看起来各大 AI 公司似乎都希望我们能更频繁地对着他们的产品大声讲话。例如,Meta, Google, OpenAI 和 Anthropic 等公司已经加入了允许用户像与他人交谈那样自然地与 AI 机器人对话的功能,这得益于语音转文本技术的进步。
然而,一家名为 Wispr Flow 的创业公司认为,凭借其支持 100 多种语言的口述输入技术,可以超越这些科技巨头。该公司今天在原有的 Windows 和 Mac 应用基础上,推出了一款全新的 iOS 应用,该应用同时充当键盘,让你能够在任何应用中使用语音输入文字。
现在,你可能会认为这又是另一家专注于语音转文本的公司,但笔者对 Wispr Flow 的体验印象尤为深刻。作为一名印度人,我一直未能找到一款完全能理解我所说内容的语音转文本应用,我也曾多次让 Alexa 和 Siri 等 AI 助手执行指令而碰壁。
然而,与我之前使用过的大型科技公司推出的任何口述输入技术相比,Wispr Flow 带来了截然不同且优越的体验。起初,我不得不在 Wispr Flow 的桌面和移动应用中手动编辑句子,但经过几次使用后,整体口述输入体验便有了极大改善。最终,我用这款应用撰写了长邮件和信息,甚至几乎整篇报道都是仅凭语音完成。
该应用还提供数字和符号键盘,便于在需要输入特殊字符时使用,并且能够自动学习自定义名称和术语,或者你也可以通过它的词典部分手动添加。此外,如果你处于不便大声讲话的环境中,还可以选择轻声耳语来使用麦克风。公司还声称,即便在网络覆盖较差的环境下,这款 iOS 应用同样可以正常工作。
这家创业公司的联合创始人 Tanay Kothari 曾对 TechCrunch 表示,他最初的目标是打造一款可穿戴设备,让用户只需无声地张口便能输入文字。那款可穿戴设备的操作层正是 Flow,而在去年七月,公司遂转型聚焦于软件领域,并在数月后推出了 Mac 应用。
在桌面应用中,用户只需按下热键便可以在任意应用中开始口述输入,这极大地方便了操作。而对于 iOS 应用来说,最大的挑战在于如何说服用户每次使用该应用时都切换到 Wispr 的键盘。
Wispr Flow 每周提供 2,000 字的免费使用额度。超出这个限制后,你可以选择每月 12 美元(或每年 144 美元)的无限制订阅计划,该计划还可让你享受新功能的抢先体验。
至今,该公司已从包括 NEA, Palo Alto Networks 和 8VC 在内的投资者处获得 2600 万美元融资。Kothari 表示,他们的订阅业务转换率达到了 19%,而公司的收入也实现了 60% 的年增长率。
这家创业公司正计划在今年推出 Android 应用,同时还在开发面向团队的共享上下文功能,以使应用能够理解企业环境中常用的术语。
Wispr 的竞争对手众多,包括 YC 支持的 Aqua、Talktastic、Superwhisper 和 Betterdication。尽管 Kothari 预见到随着 AI 与语音技术的不断进步,该领域的竞争将愈发激烈,但他坚信,Wispr 的工程团队以及对这项技术的长期投入将使其独树一帜。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。