо для руху. Пробіл – для стрільби. Кількість життів – зроби три. Ні, знаєте що? Зроби п’ять. О, і найважливіше – вона має запускатися одразу, як тільки завантажиться. Без жодного налаштування”.
Мій досвід з Mac dictation: Результат зліва, зафіксований Mac, показав, наскільки далеким від ідеалу може бути стандартне голосове введення. “Ship” прозвучало як слово, яке я навряд чи хотів би бачити в коді. “Code bugs” перетворились на “code books”, а “lives” – на “wives”. Мої “well”, “I guess” та “you know what” – все це залишилося, зберігаючи весь незв’язний характер моїх думок. Найбільшою проблемою стало керування кількістю життів: я сказав “три”, потім “зроби п’ять”, а Mac записав: “три. насправді, знаєте що? зроби 50”. Це класичний приклад того, як модель намагається вгадати між суперечливими інструкціями.
Результат Typeless: Праворуч – версія Typeless, яка потрапила до промпту Claude. “Bug hunt” – з великої літери. “Ship” стало “маленький корабель”. “Code bugs” – “маленькі жучки”. Керування було чітко структуроване: “Стрілки для руху. Пробіл для стрільби”. Кількість життів – одним рядком: “Давай зробимо п’ять”, причому згадка про “три” була елегантно видалена. Останній рядок також був оптимізований: “Найголовніше, вона повинна запускатися одразу після завантаження, без будь-яких налаштувань”.
Створена гра: А тепер подивіться на гру, яку Claude збудував за цим промптом. Вона працює одразу. І це справжня гра! Маленький кораблик внизу, мерехтливі зелені жучки з кодами на спинках, що падають зверху. П’ять життів у кутку, рахунок і лічильник рівнів. Хвилі стають складнішими. З’являються різні типи жучків, і навіть боси. Нічого з цього – про дужки чи бос-файти – не було в моєму запиті. Це демонструє, як модель, маючи чисту та структуровану інструкцію, здатна додати цінні деталі, спираючись на контекст.
Висновок: Це випробування показало, що Typeless ефективно очищає неструктуроване мовлення. В повсякденному житті це може бути спеціфікація, бриф, повідомлення партнеру. Чим більше ви це проговорюєте, тим менше моделі доводиться вгадувати.
Налаштування, що мають значення: Ваш особистий цифровий помічник
Перш ніж ми заглибимося в інші тести, давайте поговоримо про два налаштування, які, на мій особистий погляд, зробили всю цю магію можливою. Вони прості, але надзвичайно важливі для ефективності:
-
Гаряча клавіша (Shortcut): Це ваш головний інструмент. Ви будете натискати її сотні разів на день. Я особисто обрав комбінацію, яка для мене є найінтуїтивнішою, ту, яку я можу натиснути, не дивлячись. Це як запам’ятати, де у вашому холодильнику стоїть молоко – зручність тут має вирішальне значення.
-
Особистий словник (Personal Dictionary): Це місце, де ви виправляєте помилку один раз, і вона залишається виправленою назавжди. Я одразу додав назву нашого каналу та імена моїх колег. Це рятує від кумедних ситуацій, коли “Сергій” раптом стає “Серж” або “Сергійом”.
Хоча такі інструменти, як ChatGPT та Claude, мають вбудовану функцію голосового введення, вона зазвичай працює лише в межах їхніх власних програм. Але ж робочий процес не живе в одному чаті, чи не так? Це може бути бриф у Google Docs, ланцюжок у Slack, електронний лист у Gmail. Моя робота часто починається саме з Google Docs, адже жоден сценарій у нас на команді не пишеться без попереднього брифу. Я просто ставлю курсор у документ, вмикаю запис і проговорюю все за один раз: що обіцяє відео, для кого воно, що має бути на екрані. Десь посередині я можу змінити дату зйомки з четверга на п’ятницю. А трохи згодом я можу взагалі відволіктися на іншу тему, а потім повернутися до брифу. І весь цей один запис потім потрапляє в обрані мною інструменти.
Тест №3: Бриф у Google Docs. Коли слова знаходять свій шлях.
“Гаразд, починаємо бриф для відео. Основна обіцянка цього відео – ми покажемо людям, як скоротити час монтажу вдвічі, використовуючи нове оновлення. Цільова аудиторія – переважно початківці-креатори, або, ну, фактично, будь-хто, хто займається власною відеопродукцією. Щодо графіка виробництва, плануємо зйомку на четвер. А, зачекайте. Давайте змінимо день зйомки на п’ятницю. Так, п’ятниця виглядає краще. О, до речі, про п’ятницю, мені треба нагадати Сарі про затвердження бюджету. Ой, вибачте, відволіклася. Повертаючись до брифу, так? Щодо візуальних матеріалів, що абсолютно точно має бути на екрані – це крупні записи екрана програмного інтерфейсу, і нам потрібен чіткий спліт-скрін, що показує результати “до” і “після”. Це найважливіша частина. Гаразд, це все для брифу”.
Мій досвід з Mac dictation: Знову ж таки, порівнюємо. Зліва – Mac. Він зберіг усі мої помилки, паузи, зміни. “Четвер, насправді, давайте змінимо день зйомки на п’ятницю” – все це залишилося. І навіть мої “вибачте” та “ой” посередині брифу. Він також сприйняв “cut their editing time in half” як “cut their time and help”.
Результат Typeless: Праворуч – Typeless. Він видав мені чистий бриф. “Обіцянка – показати людям, як скоротити час монтажу вдвічі з новим оновленням”. “Аудиторія – початківці-креатори або будь-хто, хто створює власні відео”. “Зйомка – в п’ятницю”. Відволікання на четвер зникло. А те, що мені сподобалося найбільше – це затвердження бюджету. Я почала говорити, зупинилася і сказала “повертаючись до брифу”, і ця маленька відлучка навіть не потрапила до тексту! Він також перетворив мої візуальні зауваження на два нумеровані пункти: “1. Крупний запис екрана інтерфейсу” і “2. Чіткий спліт-скрін з результатами “до” і “після””.
Тест №4: Сценарій з Claude. Коли ідея знаходить форму.
Наступний крок – ідея йде до Claude. Спочатку – так, як ми звикли: чотири слова. “Відеоідеї, зображення продукту”. І результат – список кутів, які могли б підійти будь-якому каналу, бо промпт нічого не сказав про наш.
А тепер те саме завдання, але вголос, протягом хвилини, прямо в поле для введення команди. “Гаразд, мені потрібні ідеї для відео. Це посібник для початківців зі створення зображень продуктів за допомогою Nano Banana… для нашого каналу. Аудиторія – креатори 25-45 років, від початківців до середнього рівня, які пробували ChatGPT, але ніколи не створювали реального робочого процесу. Відео має бути готове до зйомки до п’ятниці. Припустимо, вони вже бачили базовий огляд. Жодного клікбейту типу “це все змінює”. Наші глядачі таке ненавидять. О, і три гачки для кожного кута, і заперечення, які люди залишали б у коментарях. Наприклад, “чи це безкоштовно?””
Мій досвід без Typeless: Знову порівняння. Зліва – те, що я б вставив у Claude без Typeless. Один довгий блок тексту, майже без пунктуації. Частина, де я кажу “мені потрібні кути для посібника для початківців”, взагалі не потрапила. Тож, він починається з “мені потрібні зображення з nano banana”, що є зовсім іншим запитом. І моя фраза про клікбейт вийшла неправильно.
Результат Typeless: Праворуч – контекст йде першим, у двох коротких параграфах. А все, що я просив, перетворилося на пронумерований список з п’яти вимог. Він будує структуру та видаляє зайве. Це не дослівно я, звісно. Він розширив мої скорочення, що звучить більш формально, ніж я говорю. Але в промпті для Claude це не має значення. В електронному листі до реальної людини я б це перевірила.
Створений сценарій: Результат від Claude – кардинально відрізняється від чотири-слівного запиту. Кути побудовані навколо нашої аудиторії, гачки враховують терміни, навіть заперечення, які можуть виникнути у глядачів. Ретельно набраний промпт міг би досягти такого ж результату, але… це займає час. Моя експертна оцінка: Typeless не робить промпт розумнішим, він просто не дає вашому контексту загубитися на шляху.
Тест №5: Передача роботи команді в Slack. Коли тон і порядок мають значення.
Наступна зупинка – Slack. Я відкриваю гілку з автором сценарію та відеоредактором і диктую завдання. “Для автора сценарію: перероби блок два і блок чотири. Вони занадто довгі, і твердження про безкоштовні кредити все ще потребує джерела. Для редактора: на екрані має з’являтися мітка щоразу, коли демонструється якась поведінка, і збережи другий дубль інтро. Перший занадто швидкий. О, і надішли список для редактора першим. Його частина чекає”.
Тут я вже слідкую за тоном і порядком. Ті самі факти мають звучати вільніше, ніж у бриф. А мої випадкові зауваження мають перенести повідомлення редактора вгору.
Мій досвід з Mac dictation: Mac знову втратив майже половину від “автора сценарію”, закінчивши на “і перша частина для редактора, яку ніхто не міг виконати”.
Результат Typeless: Typeless видав мені два списки, по одному для кожної людини, з коротким пунктом для кожного завдання. І список редактора йде першим, хоча я сказала про нього другою! Нюанс, який я помітила: він також зафіксував мою інструкцію як текст. “Надішли список для редактора першим. Його частина чекає” – це стало початковим рядком повідомлення. Він виконав інструкцію, але зберіг її як текст. Тож, цей рядок треба видалити перед надсиланням.
Тест №6: Підсумок за допомогою “Запитай що завгодно”. Чи зрозумілий головний меседж?
Після того, як сценарій затверджено, мені потрібен швидкий підсумок, щоб переконатися, що обіцянка чітка. У Typeless є режим “Запитай що завгодно” (Ask Anything). Ви виділяєте текст, говорите вголос, і відповідь з’являється, не торкаючись документа. Я скористався цим на готовому сценарії нашого порівняння GPT Image та Nano Banana. “Підсумуй сценарій у трьох реченнях, щоб я міг перевірити, чи зрозуміла обіцянка”.
Мій досвід з Mac dictation: На Mac можна було б клацнути правою кнопкою миші та отримати підсумок від Apple Intelligence. Він видав чотири речення, які пройшлися по сценарію секція за секцією і просто зупинилися десь посередині. “Summarize” не приймає інструкцій. Тож, я не міг попросити три речення або попросити виділити обіцянку.
Результат Typeless: Typeless видав рівно три речення і почав з висновку: “GPT Image 2 – для текстових мов та точних редагувань. Nano Banana 2 – для портретів, ілюстрацій та пакетної 4K роботи. І надішліть кожне завдання моделі, яка найкраще підходить, замість обирати одного переможця”. Це та обіцянка, яку я хотіла перевірити. Останнє речення – це “вода” про використання унікальних сильних сторін для максимальної ефективності. І я б його видалила. Він точно дотримався мого формату, але його власне формулювання все одно потребувало редагування.
Тест №7: Електронний лист спонсору арабською. Коли мова – не перешкода.
Далі – електронний лист спонсору, компанії, яка працює з арабською мовою, про відео, де я хотіла б показати їхній продукт. Зазвичай, цей лист залишається в чернетках, бо це означає писати англійською, пропускати через перекладач і виправляти те, що виходить занадто “сухо”. Я відкриваю новий лист у Gmail, перемикаюся на переклад на арабську і говорю англійською, навіть не до кінця сформулювавши думки, як у голосовій нотатці. “Напиши команді Creative Spark про наше наступне відео – посібник для початківців зі створення зображень продуктів з Nano Banana. Він вийде, емм, наприкінці наступного тижня. Думаю, їхній продукт добре пасуватиме одразу після другого демо, де ми редагуємо зображення. І я б хотіла знати, чи зацікавлені вони, і що б вони хотіли, щоб ми показали. О, і ім’я контакту пишеться Ібрагім. I-B-R-A-H-I-M”.
Мій досвід з Mac dictation: Mac просто надрукував англійською, і навіть не все. “Напиши відео посібник зображення з ним вийде наприкінці наступного тижня”. Creative Spark та Nano Banana так і не потрапили, а моє виправлення написання імені – просто звичайний текст.
Результат Typeless: Праворуч – арабською. Він передав відео, дату випуску, запитання про те, де їхній продукт пасуватиме, і що б ми хотіли показати. Creative Spark та Nano Banana залишилися англійськими літерами, а Ібрагім – арабськими. Це не повністю готовий лист, звісно. Нюанс, який я помітила: мій перший рядок “Напиши команді Creative Spark” був перекладений і надрукований як текст. Немає привітання чи підпису. Зауваження про ім’я з’явилося як останнє речення, а арабська мова стверджує, що їхній продукт пасує “ідеально” – слово, яке я ніколи не казала. Тож, я видаляю перший рядок, додаю привітання та підпис вручну і вирішую, чи залишати “ідеально”. Я не розмовляю арабською, тому пропустила текст назад через перекладач, і значення співпало. Це лише доводить, що сенс зберігся, але не те, наскільки природно це звучить. Тому, я попросила носія мови перечитати це.
Тест №8: Зворотній зв’язок щодо фінального монтажу. Коли деталі мають значення.
Кілька днів потому редактор надсилає готове відео. Я дивлюся на монтаж і проговорюю свої зауваження, нотатка за нотаткою, в будь-якому порядку, як тільки вони спадають на думку. “Гаразд, на 1:10 мітка для видалення зайвого з’являється занадто пізно. Вона має бути разом з результатом. Пауза близько 3:40 затягується, виріж. Насправді, перш за все, розкриття спонсора на початку має бути там. Це терміново, бо спонсор не затвердить монтаж без цього. І речення на 5:20, я там запнулась. Я надішлю новий дубль”.
Мій досвід з Mac dictation: Mac – це один рядок, записаний в тому порядку, в якому я говорила. “3:40” стало “340”, “затягується” – “tracks”, а “я надішлю новий дубль” – “I’ll take”.
Результат Typeless: Typeless переніс розкриття спонсора на початок, бо я сказала, що це терміново, і зберіг мою причину одразу після нього. Інші нотатки стали нумерованим списком з правильними часовими мітками, а новий дубль – в кінці. Моя оцінка: з усіх восьми тестів – це те, де розуміння трималося найкраще.
Питання, які ви поставите: А що з аудіо?
Найбільш очікуване питання в коментарях: де аудіо? Адже ви весь день говорите в інструмент? Згідно зі сторінкою довіри Typeless, збереження даних у хмарі вимкнене за замовчуванням. Аудіо не зберігається в хмарі, і ваші дані не використовуються для навчання – ні з необов’язковим шифрованим синхронізатором, ні без нього. Все ж таки, моя рекомендація як експерта: варто прочитати цю сторінку самостійно, перш ніж покладатися на неї для чогось чутливого. І це не замінює клавіатуру.
Typeless дуже добре справляється зі своєю роботою: взяти хвилину вашого незв’язного мовлення, скинути зайве і відволікання, і передати структурований текст у будь-якому додатку, де ви перебуваєте. Він може трохи “хитатися”, коли йому потрібно відокремити інструкцію від повідомлення, і час від часу додає слово або рядок, який ви ніколи не говорили. Спонсорський лист, який міг би залишитися в чернетках, – це саме той тип роботи, який фактично виконується.
Що далі? Ваш перший крок до голосу.
Тепер, якщо ви хочете спробувати Typeless, почніть з безкоштовного плану. Він охоплює основні функції, і цього достатньо, щоб зрозуміти, чи підходить він вашому стилю роботи. Якщо ви в кінцевому підсумку будете використовувати його весь день і захочете більше, посилання в описі дасть вам звичайну знижку 5 доларів плюс додаткові 20 доларів. Тобто, 25 доларів загалом.
Підсумовуючи все вище сказане, ми бачимо, що технології розвиваються не лише в глибину, а й у ширину, змінюючи наш спосіб взаємодії зі світом. Голосовий ввід, особливо в поєднанні з потужними мовними моделями, відкриває нові горизонти ефективності. Він не замінює клавіатуру повністю, але може стати чудовим доповненням, особливо для тих, хто цінує свій час і прагне зменшити тертя між ідеєю та її реалізацією.
У результаті, можна сказати, що Typeless – це не просто інструмент. Це міст. Міст між вашою думкою, яка народжується в голові, і чітким текстом, який розуміє машина. Це можливість висловити себе повноцінно, без штучних обмежень, які накладає швидкість набору.
Заклик до дії: Не бійтеся експериментувати! Спробуйте безкоштовний план Typeless. Поговоріть зі своїм комп’ютером. Можливо, ви відкриєте для себе новий, більш природний і ефективний спосіб роботи. Забудьте про довгі години, витрачені на написання. Почніть говорити, і дозвольте технологіям вас почути.
Побачимося в наступному відео!
