Transkrypcja spotkania na żywo na iPhonie, iPadzie i Macu

Potem jest już za późno

Nagranie spisane po spotkaniu odpowiada tylko na pytanie, co zostało powiedziane. Nie odpowiada na pytania, które pojawiają się w trakcie — co oznaczała ta liczba, czy umówiliśmy się na czwartek, kto przejął umowę — bo kiedy tekst jest gotowy, moment, by je zadać, już minął.

Transkrypcja na żywo wnosi tekst do samego spotkania. Możesz cofnąć się o dziesięć minut, gdy rozmowa trwa, sprawdzić liczbę, zanim ją powtórzysz, i zapisać decyzję, póki osoby, które ją podjęły, są jeszcze w pokoju.

Co właściwie robi sesja na żywo

Sesję w GPT Realtime Assistant zaczynasz i kończysz sam. Gdy stukniesz przycisk Zacznij, dźwięk z mikrofonu trafia do modelu, a to, co zostało powiedziane, pojawia się na ekranie jako transkrypcja. Odpowiedzi asystenta są obok, więc rozmowa i pomoc mieszczą się na jednym ekranie.

Nasłuchuje końca myśli, a nie końca dźwięku: semantyczne wykrywanie mowy decyduje, czy skończyłeś, więc pauza, w której szukasz słowa, nie jest brana za koniec odpowiedzi. A jeśli asystent zaczyna odpowiadać, a ty chcesz coś dodać, wystarczy się odezwać, żeby mu przerwać.

Kroki

Zajmuje to mniej czasu niż szukanie długopisu.

1. Otwórz aplikację i wybierz projekt, do którego należy spotkanie. Projekty grupują sesje, a sesje przechowują historię: spotkanie na ten sam temat w przyszłym miesiącu znajdzie się obok tego.
2. Zacznij nową sesję z odpowiednim szablonem: Spotkanie decyzyjne, 1:1, Codzienny stand-up, Rozpoznanie potrzeb klienta i inne. Szablon ustala rolę i instrukcje asystenta, żeby wiedział, na co zwracać uwagę.
3. Połóż urządzenie tam, gdzie słyszy wszystkich: płasko na środku stołu, nie w kieszeni i nie za ekranem laptopa.
4. Stuknij przycisk Zacznij, zanim zacznie się rozmowa. Tego, co powiedziano przed startem sesji, nie da się transkrybować.
5. Stuknij przycisk Zakończ, gdy spotkanie się skończy. Transkrypcja i odpowiedzi asystenta zostają w historii sesji.

Miejsce liczy się bardziej niż urządzenie

Transkrypcja jest tak dobra jak dźwięk, który do niej dociera. Przy stole na sześć osób jedno urządzenie na środku daje lepszy wynik niż telefon przed najcichszą osobą. iPad oparty na końcu stołu jest wygodny, bo można na niego zerknąć bez brania do ręki.

Spotkanie przez ekran to inny problem: pozostałe głosy dochodzą z komputera, a nie z drugiego końca pokoju. Na Macu aplikacja może słuchać dźwięku systemowego właśnie w tym celu — poradnik o transkrypcji rozmów wideo wyjaśnia, jak to zrobić.

Dwa sposoby transkrypcji, na Macu trzy

Na iPhonie i iPadzie transkrypcję wykonują modele OpenAI albo rozpoznawanie mowy Apple na samym urządzeniu. Mac z Apple silicon ma trzecią możliwość: pobrać Whisper Large v3 Turbo i uruchamiać go na samym komputerze — do rozmów, których dźwięk nie powinien opuszczać pokoju.

Gdzie zapisuje się transkrypcja

Transkrypcje, odpowiedzi, sesje i projekty są zapisywane na twoim urządzeniu, bez synchronizacji z chmurą. Własny backend aplikacji obsługuje konta, zakupy i saldo kredytów; nie odbiera ani nie przechowuje dźwięku, transkrypcji ani odpowiedzi.

W sesji w chmurze dźwięk jest przesyłany do OpenAI, by powstały transkrypcja i odpowiedzi. Warto to wiedzieć przed startem — i powiedzieć o tym osobom, z którymi się spotykasz.

Zanim stukniesz przycisk Zacznij

Transkrypcja zapisuje słowa wszystkich w pokoju, nie tylko twoje. Powiedz, że transkrybujesz, i sprawdź, czy twoja organizacja lub obowiązujące prawo nie wymagają więcej. Poradnik o nagrywaniu i transkrypcji innych osób wyjaśnia, co i jak powiedzieć.