Riêng tư · Chạy trên máy · Apple Neural Engine
Video, cuộc gọi, podcast: được bóc lời ngay khi đang phát và vẽ ra dưới dạng một overlay luôn nổi trên cùng. Không có gì được tải lên, không có gì được ghi lại, không có gì lưu xuống đĩa.
Tuần ra mắt: $5 thay vì $9 đến hết 22 tháng 8 · hoàn tiền trong 14 ngày
Hoàn tiền trong 14 ngày, không cần lý do
$9 một lần, gồm mọi bản cập nhật về sau ·
macOS 14.2 trở lên · Apple Silicon
Phụ đề không giới hạn, dùng bao lâu tuỳ bạn. Không mua phút, không tài
khoản, không thuê bao.
Chuyển app thì phụ đề vẫn còn: overlay nằm trên mọi cửa sổ, và cho các cú nhấp đi xuyên qua.
Bấm vào một cửa sổ để đưa nó ra trước. Giữ ⇧ rồi kéo phần phụ đề để dời nó, y như trong app.
Trỏ vào phần phụ đề là chúng tan ra dưới con trỏ. Giữ ⌥ để xếp chồng vài khung gần nhất lên lại. Cả hai đều chạy ở đây y hệt như trong app.
Subtitles lên phụ đề cho mọi âm thanh máy Mac của bạn phát được, vì nó lấy trực tiếp từ app chứ không tích hợp với riêng dịch vụ nào. Dù bạn điếc hay khiếm thính, đang nghe bằng ngoại ngữ, hay chỉ là đang làm việc ở một chỗ ồn ào, có ba tình huống cứ lặp đi lặp lại.
01
Zoom, Google Meet, Teams, một huddle trên Slack, một cuộc gọi trong tab trình duyệt: tất cả chỉ là âm thanh phát ra từ một app, nên tất cả đều được lên phụ đề. Là ngoại ngữ hay không cũng vậy, nó có ích ngay khi một giọng nói lạ tai, khi micro của ai đó quá tệ, hoặc khi hai người nói chồng lên nhau. Đọc lại một từ bạn chỉ nghe loáng thoáng thì nhanh hơn hỏi lại, và không làm gián đoạn ai cả.
02
Âm thanh không chờ ai. Ngay khi bạn chuyển sang ghi chú, sang trình soạn thảo hay một cửa sổ trình duyệt là bạn bắt đầu tuột mất cuộc trò chuyện. Overlay luôn nổi trên mọi cửa sổ và cho chuột xuyên qua, nên nó nằm yên tại chỗ trong lúc bạn làm việc phía trước. Bạn ghi chú, tra cứu gì đó, mà vẫn theo được người ta đang nói gì. Một cuốn sổ tay như Granola viết lại cuộc họp sau khi xong; đây là nửa còn lại, nửa phải xảy ra khi nó vẫn đang diễn ra.
03
Một video không có phụ đề, hoặc có phụ đề tự động còn tệ hơn là không có. Một podcast bằng thứ tiếng bạn vẫn đang học. Một bài giảng ghi sẵn hay phát trực tiếp, một buổi phỏng vấn, một bộ phim thoại nhỏ tiếng. Phụ đề hiện lên trên đúng cửa sổ đang phát, ở cỡ chữ bạn đặt, với mười sáu ngôn ngữ và ngôn ngữ thì máy tự nhận ra giúp bạn.
Cả ba đều có chung một điểm: một cuộc họp, một cuộc gọi và một bản ghi riêng tư đều chẳng liên quan gì tới máy chủ nào. Không âm thanh nào ở đây được tải lên, vì chẳng có lý do gì phải tải: mô hình chạy ngay trên máy Mac của bạn.
Âm thanh trực tiếp không tạm dừng được, không chạy lại được, và cũng không nên phải rời khỏi máy bạn. Mọi thứ ở đây đều bắt nguồn từ đó.
Nó chạy cục bộ và ngoại tuyến: không gọi mạng, không tài khoản, không đo đạc. Âm thanh đi thẳng từ tap vào bộ nhận dạng rồi bị bỏ đi. Thứ duy nhất từng được tải về là chính mô hình, đúng một lần.
Khoảng 0.15 lần thời gian thực: mỗi giây tính toán bóc được sáu giây lời nói. Cũng mô hình đó chạy trên CPU thì đo được chậm hơn khoảng 100× so với mức cần để bám kịp một luồng trực tiếp.
Mặc định nó nghe mọi thứ máy Mac của bạn phát ra, nên chẳng phải cài gì trước. Hãy thu hẹp về một app duy nhất từ thanh menu khi có hai thứ cùng nói một lúc, và nó sẽ thu app đó cùng mọi tiến trình phụ mà app sinh ra, đây chính là thứ giúp trình duyệt và app Electron chạy được, vì ở đó âm thanh không bao giờ phát ra từ tiến trình chính.
Một bộ phát hiện giọng nói chạy trước bộ nhận dạng để nhạc nền không bao giờ tới được đó. Không có nó, nhạc lấp đầy ngữ cảnh của mô hình và những từ đầu tiên sau đó sẽ mất.
Tuỳ bạn, có thể mở một dòng phụ đề mới khi người khác bắt đầu nói, giống như khi có một quãng ngắt. Mặc định tắt: nó chạy thêm một mô hình thứ hai song song với mô hình chính.
Mô hình mặc định tự nhận ra ngôn ngữ. Riêng tiếng Anh có thêm bảy checkpoint chuyên dụng, đánh đổi độ trễ lấy độ chính xác, từ 160 ms trở lên.
Một thứ nổi trên mọi cửa sổ chỉ dùng được nếu nó không bao giờ trở thành thứ bạn phải né. Nó không nhận cú nhấp nào, nó tan ra ở chỗ bạn trỏ tới, và nó trả lại cho bạn dòng chữ bạn đã lỡ khi nhìn đi chỗ khác.
Đưa con trỏ lại gần khung là nó mờ đi bên dưới, nên câu bạn đang đọc không bao giờ che câu bạn đang viết. Mờ đi bao nhiêu và cái lỗ rộng tới đâu đều do bạn đặt. Giữ ⇧ để nó đặc lại.
Khung lật trang giống phụ đề truyền hình: nó đầy dần, xoá đi rồi bắt đầu lại, nên một dòng bạn lỡ nhìn đi chỗ khác coi như mất. Giữ ⌥ thì những khung vừa đóng xếp chồng lên trên khung đang chạy, tối đa ba mươi khung, cuộn được để xem những khung cũ hơn. Buông tay ra là chúng lại biến mất. Không có gì được ghi ở đâu cả.
⌘, trong menu sẽ mở phần cài đặt: một khung chứa được bao nhiêu dòng trước khi xoá, nó đậm đến đâu, vùng hé lộ quanh con trỏ rộng cỡ nào, ⌥ lật lại được bao xa. Mọi thanh trượt đều tác động lên overlay ngay khi bạn kéo, nên bạn chỉnh bằng mắt chứ không phải bằng cách chọn một con số.
Một luồng âm thanh realtime chỉ biết sao chép, một lõi khả chuyển không bao giờ bóc lời, và một mô hình chạy đúng chỗ của nó.
48 kHz stereo, cứ 10.7 ms lại có một callback. Luồng realtime chép dữ liệu vào một ring buffer lock-free và không làm gì khác.
Hạ xuống 16 kHz mono trên một luồng worker, bỏ qua các đoạn im lặng, phát lại khoảng một giây trước lời nói để không từ nào bắt đầu từ con số không.
Một mô hình streaming, không phải loại chạy theo cửa sổ 30 giây: khác biệt giữa phụ đề bám sát âm thanh và phụ đề đến chậm vài giây.
Những trang ba dòng, xoá đi rồi bắt đầu lại giống phụ đề truyền hình, mờ dần sau bốn giây kể từ dòng chữ mới cuối cùng chứ không phải từ lúc âm thanh dứt.
Mọi thứ từ ring buffer tới ranh giới của mô hình đều là Rust khả chuyển và cố ý không bóc lời: nó chỉ đưa ra các khung dữ liệu. Cái tap và overlay là hai phần duy nhất gắn riêng với Mac.
Hoàn tiền trong 14 ngày, không cần lý do.
Lý do bạn dám nhắm cái này vào một cuộc gọi công việc là vì nó không phải một dịch vụ. Không có máy chủ, không có tài khoản và không có bản ghi lời, nên chẳng có gì để gửi và chẳng có ai khác trong vòng lặp. Bản dài dòng đã được viết ra. Mã nguồn là công khai, nên bạn không phải tin suông điều nào cả.
Ngôn ngữ là thứ đầu tiên quyết định một mô hình có dùng được hay không, nên nó nằm ở cấp trên cùng của menu. Đổi trong cùng một gói là tức thì; nhảy sang gói khác thì phải tải gói kia về, còn thứ bạn đã có thì vẫn giữ nguyên.
Đổi ý giữa chừng khi đang tải thì nó huỷ và bắt đầu tải cái mới ngay. Lát nữa quay lại thì nó chạy tiếp chứ không tải lại từ đầu.
Tổng cộng mười sáu: tiếng Anh, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha, Đức, Hà Lan, Thổ Nhĩ Kỳ, Nga, Ả Rập, Hindi, Nhật, Hàn, Việt, Ukraina và Quan Thoại. Cứ để ở chế độ Đa ngôn ngữ thì nó tự đoán ra đang nghe thứ tiếng nào, hoặc chỉ định thẳng ngôn ngữ để nó thôi phải đoán.
Không có biểu tượng ở Dock, không có cửa sổ nào phải quản. Biểu tượng cho bạn biết nó đang làm gì: màu chàm khi đang nghe, xanh dương khi đang tải mô hình, vàng khi đường ống bắt đầu tụt lại, và không bao giờ đỏ, vì đỏ nghĩa là đang ghi, mà ở đây không có gì được ghi ở đâu cả. Các công tắc nằm trong menu, và ⌘, ở đó mở ra cửa sổ cài đặt cho những núm vặn phía sau chúng.
macOS có sẵn phụ đề, miễn phí, trên mọi máy Mac chạy Apple silicon, nằm trong Cài đặt Hệ thống, Trợ năng, Phụ đề trực tiếp. Nếu chừng đó lo được thứ bạn cần thì cứ dùng. Còn đây là những chỗ nó thôi lo được cho tôi, và có cả một bảng so sánh từng dòng nếu bạn muốn bản dài.
Tuần ra mắt: $5 thay vì $9 đến hết 22 tháng 8 · hoàn tiền trong 14 ngày
Hoàn tiền trong 14 ngày, không cần lý do
$9 một lần, gồm mọi bản cập nhật về sau ·
macOS 14.2 trở lên · Apple Silicon
Phụ đề trực tiếp không giới hạn, chừng nào chiếc Mac còn là của bạn. Không
mua phút, không tài khoản, không thuê bao.