Článek
„On se vám stydí říct, že musí chodit,“ vysvětluje postava úředníka Šlajse v podání Zdeňka Svěráka.
„Chodit? A kam?“ diví se učitelka v legendární české komedii Marečku, podejte mi pero.
„Já pracuji v odbytu, a když diktuji dopisy, tak musím chodit,“ vysvětluje žák Svátek. Když mu pochodování v uličce učitelka dovolí, najednou z něj informace o století páry padají jako nic.
Na tuto scénu jsem si v posledním půl roce vzpomněl několikrát. Denně totiž chodím na „diktovací procházky“, během kterých si nahrávám poznámky nebo hlasem zadávám úkoly svým AI asistentům.
Čtete ukázku z newsletteru TechMIX, ve kterém Pavel Kasík a Matouš Lázňovský každou středu přinášejí hned několik komentářů a postřehů ze světa vědy a nových technologií. Pokud vás TechMIX zaujme, přihlaste se k jeho odběru!
Podle mých osobních statistik je to přesně 178 dní, co každý den diktuji do počítače nebo do mobilu nějaký text. Sám jsem překvapený, jak často tento způsob volím. Ještě před rokem jsem byl totiž naopak zastáncem ručního psaní a diktování jsem považoval za takovou z nouze ctnost pro lidi, co se nenaučili psát na klávesnici. Proč jsem změnil názor?
Diktování jako sci-fi
Celé dětství jsem považoval diktování textu počítači za naprosté sci-fi. Asi proto, že skoro v každém sci-fi filmu se s počítačem komunikovalo hlasem. Poprvé si to pamatuji ze Star Treku a z Červeného trpaslíka, ale vlastně skoro každé sci-fi, kde hraje nějakou roli inteligentní počítač, pracuje s hlasovým vstupem. Dokonce i Rumburak ve stejnojmenném filmu z roku 1984 počítači své příkazy diktoval, což byl ostatně pro čaroděje zvyklého na zaklínadla přirozený styl ovládání.
Až později mi došlo, že hlavní důvod pro hlasové ovládání je pravděpodobně velmi prozaický. Mít na filmovém place funkční počítač by bylo nejen drahé, ale i nepraktické. Navíc by stejně musel někdo divákům vysvětlit, co se vlastně děje, jaké příkazy kdo do počítače zadává nebo co počítač zobrazuje. Teoreticky nejrychlejší sci-fi ovládání – rychlostí myšlenky – by bylo divácky zcela neprůhledné. A tak podle mého vznikla představa ovládání budoucnosti spíše z pragmatické dramaturgie než z nějakého vizionářského popudu.
Tato dramaturgická představa pak určitě posléze utvářela to, do čeho se výrobci softwaru pustili. Diktování ale mělo i několik velmi praktických využití: třeba diktování do telefonu. V devadesátých letech 20. století pak vznikaly první systémy, které umožnily rozpoznávání více slov přímo na osobním počítači.
Dodnes si pamatuji, jak jsem zprovoznil základní – a velmi nespolehlivé – ovládání systému Windows 95 pomocí hlasových příkazů. Byla to ochutnávka budoucnosti, ale velmi rychle jsem zjistil, že je naprosto nepraktická. Pak jsem ještě s hlasovým ovládáním experimentoval na mobilních telefonech, ale ani tam jsem mu nepřišel na chuť. Pokud člověk neřídil, vždycky bylo rychlejší text napsat ručně než jej diktovat a pak opravovat.
Rychlost není to hlavní
Když jsem si to teď měřil, píšu na klávesnici rychlostí 350 úhozů za minutu, zatímco při diktování dosahuji rychlosti kolem 850 znaků za minutu. To by zdánlivě mohlo stačit. Jenže o rychlost mi skoro nikdy nejde. Jak už jsem v minulosti psal, své články a další důležité texty píšu ručně zcela záměrně: Ne proto, že je to rychlé, ale proto, že mi to pomáhá třídit si myšlenky. Psaní textu je pro mne součástí přemýšlení.
Proto také tento text píšu ručně, přestože by mi stačilo stisknout šikovnou klávesovou zkratku a mohl bych slova a věty mnohem rychleji diktovat. Já ale u sebe zjistil, že texty, které podepisuji svým jménem, raději píšu svým tempem. Jsem perfekcionista, často se vracím, měním slova, cizeluji formulace nebo i přehazuji celé věty a odstavce. Při diktování bych byl zbytečně nervózní z toho, že když to neřeknu napoprvé, budu to pak muset diktovat znovu. Vysledoval jsem, že čas, který bych ušetřil diktováním, pak dodatečně spálím při opravách. A ještě je to více stresující.
Asi si teď říkáte: Neměla tady být naopak filipika ve prospěch diktování? Ano, máte pravdu. Tohle byl jen takový nutný úvod, ale jdu k věci. Chtěl jsem totiž vysvětlit, že hlavní výhoda diktování pro mne není v rychlosti, ale v náladě. Při psaní se soustředím zároveň na to, co už jsem napsal, na to, co právě píšu, a ještě navíc se v hlavě někde připravuje, co se chystám psát. Nějak to zjevně dohromady funguje, ale výsledkem je, že se podvědomě snažím věci psát „pořádně“.
Stroj si to přebere
Diktování je jiné. Tedy – a to je důležité – za předpokladu, že diktuji do stroje. Kdybych to diktoval jinému člověku, třeba nějakému zapisovateli nebo živému asistentovi, tak bych byl asi ještě vyklepanější, abych snad náhodou neplýtval něčím časem.
Přečtěte si také:
Proto často diktuji texty, které slouží pro moji vlastní potřebu: poznámky, nápady, zápisky. A zdaleka nejčastěji diktuji text pro chatboty, AI asistenty a programovací AI agenty. Tím, že přepisování zvládá neuronová síť a výsledný text jde do další umělé inteligence, je zajištěno, že se nemusím strachovat, že plýtvám časem nějakého člověka. Můžu tak ze sebe opravdu sypat myšlenky, jak mi přijdou na jazyk.
V tom je poslední rok jedna z největších změn, jak umělou inteligenci používám. Místo toho, abych se snažil přesně napsat perfektní a promyšlený prompt, tak prostě diktuji věci, jak mi přijdou na mysl. Když něco řeknu a pak si to rozmyslím, nemusím se vracet a mazat to. Prostě řeknu „teda vlastně ne, uděláme to jinak“ a pokračuji. Stroj si to přebere.
Pokud jde o něco důležitějšího nebo komplexnějšího, tak na konci dám svůj oblíbený příkaz: „Zeptej se mne na čtyři otázky, ať vím, že jsme na stejné vlně, a pak se do toho pusť.“ Tím mám zajištěno, že pokud přece jen dojde k nějakému nedorozumění, vyplave na povrch ještě před tím, než se AI agent pustí do hledání něčeho, co vzniklo jako vedlejší produkt špatného přepisu slov na text.
Spolehlivý a/nebo lokální přepis
Prakticky každý moderní operační systém – na desktopu i na mobilu – už umí nějakou formu diktování. Přesto se mi osvědčilo používat externí nástroj. Konkrétně jsem si zvykl na Wispr Flow, který si jako jeden z mála poradí s mým přepínáním mezi angličtinou a češtinou.
Chystám se ale na nějaký podrobnější test diktovacích nástrojů, protože mne samotného zajímá, jestli náhodou jiný nástroj nebude ještě lepší. Poslední dobou mne totiž Wispr Flow rozčiluje tím, že v češtině do přepsaného textu vkládá váhavé citoslovce „eh“. V angličtině umí taková výplňková slovíčka velmi pěkně odfiltrovat, ale v češtině mu to, eh, moc nejde.
Služba Wispr Flow funguje jen s připojením na internet. Kvůli přepisování ale nemusíte používat online nástroje, existují i lokální modely, které zajistí přepis přímo na vašem zařízení. To se hodí zejména v případě, kdy chcete přepsat nějakou nahrávku, kde pracujete s citlivými údaji dalších lidí. Ale samozřejmě to můžete použít doslova na cokoli. Osvědčil se mi třeba model Whisper Large V3 Turbo, který je v češtině i angličtině překvapivě dobrý a rychlý i na notebooku.
Lokální přepis nabízejí i některé mobilní telefony. Tam je ale nabídka chudší. Google Pixel 6 a novější umí přepisovat text přímo na zařízení, ale jen v angličtině, češtinu nepodporuje. Také iPhony umožňují offline rozpoznávání, ale ani tam není čeština podporována. Snad se dočkáme v příštích generacích. Teoreticky tomu nic nebrání, aplikace jako Whisper Notes (iPhone) nebo Transcribe (Android) to umí už dnes.
Zpracování audia má i další výhodu: Je levné, respektive prakticky bezplatné. Nechávám si tak přepsat i věci, na které bych jinak žádné kredity neplýtval. Diktování se tak stalo nečekaně důležitou součástí mé práce s počítačem i s mobilem.
Když ale píšu e-mail nebo zprávu lidem, obvykle to pořád píšu ručně. Mám z toho lepší pocit. Navíc se aspoň tolik nezakecám a neplýtvám tak jejich časem. Diktování volím jen v případě, že bych jinak musel nahrávat hlasovou zprávu.
Protože poslat někomu hlasovku – zvlášť v době, kdy lze pohodlně cokoliv nadiktovat – je… eh. Škoda slov.
V plné verzi newsletteru TechMIX toho najdete ještě mnohem víc. Přihlaste se k odběru a budete ho dostávat každou středu přímo do své e-mailové schránky.
