گوگل ایک اور AI سروس کے ساتھ واپس آ گیا ہے۔ اس بار یہ "جیما” فن تعمیر کا استعمال کرتے ہوئے ایک آف لائن ڈکٹیشن پروگرام ہے۔ لیکن اسے جیمنی ایپ میں یا جیمنی فیچر کے طور پر شامل کرنے کے بجائے، کمپنی نے اسے صرف آئی فون ایپ کے طور پر جاری کرنے کا فیصلہ کیا۔ بہت اس کا ایک دلکش نام ہے، ‘Google AI Edge Eloquent’۔
میں نے لانچ کے دن ایپ کو آزمانے کا فیصلہ کیا، حالانکہ پرائیویسی پالیسی کی وجہ سے اسے تھوڑی دیر کے لیے روک دیا گیا تھا۔ گوگل کا کہنا ہے کہ آپ کا مقام، رابطے، شناخت کنندگان، ڈیوائس کی تشخیص، رابطے کی معلومات، صارف کا مواد، استعمال کا ڈیٹا، اور "دیگر” ڈیٹا آپ سے منسلک ہو سکتا ہے، لیکن خریداریاں اور دیگر تشخیصات کو جمع کیا جا سکتا ہے لیکن لنک نہیں کیا جا سکتا۔ یہ بہت زیادہ ڈیٹا ہے، خاص طور پر ایک ایسی ایپ کے لیے جو یہ اشتہار دیتی ہے کہ "آڈیو، خفیہ گفتگو، اور ذاتی ڈیٹا کبھی بھی آپ کے آلے کو نہیں چھوڑتا،” اور مجھے یقین نہیں ہے کہ میں دوسری صورت میں ایپ ڈاؤن لوڈ کروں گا۔ لیکن جیسا کہ کہاوت ہے، اگر سروس مفت ہے۔ آپ یہ ایک پروڈکٹ ہے۔ ہم نے اس پر وضاحت کے لیے Google سے رابطہ کیا ہے اور جب ہم دوبارہ سنیں گے تو اس کہانی کو اپ ڈیٹ کریں گے۔
گوگل کی نئی AI ٹرانسکرپشن ایپ کو کیسے آزمائیں
ایک بار جب آپ ایپ ڈاؤن لوڈ کر لیتے ہیں، سیٹ اپ آسان ہو جاتا ہے۔ ایپ میں بولے گئے نمونے کے فقرے ریکارڈ کریں، پھر "آن ڈیوائس موڈ” کو منتخب کریں، جو مکمل طور پر آف لائن ہے اور آپ کی گفتگو کو آپ کے آلے پر آن لائن محفوظ کرتا ہے۔ یا بذریعہ "بہتر متن ہموار کرنا” آڈیو تاہم، میں اپنے متن کو "صاف” کرنے کے لیے Gemini کا استعمال کرتا ہوں۔ اس کے لیے آپ کے ڈیٹا کو کلاؤڈ پر بھیجنے کی ضرورت ہوتی ہے (جو غالباً وہیں ہے جہاں مذکورہ بالا رازداری کا ڈیٹا جاتا ہے)۔ تاہم، آپ کو اسکرپٹ کی بنیادی ترمیم کرنے کے لیے ایپ کے لیے Gemini کو آن رکھنے کی ضرورت نہیں ہے۔ ڈیزائن کے لحاظ سے، ایپ "م” جیسے "فلر” الفاظ کو ہٹا دیتی ہے۔ ایسا لگتا ہے کہ ایپ ڈیفالٹ کے طور پر "بہتر ٹیکسٹ اسموتھنگ” موڈ میں کھلتی ہے۔ کم از کم اس طرح اس نے میرے لئے کام کیا۔ تاہم، مرکزی اسکرین کے اوپری دائیں کونے میں ٹوگل کو صرف ٹیپ کرنے سے آپ "آن ڈیوائس موڈ” میں بدل جائیں گے۔
مجھے ایپ کو چلانے اور چلانے میں کچھ مسائل درپیش تھے۔ جب بھی میں نے ایپ کو جانچنے کی کوشش کی، اس نے اصرار کیا کہ میں بالکل بات نہیں کر رہا تھا۔ لیکن میرے آئی فون کے ساتھ ایئر پوڈس کو جوڑا بنانے اور ان کا جوڑا بنانے کے بعد، ایپ کام کرتی نظر آئی۔ ایپ کو جانچنے کے لیے، میں نے آڈیو یونیورسٹی یوٹیوب ویڈیو سے تعارف چلایا، جو مکمل طور پر مکالمے پر مبنی ہے۔ جیسے ہی ایپ لائیو ہوئی، اس نے کم از کم آخر تک، تقریباً کامل درستگی کے ساتھ ویڈیوز کو کاپی کرنا شروع کر دیا۔ میں نے ایپ کو غلط لفظ ٹائپ کرتے ہوئے دیکھا، پھر اسے واپس لے لیا اور اسے سیاق و سباق فراہم کرنے والے فالو اپ لفظ سے بدل دیا۔ ریکارڈنگ کے بعد، چند مستثنیات کے ساتھ، ٹرانسکرپٹ تقریباً ویڈیو ٹرانسکرپٹ سے مماثل تھا۔ میں نے غلطی سے سوچا "اگر یہ ہماری پہلی ملاقات ہے” کے طور پر "یہ ہماری پہلی ملاقات ہے” اور ایک جملہ دو بار ریکارڈ کیا۔ لیکن اس کے علاوہ، ویڈیو کے شروع میں نقل مکمل طور پر مفید ہے۔
اب تک آپ کا کیا خیال ہے؟
آپ کے پاس یہاں مختلف قسم کے اختیارات ہیں۔ یہ خاص طور پر درست ہے اگر آپ جیمنی کو مدد کے لیے مدعو کرتے ہیں۔ اگر آپ متن کو درست کرنا چاہتے ہیں کہ AI نے غلط طریقے سے "پالش” کیا ہے، تو آپ اسکرپٹ پر پنسل آئیکن پر ٹیپ کرکے اسے فوری طور پر دستی طور پر ایڈٹ کرسکتے ہیں۔ اوپر آپ ‘استعمال کے اعدادوشمار’ دیکھ سکتے ہیں جن میں بولے جانے والے الفاظ کی تعداد، فی منٹ بولے جانے والے الفاظ، AI کی طرف سے کی گئی ترامیم کی تعداد، وغیرہ۔ Gemini کو آن کرنے سے آپ کو اضافی AI ایڈیٹنگ ٹولز تک رسائی ملتی ہے، بشمول "کلیدی نکات،” "رسمی،” "مختصر” اور "لمبا”۔ جب آپ اپنے ٹرانسکرپشن سے مطمئن ہوں، تو آپ متن کو کلپ بورڈ پر منتقل کرنے اور اسے کہیں اور چسپاں کرنے کے لیے کاپی بٹن دبا سکتے ہیں۔ "ہسٹری” ٹیب میں آپ اپنی پچھلی تاریخ دیکھ سکتے ہیں اور اس میں ترمیم کرنے کے لیے واپس جا سکتے ہیں (یا تو دستی طور پر یا AI کا استعمال کرتے ہوئے)۔ "لغت” ٹیب آپ کو اکثر استعمال ہونے والے لیکن غیر واضح الفاظ شامل کرنے کی اجازت دیتا ہے جنہیں AI مستقبل کی ریکارڈنگ کی درستگی کو بہتر بنانے کے لیے تسلیم نہیں کرتا ہے۔
میری مختصر جانچ میں، ایپ اچھی طرح کام کرتی ہے اور میں اسے صرف اپنے آلے پر استعمال کرنے کے اختیار کی تعریف کرتا ہوں۔ میں یقینی طور پر اس خصوصیت پر غور کروں گا اگر یہ iOS کے بلٹ ان ٹرانسکرپشن سے تیز اور زیادہ درست معلوم ہوتا ہے۔ خاص طور پر چونکہ یہاں زیادہ طاقتور خصوصیات ہیں۔ کرو اس کا مطلب ہے آپ کا ڈیٹا گوگل کے ہاتھ میں دینا۔