A Call Recorder - AI Note Taker alkalmazás új Egységes Hangmotorja véget vet a hanganyagok széttagoltságának: automatikusan rögzíti, átírja és összegzi a telefonhívásokat és a hangüzeneteket egyetlen intelligens postafiókban. Néhány héttel ezelőtt 45 dühítő percet töltöttem a telefonon, hogy megoldjak egy otthoni internetkimaradást. Miután végre átjutottam az automata menükön és beszéltem három különböző ügyintézővel a Comcast ügyfélszolgálati számán, letettem a telefont – és ekkor jöttem rá, hogy sem a hibajegyet, sem a technikus érkezési időpontját nem írtam fel. Szoftvermérnökként nyolc év tapasztalattal rendelkezem mobilalkalmazások fejlesztésében – többek között komplex családbiztonsági és helymeghatározó technológiákat építettem a Frontguard-nál –, mégis frusztrált voltam. A telefonom alapértelmezett, nehézkes eszközeire támaszkodtam a fontos részletek megjegyzéséhez, és azok teljesen cserben hagytak.
Ez a személyes kellemetlenség pontosan azt tükrözte, amit a felhasználói kutatásaink is jeleztek. Az emberek belefáradtak a széttagolt hangeszközök használatába. Nem szabadna, hogy töredékes emlékekből kelljen összeraknia az információkat csak azért, mert egy beszélgetés a mobilhálózaton keresztül történt, és nem egy strukturált tárgyalóteremben. Ez a felismerés késztette a fejlesztőcsapatunkat arra, hogy alapjaiban gondoljuk újra az alkalmazás külső hangkezelését, egy egyszerű segédeszközből átfogó, automatizált munkafolyamattá alakítva azt.
Miért volt szükség az audio rögzítési infrastruktúra alapjaitól való újjáépítésére?
Évek óta a mobilfelhasználók kénytelenek elfogadni a rendkívül töredezett digitális életmódot. Használhat egy alkalmazást a Zoom-megbeszélésekhez, támaszkodhat a szolgáltatóra a hangüzeneteknél, és próbálhat gyorsan megnyitni egy egyszerű jegyzettömböt vagy a Google Keepet, hogy jegyzeteljen egy élő telefonbeszélgetés alatt. Az ezeknek a különböző csatornáknak a kezeléséhez szükséges szellemi energia fenntarthatatlan.
A friss iparági adatok megerősítik, hogy a mobil segédprogramokkal szembeni elvárások drasztikusan megváltoztak. Az Adjust Mobile App Trends 2024 jelentése szerint a globális alkalmazáspiac az év végére jelentős új csúcsokat ér el. Az egyszerű alkalmazástelepítések és az egyfunkciós eszközök korszaka lejárt. Ami még fontosabb, az Adjust jelentése rávilágít arra, hogy a mesterséges intelligencia (AI) aktívan alakul át „stratégiai funkcióból” alapvető infrastruktúrává. A felhasználók már nem csak egy AI-trükköt akarnak; az eszközeik alapvető működési mechanizmusaiba beépített intelligenciát várnak el.
Ahogy kollégám, Kaan Demir rámutatott a hangrögzítési mítoszok megdöntéséről szóló nemrégi elemzésében, a hagyományos nyers hangfájlok felett eljárt az idő. Felismertük, hogy a valódi értékteremtéshez az alkalmazásunknak nem passzív rögzítőként, hanem az életszervezés aktív résztvevőjeként kell működnie.
Hogyan kezeli az új motor a bonyolult várakoztatásokat és az automata menüket?
Amikor valaki azt keresi, hogyan rögzíthet telefonhívást Androidon, az alapértelmezett megoldások általában hatalmas, kereshetetlen hangfájlokat eredményeznek. Ha húsz percet várakozik egy ügyintézőre egy rövid, kétperces beszélgetés előtt, a régebbi alkalmazások egyszerűen egy huszonkét perces hangfájlt adnak a kezébe. A tényleges információ megtalálása manuális keresést igényel.
Frissített motorunk ezen változtat a fejlett csend-eltávolítás és a környezettudatos átírás segítségével. Szinte úgy működik, mint egy személyes titkárság, amely figyel, kiszűri a zajt, és kigyűjti a hasznos adatokat. Erőteljes feldolgozási modellek integrálásával – hasonlóan a Turbo AI vagy az Anthropic-féle Claude architektúrájához – a rendszer elemzi az átiratot, hogy elkülönítse a várakoztató zenét és a menünavigációt az emberi párbeszédtől. Egy hosszú, használhatatlan fájl helyett tiszta összefoglalót kap a megbeszéltekről, így az adatok azonnal felhasználhatóvá válnak.
Hol van a hangüzenetek és digitális megbeszélések helye ebben a folyamatban?
A különbség a különböző típusú beszélt kommunikációk között egyre inkább elmosódik. Néha az ügyfél egy csapongó hangüzenetet hagy; máskor a mobiljáról csatlakozik egy konferenciához egy Zoom-linken keresztül. A hang forrása sokkal kevésbé számít, mint a benne rejlő információ.
Új, egységes architektúránkkal nincs szükség fájlok manuális exportálására a TextNow alkalmazásból vagy bonyolult asztali beállításokra. A rendszert úgy terveztük, hogy az eszköz szintjén rögzítse a hangot. Legyen szó hagyományos hívásról, letöltött hangüzenetről vagy a mikrofonon keresztül rögzített beszélgetésről, minden egy egységesített postafiókba kerül. Ez hatékonyan feleslegessé teszi a fizikai napló vezetését vagy a szövegek manuális másolgatását más alkalmazásokba.
Miben különbözik ez a hagyományos jegyzetfüzetektől és átíró eszközöktől?
Sok szakember próbálja saját hangalapú munkafolyamatát különböző szoftverek összeollózásával felépíteni. Rögzítenek egy fájlt, feltöltik az Otter AI-ra (amit gyakran Otterai-ként keresnek), majd manuálisan átmásolják a szöveget egy olyan rendszerbe, mint a OneNote vagy egy egyszerű One Note lista. Bár az önálló átíró eszközök vitathatatlanul hatékonyak nagyvállalati környezetben, ez a többlépcsős folyamat túl sok súrlódást okoz a mindennapi mobilhasználat során.
Ha összehasonlítjuk natív megközelítésünket az általános jegyzetfüzetekkel vagy olyan platformokkal, mint a Google Voice, a Google Keep vagy a Pingo AI, a különbség az automatizálásban rejlik. Ezek az eszközök megkövetelik, hogy aktívan elindítsa a jegyzetelési folyamatot. A mi rendszerünk a háttérben dolgozik. Nem kell aggódnia a hívás hibátlan leirata miatt; az AI kiválogatja Önnek a kritikus fontosságú feladatokat. Ahogy Selin Korkmaz részletezte az alkalmazásunkat bemutató útmutatójában, a cél a manuális adatbevitel teljes kiiktatása a napi rutinból.
Kinek válik valóban előnyére ez a váltás a hangkezelésben?
Egy univerzális eszköz létrehozása általában olyan szoftvert eredményez, amely semmit sem csinál igazán jól. Ezért ezt a konkrét frissítést világos felhasználási esetek szem előtt tartásával terveztük.
- Szabadúszók és tanácsadók: Ha telefonon tárgyal az árakról vagy kreatív briefeket kap, az azonnali, kereshető átirat megakadályozza a feladatok elburjánzását és az elfelejtett vállalásokat.
- Elfoglalt szülők és háztartásvezetők: Az orvosi időpontoktól kezdve a szakemberekkel való egyeztetésig, a gyors hívások részleteinek azonnali felidézése írásos jegyzetelés nélkül hatalmas időmegtakarítást jelent.
- Kisvállalkozói csapatok: Azok, akiknek dokumentálniuk kell az ügyfélkapcsolatokat anélkül, hogy drága CRM szoftverekbe fektetnének, bátran támaszkodhatnak ezekre az automatizált összefoglalókra.
Ezzel szemben kinek NEM való? Ha egy hatalmas vállalati ügyfélszolgálatot vezet, amely szigorú, szerveroldali megfelelőségi naplózást igényel több száz alkalmazottnál, egy olyan dedikált vállalati platform, mint az Enterprise Otter, megfelelőbb lesz. Mi továbbra is az egyéni szakemberek és a mindennapi felhasználók segítésére összpontosítunk.
Hogyan válassza ki a napi rutinjához illő rögzítési módot?
Amikor mérlegeli, hogyan kezelje a beszélt információkat, vegye figyelembe a tényleges környezetét. Az Adjust jelentése a „data-light” (adattakarékos) felhasználói szokások terjedésére is rámutat, ami azt jelenti, hogy az emberek azokat az alkalmazásokat részesítik előnyben, amelyek hatékonyan működnek nagy felhőalapú adatforgalom nélkül. Eszközválasztáskor részesítse előnyben az offline képességeket és a natív feldolgozást.
Tegye fel magának a kérdést: Megköveteli ez az eszköz, hogy megnyissam, mielőtt beszélni kezdek? Arra kényszerít, hogy manuálisan kategorizáljam az eredményt? Ha folyamatosan elvesznek a napi interakciók részletei, a Call Recorder - AI Note Taker új, egységes motorját pontosan arra terveztük, hogy ezt a nehéz munkát csendben és megbízhatóan elvégezze a háttérben.