Tal till text i realtid: livetextning av samtal på iPhone

Det du ser på skärmen

En session skriver ett livetranskript. Varje gång den andra har tänkt färdigt visas det som sades på skärmen som en bubbla, och samtalet växer till en lista du kan scrolla tillbaka i. Missade du en rad medan du svarade finns den kvar att läsa igen.

Assistenten svarar också på varje replik av sig själv; det är vad appen är byggd för. För textning vill du ha den ur vägen, så starta en session utan mall med en instruktion som ”Kommentera inte samtalet. Håll varje svar till några få ord om jag inte skriver en fråga.” och ställ in Detaljnivå på Kortfattad. Instruktioner styr modellen snarare än stänger av den, så räkna med ett kort svar då och då mellan raderna du läser.

Om den andra talar ett annat språk visar en översättningssession i stället varje mening och dess översättning som ett par bubblor; guiden om att översätta ett samtal live går igenom det.

Ställ in det

Gör det en gång, före samtalet, inte medan någon väntar på ditt svar.

1. Öppna Inställningar › Utseende › Chatteckensnittsstorlek och välj Stor eller Extra stor. Det gäller utöver iPhonens egen textstorlek.
2. Tryck på Översätt och kontrollera att ”Översätt chatt och livesession” är avstängt. Översättning är en inställning för hela appen och står kvar som den var senast den användes.
3. Starta en session utan mall, skriv instruktionen ovan och ställ in Detaljnivå på Kortfattad.
4. Ställ in en längre tid för Automatisk låsning i iPhonens inställningar för Skärm och ljusstyrka, och sätt telefonen på laddning om samtalet blir långt.
5. Berätta för den andra vad telefonen är till för, ställ den på plats och tryck på Starta (Starta session på iPad).
6. Tryck på Avsluta när samtalet är slut. Transkriptet finns kvar i sessionen, på enheten.

Var telefonen ska stå

Textningen kan aldrig bli bättre än ljudet som når telefonen. Ställ den nära personen du vill texta, riktad mot personen, med skärmen lutad mot dig så att du kan läsa utan att ta upp den.

I ett bullrigt rum — ett kafé, en släktmiddag, ett väntrum med tv:n på — betyder avståndet mer än något annat. En telefon en halv meter från den som pratar klarar sig mycket bättre än en på andra sidan bordet, och en telefon som ligger plant bland tallrikar och glas hör varje slammer. Ett litet ställ hjälper. En iPad visar mer text i samma teckenstorlek, vilket är lättare att följa i ett långt samtal.

En person i taget fungerar bäst. När två pratar i munnen på varandra blandar transkriptet ihop dem, eftersom det inte kan skilja på det som nådde mikrofonen som ett enda ljud. I ett gruppsamtal som är viktigt för dig är det rimligt att be folk turas om och vända sig mot telefonen.

Håll appen öppen och skärmen tänd

Det är regeln som folk missar. En livesession avslutas när appen hamnar i bakgrunden eller skärmen låses, med meddelandet ”App inaktiv. Realtidssessionen stängd.” En skärm som låses mitt i ett samtal betyder att textningen slutar tills du startar en ny session.

• Ställ in en längre tid för Automatisk låsning innan du börjar, och ändra tillbaka efteråt om du vill.
• Ha telefonen på laddning för allt längre än en kort pratstund; en skärm som är tänd drar batteri.
• Byt inte till en annan app för att läsa ett meddelande. Det som redan transkriberats finns kvar i sessionen, men inget nytt textas när sessionen har stängts.
• Om den ändå stängs, starta en ny session direkt; den tidigare delen av samtalet finns kvar i den första.

Apple Speech eller OpenAI som lyssnar

Appen kan höra på två sätt. Som standard hör OpenAI:s modell ljudet och skriver transkriptet. Under ”Lyssnar” kan du i stället välja Apple Speech, som transkriberar på enheten och skickar texten till GPT för svaret. Välj innan du trycker på Starta.

Vilket som fungerar bäst för dig beror på rösten, språket och rummet, så prova båda under de förhållanden du faktiskt ska använda appen i, i stället för att lita på en allmän regel. Med Apple Speech stannar själva ljudet på telefonen, medan texten av det som sades fortfarande går till GPT. På iPhone och iPad behöver båda internetuppkoppling.

Vad det inte är

Det är ingen certifierad textningstjänst, och det finns ingen garanti för träffsäkerheten. Den kan höra fel på namn, siffror och tysta ord, blanda ihop två talare och halka efter någon som pratar fort. Vid middagsbordet är det en rimlig kompromiss; för allt där ett missat ord får följder räcker det inte på egen hand.

För ett läkarbesök, ett juridiskt möte eller en undervisningssituation där du har rätt till stöd, fråga efter skrivtolk (det som på engelska kallas CART) eller annan professionell textning, eller teckenspråkstolk om det är det du använder. Många sjukhus, domstolar, lärosäten och arbetsgivare ordnar det, och en telefon på bordet ersätter inte det.

Berätta för den andra

Textning är ett transkript, och ett transkript är en redogörelse för vad någon annan sa. Berätta det för personen först, och visa skärmen; den förklarar sig själv bättre än en beskrivning gör.

Under en molnsession går ljudet från enheten direkt till OpenAI:s Realtime API. Sessionen sparas på enheten, utan molnsynkronisering, och Arte Softs servrar tar aldrig emot ljudet, transkriptet eller svaren. Guiden om att spela in och transkribera andra går igenom vad du ska säga och när lagen kräver mer.