Echa Przeglądów Odcinek nr 2

Pobierz napisy w formacie SRT
Pobierz napisy w formacie VTT
Fundacja Instytut Rozwoju Regionalnego prezentuje Tyflo Podcast.
Dobry wieczór, nazywam się Michał Kasperczak i chciałbym przedstawić Państwu
kolejną audycję z cyklu Echa Przeglądów. Przypomnę, że to jest cykl audycji podcastów,
który się mniej więcej odbywa co kwartał i ma on na celu przypomnieć, podsumować,
przeanalizować troszeczkę z dystansu to wszystko, o czym mówiliśmy w ostatnich odcinkach
Tyflo Przeglądu i różnych innych naszych podcastach w ramach Tyflo Podcastu
w obrębie mniej więcej ostatnich trzech miesięcy. I istotnym równie albo nawet bardziej
aspektem każdego odcinka jest to, że zapraszam gościa, który komentuje z jednej strony,
jeżeli chce i może to komentuje to, co się wydarzyło w technologiach przez te trzy miesiące,
ale zawsze też ma coś do powiedzenia od siebie i stanowi to główną jakąś taką oś odcinka.
I dzisiaj takim gościem jest Agnieszka Juranek. Cześć.
Witam serdecznie.
I będziemy sobie rozmawiać o rzeczach różnych, głównie o Apple’u, troszeczkę też o blogu,
o dyktowaniu, MacWhisperze, sztucznej inteligencji, transkrypcjach, audio hijacku.
Wszystkim tym nieco przypadkowo odpowiedziałem kolejność, ale o tym wszystkim będzie na pewno mowa.
Ale nim do tego przejdziemy, to posłuchajmy, co przygotował dla nas Piotr Machacz.
To będzie około 25 minut podsumowania kwartalnego tego wszystkiego, co się wydarzyło ostatnio w technologiach.
Witajcie z tej strony Piotr Machacz. Chciałbym podzielić się z Wami kilkoma spostrzeżeniami, jeśli chodzi o nowości, które mieliśmy okazję dostać w drugim kwartale tego roku.
A działo się naprawdę sporo. Na przykład, jeśli chodzi o notatniki brailowskie, które, można powiedzieć, mają taki swojego rodzaju renesans.
Bo zostały zapowiedziane trzy nowe urządzenia, i to takich znanych firm, a w tle szykują się kolejni producenci, którzy też zaczęli swoje sprzęty na różnych targach pokazywać.
Tutaj między innymi ostatnio na targach IFA, czy nowe sprzęty od Orbita. Natomiast nowe sprzęty Orbita to są bardziej takie typowe linijki brailowskie.
A mieliśmy okazję też usłyszeć o trzech nowych notatnikach brailowskich i na nie chciałbym się skupić.
Dlaczego? Bo te trzy propozycje są bardzo od siebie różne i w pewnym sensie celują w jednego klienta, ale na zupełnie różne sposoby.
Zacznijmy może sobie od notatnika BrailleSense 7, od firmy Selvas Healthcare pod bardziej znaną marką HIMS.
I jest to, można powiedzieć, ewolucja bardzo ulubionej i znanej serii BrailleSense.
Mieliśmy wcześniej BrailleSense 6, teraz wychodzi wersja 7. Wersja, która miała pojawić się teraz.
Natomiast producenta spotkał jakieś kłopoty, które spowodowały, że pierwsze egzemplarze tego urządzenia będą trafiać do klientów dopiero pod koniec sierpnia,
więc pewnie już bardziej jesienią. Co nie znaczy, że o tym sprzęcie nie wiemy więcej, bo były różne demonstracje.
Sprzęt był pokazywany na różnych konferencjach i mniej więcej wiemy czego możemy się spodziewać.
A możemy się spodziewać po prostu kolejnej wersji BrailleSense’a.
Cały czas jest to urządzenie bazujące na Androidzie, teraz jest to Android 15, więc kilka wersji nowszej niż 12, która jest obecna na poprzedniej wersji tego urządzenia.
Cały czas mamy do czynienia ze wszystkimi ulubionymi aplikacjami firmy HIMS, z ulepszeniami, ale mamy też kilka bardzo ciekawych, nowych, innowacyjnych rozwiązań.
Fizycznie BrailleSense 7 wygląda inaczej od poprzedników, to znaczy to wygląda jak taki typowy notatnik brailowski,
ale po pierwsze nie mamy przycisku przewołania kursora nad linijką, zamiast tego wszystkie komórki są dotykowe.
Możemy to wykorzystywać na różne sposoby, możemy wykonywać na nich gesty i urządzenie też jest w stanie inteligentnie przewijać kursor, kiedy my dojdziemy do końca linijki.
Więc nie musimy bawić się z jakimś automatycznym przewijaniem na czas, jak to było do tej pory, tylko urządzenie podobnie jak monitory brailowskie HelpTech może to robić automatycznie.
Różnica tutaj jest taka, że monitory HelpTech nawet w wersjach 40 znakowych są dużo droższe od BrailleSense’ów, więc to wbrew pozorom,
mimo to, że generalnie jest to urządzenie, którego cena jest taka notatnikowa brailowska, jak ktoś zna cenę notatników brailowskich to wie o co chodzi,
to mimo wszystko to jest tańsze od monitorów HelpTech i po raz pierwszy możemy mieć do czynienia z takim dotykowym rozwiązaniem.
Nie wszystkim się to podoba, moim zdaniem pomysł jest naprawdę niegłupi, zwłaszcza, że sama kwestia przewijania kursora wydaje mi się została rozwiązana prosto,
bo wystarczy stuknąć dwukrotnie w odpowiednią komórkę, a więc bardzo podobnie jak to mieliśmy na urządzeniach mobilnych,
prawie jakbyśmy naciskali jakiś przycisk, ale jednocześnie a propos urządzeń mobilnych to możemy na tym urządzeniu właśnie wykonywać takie mobilnopodobne gesty.
Co jeszcze się zmieniło? Do urządzenia możemy doczepić klawiaturę QWERTY i ona przychodzi do nas w zestawie,
no bo tradycyjnie urządzenie jest wyposażone w taką typową osiupunktową klawiaturę typu Perkins, ale jakby ktoś tej klawiatury nie chciał,
no to możemy sobie doczepić do niego klawiaturę QWERTY i wtedy pracujemy na nim bardziej jak na takim typowym laptopie,
no tylko, że bez ekranu i z Androidem, a nie z systemem Windows.
Mamy też doczepioną baterię z tyłu, która nam to da 10 dodatkowych godzin pracy na baterii, to jest całkiem dużo,
a nawet bez tej baterii urządzenie działa 20 godzin na baterii, no biorąc pod uwagę, że jest to Android, jest to naprawdę wynik przyzwoity.
Bateria była zawsze atutem notatników brajlowskich i w przypadku tego urządzenia jest nie inaczej.
Mamy też nowe aplikacje, mamy tutaj bardzo ścisłą integrację z Gemini, więc tutaj sztuczna inteligencja jak najbardziej wproczyła na pierwszy plan.
Pojawiła się też nowa aplikacja do oglądania telewizji, która myślę, że też może wielu osobom się spodobać, także urządzenie naprawdę zapowiada się ciekawiej
i jeśli producent nic nie zepsuł pod kątem oprogramowania, to myślę, że ci, którzy szukają takiego urządzenia z Androidem,
bo tam też możemy instalować tylko aplikacje inne chcemy, jednocześnie pracując w środowisku Braille licencowym, gdzie wszystko jest generalnie dość dopracowane,
przynajmniej tak było do tej pory i mam nadzieję, że tak będzie nie inaczej, no to urządzenie zapowiada się imponująco.
A co jeśli ktoś nie chce Androida? No to wtedy może coś z Windowsem i właśnie w tę stronę poszła firma HumanWare z najnowszym urządzeniem z serii BrailleNote.
Urządzenia z tej serii nie były u nas popularne do momentu BrailleNote Touch, który był takim pierwszym urządzeniem pod tej marki, które się u nas pojawiło
i BrailleNote Touch był tabletem działającym na Androidzie, natomiast BrailleNote Evolve jest po prostu komputerem z Windowsem.
Oczywiście w obudowie notatnika braille’owskiego, a więc mamy tutaj też do czynienia z klawiaturą typu Perkins, właśnie klawiaturą braille’owską.
Wersja QWERTY ma pojawić się jesienią, tak prawdopodobnie zapowiada producent procesorem Intel Ultra 5 pierwszej generacji.
To jest procesor z roku 2023, 32 GB RAM-u, dysk 512 GB i Windows 11 Pro na pokładzie.
Gdzie BrailleSense ma dużo aplikacji dostosowanych do siebie, to BrailleNote idzie w trochę inną stronę i po prostu dostosowuje delikatnie Windowsa do pracy z monitorem braille’owskim
i z klawiaturą typu Perkins właśnie. Robią to głównie przez zmodyfikowaną wersję NVDA, która z tym urządzeniem przechodzi.
I właśnie, żeby większość funkcji działała tak jak powinno, wiele dodatkowych skrótów, które są dostępne m.in. w aplikacjach Microsoft Office,
które mają to urządzenie upodobnić bardziej do aplikacji z poprzednich BrailleNote’ów, tych typowych aplikacji dla niewidomych.
No to, żeby to wszystko działało prawidłowo, musimy korzystać z zmodyfikowanego NVDA, które z tym urządzeniem przechodzi.
Jeśli ktoś lubi JAWS-a, no to można z niego korzystać. Nawet z urządzeniem Gradiusie dostajemy pół roku licencji specjalnej wersji JAWS-a pod BrailleNote’a,
którą później możemy sobie wykupić w abonamencie i ten abonament kosztuje trochę mniej niż taki klasyczny JAWS.
Ile dokładnie, nie wiem, nie ma takiej informacji jeszcze na stronie. Natomiast, jeśli ktoś chce korzystać z JAWS-a na tym urządzeniu,
no to właśnie wiele dodatkowych skrótów już z nim nie działa, co pierwsi recenzenci zwracali uwagę, że to może być problem.
Na co jeszcze zwracali uwagę, jeśli chodzi o takie minusy, no to działanie na baterii, które, biorąc pod uwagę jaka tam jest bateria zainstalowana,
no nie jest najlepsze, bo mając w głowie 20 godzin BrailleSense’a, no to tu urządzenie może nam działać mniej więcej 5,5 godziny.
No to nie jest niestety dużo, biorąc pod uwagę ile mogą takie typowe notatniki działać, ile poprzednie BrailleNote’y działały.
Nie mówiąc już nic o innych laptopach z Windowsem, które mają baterie o podobnej pojemności, które działają dłużej.
Także trochę coś jeszcze trzeba byłoby po stronie programowej dopracować.
Urządzenie też nie jest najszybsze, niektóre aplikacje odbiują się wolno.
Tak na przykład otwieranie Microsoft Worda, żeby zacząć coś pisać, to w recenzji, którą słyszałem, trwało 10-15 sekund.
Natomiast urządzenie, no dopiero doczekało się pierwszej wersji oprogramowania i wiele z tych rzeczy, mam nadzieję, będzie dopracowane,
że jeszcze uda się producentowi trochę coś więcej wycisnąć z tej baterii.
Natomiast mam wrażenie, że to urządzenie może być fajne dla ludzi, którzy bardzo chcą mieć notatnik brailowski,
takiej właśnie formy notatnika, nie chcą laptopa z linijką brailowską na przykład.
I bardzo, bardzo chcą właśnie, żeby jeszcze na tym notatniku był Windows.
Myślę, że dla takich osób BrailleNote Evolve właśnie będzie najlepszy.
Zobaczymy jeszcze jak wypadnie konkurencja, czyli Optima od Orbita, która zalicza kolejne opóźnienia.
Miejmy nadzieję, że w niedalekiej przyszłości się pojawi.
No i myślę, że to może być też ciekawe porównanie.
Natomiast jak ktoś szuka czegoś szybszego, działającego dłużej na baterii,
z większą ilością takich dedykowanych aplikacji pod notatniki,
no to BrailleSense 7 właśnie bardziej poszedł w tą bardziej klasyczną stronę,
ale równocześnie też pozwalając nam instalować różne rzeczy.
A jeśli nie to, to co jeszcze?
Mamy jeszcze trzeciego konkurenta, a mianowicie firmę Blazie Technologies.
Tak to ci ludzie, którzy kiedyś stworzyli Braille 'n Speak i Braille Lite.
No, ci sami ludzie pod inną nazwą firmy, z przyczyn oczywistych.
Oni już stworzyli wcześniej notatnik, który miał tylko syntezator mowy,
oparty na minikomputerku Raspberry Pi.
To był BT Speak, a teraz wypuścili też wersję z monitorem brailowskim,
która też pomału zaczyna trafiać do pierwszych osób, które urządzenie kupiły w przedsprzedaży.
I to jest też bardzo ciekawy pomysł na urządzenie.
Nie wiem jak jest z jego działaniem na baterii.
Wydaje mi się, że ono może być porównywane albo trochę nawet lepsze chyba od tego,
co mamy w BrailleNote Evolve, ale do Braille licencja myślę, że może trochę zabraknąć,
biorąc pod uwagę, że Raspberry Pi, mimo to, że jest to komputer bardzo energooszczędny,
to na przykład nie jest w stanie wsiąść tak głębokie uśmienie,
jak na przykład taki typowy procesor działający pod kontrolą Androida
na takiej typowej płycie głównej Androidowej.
Natomiast to urządzenie też podchodzi do tematu trochę inaczej,
bo mamy tutaj bardzo dużo takich notatnikowych, dedykowanych aplikacji,
które interfejsem starają się bardzo przypominać interfejs Braille 'n Speak’ów i Braille Lite’ów.
Także jak ktoś kiedyś miał, korzystał, to myślę, że może być bardzo zadowolony.
Ale w przeciwieństwie na przykład do Braille licencja, tutaj użytkownicy też mogą pisać własne aplikacje.
Nawet dostajemy z urządzeniem aplikacje, które nam pomogą nauczyć się programować w języku Python,
na przykład z pomocą sztucznej inteligencji i na tej podstawie możemy sobie własne aplikacje tworzyć.
A gdyby to środowisko było dla nas za mało, gdybyśmy jednak chcieli coś więcej zrobić,
nie wiem, przeglądać sobie na przykład internet, to mamy jeszcze dostęp do Linuxa,
który z tym urządzeniem jest zintegrowany, z nim przychodzi i w każdej chwili jednym skrótem klawiszowym
możemy wyjść z tego trybu typowo notnikowego i przejść do trybu desktop, do trybu okienkowego.
I tam już mamy typowego Linuxa, mamy Orcę, czyli czytnik ekranu pod Linuxem.
Generalnie Linux klawiatury obsługuje się bardzo podobnie w pewnym sensie do systemu Windows
i tam możemy zrobić tak naprawdę to, co byśmy chcieli.
I to też wydaje mi się, że może być dla wielu osób bardzo ciekawe rozwiązanie,
które też do tematu podchodzi w trochę inny sposób.
Jeśli chodzi o to urządzenie, to jego recenzje jeszcze się nie pojawiły,
ale przypuszczam, że w niedalekiej przyszłości pewnie o nim też będziemy wiedzieć więcej.
Ono też bazuje w dużej mierze na tym samym systemie co BT Speak,
i to jest też umyslny zabieg, zresztą podobnie było w przypadku tych pierwszych notników Blazie.
I generalnie ten system, z tego co wiem, jest raczej przez użytkowników,
którzy z tych urządzeń korzystają, ceniony.
Także bardzo ciekawie się dzieje, mamy dużo konkurencji.
Które z tych urządzeń będzie najlepsze, które sprzeda się najlepiej.
Na ten moment trudno ocenić, ale przyszłość wygląda naprawdę.
Ciekawe też pytanie, które z tych urządzeń pojawią się w przyszłości w Polsce.
Przypuszczam, że BrailleSense to raczej na pewno.
BrailleNotes też. No z BT Braille’em może być większy problem,
no bo Blazie nie ma oficjalnych dystrybutorów poza Stanami Zjednoczonymi na ten moment.
Więc gdyby ktoś chciał takie urządzenie, no to na ten moment trzeba je po prostu importować.
Co jeszcze ciekawego się działo?
Między innymi mieliśmy nowe aplikacje, czy strony nawet do transkrybowania podcastów i różnych materiałów.
Między innymi strona Snipcast, o tej stronie opowiadał Paweł Masarczyk,
w którymś z niedawnych Tyflo Przeglądów.
I to może być bardzo ciekawa strona dla tych, którzy może niekoniecznie lubią słuchać długich podcastów,
ale chcieli jeszcze by z nich wyciągać informacje.
Bo jest to strona, o której możemy sobie kilka podcastów zasubskrybować
i kiedy pojawi się na nich jakiś nowy odcinek lub kiedy zlecimy to ręcznie z poziomu strony,
to zostanie nam wysłany transkrypt takiego podcastu i podsumowanie.
Podsumowanie na porządku wygeneruje się w języku angielskim,
natomiast nic nie stoi na przekazie, żeby sobie później na tą stronę wejść.
I na stronie możemy też z odcinkami danego podcastu porozmawiać,
po prostu zadawać pytanie, czy jakiś temat był poruszony i po prostu się o różne rzeczy dopytywać.
I wtedy jak najbardziej możemy już rozmawiać po polsku,
poprosić o polskie streszczenie czy nawet polski transkrypt,
natomiast z tym był większy problem.
A propos problemów z polską transkrypcją,
no to podobnie sytuacja ma miejsce w aplikacji Perspective Transcribe,
czyli najnowszej aplikacji od Taylor Arndt, od Techopolis Solutions,
która jest częścią pakietu Perspective Intelligence.
Perspective Intelligence to jest taki zestaw aplikacji korzystających głównie z lokalnych modeli
opartych o sztuczną inteligencję,
modeli Apple, ale też modeli takich większych np. od Google,
które możemy sobie na urządzenie pobrać.
No i Perspective Transcribe jest aplikacją, która ma za zadanie nam też pomagać w transkryptach,
czy to nagrywaniu, jeśli chodzi o nagrywanie, to możemy dosłownie nagrywać wszędzie.
Jeśli chcemy sobie coś zanotować, mamy taki system pracy,
że notujemy dużo, a później ewentualnie sobie informacje organizujemy,
no to możemy nawet na Apple Watchu, na iPhonie, czy na Macu sobie nagrywanie uruchomić.
Kiedy nagrywać skończymy, to nam notatki są automatycznie transkrybowane.
Później sztuczna inteligencja nam je podsumowuje i później też na tej podstawie,
jeśli mamy wykupiony abonament premium, generuje nam też ewentualnie jakieś przypomnienia,
rzeczy, które musimy wykonać, jeśli coś powiemy, że mamy coś do zrobienia.
Ta aplikacja nam później o tym może przypomnieć, możemy odhaczyć sobie później
też wewnątrz aplikacji takie rzeczy.
Wszystko fajnie, zwłaszcza ta integracja za Apple Watchem wyglądała bardzo obiecująco,
natomiast niestety aplikacja nijak nie radzi sobie z językiem polskim.
To znaczy, radzi sobie, tłumaczy nawet świetnie.
Mamy dostępne zarówno modele te aplowskie do transkrypcji,
no akurat one polskiego nie wspierają, ale też możemy się przełączyć na Whispera.
Wszystko fajnie, ale aplikacja niezależnie od tego, co zrobimy, jaki mamy język dostawiony
na telefonie nam tłumaczy transkrypty na język angielski.
Dopiero potem dokonuje podsumowywań.
Także niestety w naszych realiach sprawdzi się słabo.
Jeśli chodzi o Perspective Intelligence, to tutaj też problem w pewnym sensie jest podobny,
natomiast przez to, że ze sztuczną inteligencją rozmawiamy,
to możemy po prostu poprosić, żeby nam odpowiadała po polsku, a nie po angielsku.
No i tutaj dostępnych funkcji jest dużo, bo możemy też opisywać zdjęcia, sobie wrzucać zdjęcia.
Mamy nawet tryb wideo, który nam może w czasie rzeczywistym opisywać to, co widzi kamera.
Na przykład tam też możemy sobie różne rzeczy dostosowywać.
Funkcje takiego podsumowania dnia, gdzie nam może być podana pogoda, wydarzenia z kalendarza
i też możemy kanały RSS dodawać i też się o nie dopytywać.
AI też może szukać w internecie.
Działa to całkiem ciekawie, aczkolwiek przez to, że domyślnie są używane modele Apple’a,
no to one przynajmniej na ten moment działały słabo.
Też te funkcje opisów mogą działać lepiej, jeśli pobierzemy sobie lepsze modele lokalne.
Natomiast to wszystko pewnie zmieni się w przyszłym roku, kiedy już pojawią się te najnowsze modele Apple Intelligence.
Natomiast też z drugiej strony właśnie w tych nowych wersjach systemu
dostajemy dużo bardziej rozbudowane narzędzia opisywania zdjęć w samym VoiceOverze
i to pewnie trochę może tą aplikację zepchać na drugi plan.
Albo z drugiej strony właśnie przez to, że może będzie mogła korzystać z tych lepszych modeli,
no to będzie jeszcze lepsza.
Więc zobaczymy jak to pójdzie, w jaką stronę to pójdzie.
Aplikacje z tej serii Perspective są dostępne w ramach jednego abonamentu,
który kosztuje 30 zł miesięcznie.
Może dużo, ale z drugiej strony dostajemy wszystkie aplikacje, które są częścią tego pakietu,
co jest rzeczą całkiem fajną.
Po długim czasie braku rozwoju pojawiła się też nowa wersja aplikacji Bookworm
do czynienia książek na systemie Windows.
Jest to aplikacja, która przez użytkowników była bardzo lubiana,
bo wspiera dużo formatów i miała taki całkiem przyjemny interfejs użytkownika.
W pewnym sensie trochę przypominający Curida, ale też z kilkoma dodatkowymi funkcjami.
Między innymi w tej nowej wersji zostało znacznie rozbudowane możliwości
tworzenia zakładek, które można też nazywać.
I taką nową główną funkcją zostało dodane funkcje OCR,
więc możemy sobie rozpoznawać tekst w dokumentach,
używając kilku różnych usług, co też jest rzeczą bardzo fajną.
Ja osobiście akurat wolę korzystać z aplikacji Paperback,
która też niedawno doczekała się istotnych aktualizacji.
Najważniejszą dla nas może być to, że aplikacja jest też dostępna teraz po polsku
i od niedawna też ma swoją wersję na Maca, która jest też całkiem fajnie działająca.
Natomiast Bookworm nie zawsze chciał mi działać tak, jakbym tego chciał.
Nie wyświetla treści całego dokumentu.
Teoretycznie powinien automatycznie zmieniać strony, ale to nie zawsze działa.
Czasami trzeba te strony przewracać ręcznie,
więc jakoś mi osobiście bardziej pasuje interfejs Paperbacka.
Natomiast jeśli ktoś szuka funkcji, które są tylko w Bookwormie,
czy też czytania syntezą mowy, bo tutaj w Bookwormie to jest bardziej rozbudowane,
natomiast w Paperbacku to musimy praktycznie czytać naszym czytnikiem ekranu.
A to może właśnie Bookworm wam się spodoba bardziej i on faktycznie też został niedawno zaktualizowany.
Natomiast gdyby ktoś chciał czegoś nauczyć się na pamięć,
czy sobie jakieś materiały powtórzyć, to powstała też nowa, bardzo ciekawa aplikacja
do nauki poprzez fiszki używając systemu Spaced Repetition.
To taki bardzo ciekawie działający system, w którym jeśli np. uczymy się jakichś słówek w innym języku,
aplikacja pamięta, czy zapamiętaliśmy dane słówko odpowiednio, czy nie.
Jeśli powiemy, że nie, no to takie słówka będą pojawiały się częściej,
aż do momentu, kiedy się ich nauczymy i będziemy zawsze w stanie je odganąć prawnie.
Oczywiście taki system pracy nie jest przydatny tylko podczas nauki języków,
więc jeśli ktoś takiej aplikacji prostej, dostępnej szukał pod system Windows,
bo akurat właśnie po ten system jest aplikacja, to Cosimo, bo tak się ten program nazywa,
jest rozwiązaniem bardzo ciekawym.
Dominując aplikacji, taki najważniejszy chyba jest taki, że musimy te fiszki też sobie stworzyć sami.
Nie możemy korzystać z fiszek stworzonych przez społeczność, np. do programu Anki,
który chyba jest takim najbardziej popularnym, ale też słabo dostępnym programem do nauki w taki sposób.
Ale kto wie, co się pojawi w przyszłości.
Następny program, czyli Accessible Sensor Readout od Andrego Lujego,
wolę pokazać zamiast o nim mówić.
Jest to program, który potrafi wyświetlać nam wszelkie możliwe informacje o naszym komputerze.
Temperatury, użycie procesora, pamięci, sieci, dysku i innych parametrów komputera.
Informacje o urządzeniach, które mamy do niego połączone.
Jakie procesy, jakie programy wykorzystują najbardziej procesor, pamięć kartograficzną i wiele więcej.
Z jaką prędkością obracają się wentylatory.
Na prawo wentylatorów to aplikacja też może nimi sterować, gdybyśmy tego chcieli,
bo wiele narzędzi do tego jest bardzo niedostępnych.
I wiele, wiele więcej.
Do każdego z tych elementów możemy sobie ustawić alerty, że jeśli dana wartość przekroczy jakiś próg,
to aplikacja nas może o tym poinformować.
I możemy sobie też skonfigurować w pełni personalizowane skróty klawiszowe,
które nam mogą przeczytać jedną lub więcej wartości.
Jakie to mogą być rzeczy?
Myślę, że po prostu pokażę Wam, jakie ja sobie poustawiałem skróty.
Naciskam CTRL-ALT-1.
CPU 4.2%. Hickhest CPU process system 0.9%.
No i mam informację ile mam zużytego procesora. CTRL-ALT-2.
MEM 12.9 GB 20.5%. Memory available 50.2 GB 79.5%.
Informacje o pamięci. CTRL-ALT-3.
GPU GPU sagę 0.5%. GPU memory NVIDIA SMI memory 1827.0 MB.
Hickhest GPU memory process DWM 596.1 MB.
Informacje o zużyciu karty graficznej. CTRL-ALT-4.
CUSP-C 712.5 GB 74.8%. CFRE-SPA-C 240.3 GB 25.2%. CREAT 0.0%. C VITE 0.5%.
Informacje o zużyciu dysku oraz czy jakieś aplikacje coś akurat na nim robią.
I CTRL-ALT-5.
EDGE-X 2.3 KB SLASH-S. EDGE-X 698 B SLASH-S.
Informacje o wysyle i popieraniu internetu.
Tam też na przykład można sobie ustawić informacje o tym, ile danych zużyliśmy w danym okresie.
To myślę, że też wielu osobom może być przydatne.
Także to jest aplikacja, z której akurat korzystam dość intensywnie.
I myślę, że też wielu innym osobom może być przydatna, jeśli chcecie monitorować, co się dzieje z Waszym sprzętem.
Andrej niedawno wypuścił też inną ciekawą aplikację.
CLIP ONE.
Właściwie to nie jest jego twór, bo jest to program, który był aktualizowany od innej aplikacji.
I jest to po prostu program zapisywający historię schowka, która jest zapisywana między restartami w szyfrowanej bazie danych.
I możemy ją sobie łatwo przeszukiwać.
Zarówno jeśli chodzi o tekst i pliki, które były kopiowane, albo aplikacje mogą być dodawane do listy ignorowanych.
Tak, żebyśmy nie chcieli, żeby historia z jakiejś aplikacji się na zapisywała.
I od najnowszej wersji też ta baza danych może być synchronizowana między kilkoma komputerami w chmurze.
I co ciekawe też aplikacja, chociaż jeszcze nie zdążyłem tego sprawdzić, doczekała się wersji na Maca.
Więc nawet jeśli ktoś ma zarówno komputer z Windowsem i Maciem, to może użyć tej aplikacji do zsynchronizowania stanu schowka między komputerami, co może być bardzo przydatną funkcją.
Z innych ciekawych aplikacji dostaliśmy też kolejnego konkurenta w dziedzinie aplikacji do nagrywania dźwięku i obrazu na system Windows, czyli Audio Recorder Pro.
Program, który ma jednak trochę inny interfejs od np. Audio Capture, o którym niebawem pojawi się tekst.
Natomiast tutaj interfejs mamy taki bardziej przypominający OBS-a o tyle, że dodajemy sobie klikając przycisk dodać źródło, różne źródła.
Czy to jest dźwięk z konkretnej aplikacji, z całego komputera, czy to z mikrofonu, czy np. też nagrywanie wideo i tutaj też możemy nagrywać albo cały ekran lub konkretne okno.
I później takie pliki możemy sobie zapisać do jednego z kilku dostępnych formatów lub też, to jest też wydaje mi się funkcją całkiem ciekawą, wysłać na inne urządzenie audio.
To już w sumie było wcześniej. Albo też nadać do internetu np. używając Icecasta.
Funkcje nagrywania działają bardzo fajnie. Z tego co zauważyłem, nie mogę jeszcze wypowiedzieć za dużo co do funkcji nagrywania wideo, bo aplikację poznałem dosyć niedawno.
Natomiast jeśli komuś interfejs Audio Capture nie pasował, to Audio Recorder Pro może być ciekawą konkurencją, która też co ciekawe została przetłumaczona na język polski.
Natomiast tłumaczenie jest maszynowe i w niektórych miejscach to jest trochę widoczne i niektóre teksty wyszły trochę śmiesznie, ale mniej więcej można domyślać się o co chodzi.
Także fajnie, że takich aplikacji mamy coraz więcej. Zwłaszcza tutaj myślę, że taką unikalną funkcją może być to nagrywanie wideo, a nawet też do nagrywania audio.
Jeśli komuś interfejs Audio Capture nie przypasował, no to może tutaj ta aplikacja spodoba wam się bardziej.
Kolejną bardzo ciekawą aplikacją dla użytkowników Reapera jest Rabbit od strony Govarta, czyli program, który potrafi nam wszystko na Windowsie i na Macu, jeśli chodzi o Reapera i wtyczki, które go dostępniają, aktualizować.
I to jest bardzo przydatne, bo generalnie instalacja takich rzeczy jak OSARA była procesem dosyć wolnym, bo musieliśmy za każdym razem pobrać plik instalacyjny, przekliniwać ją przez instalator, co zajmowało trochę czasu.
A tutaj z jednej aplikacji możemy zaktualizować zarówno samego Reapera, OSARA, jak i też inne wtyczki, z których często osoby niewidome korzystają.
I to jest aplikacja, z której też korzystam na systemie Windows i myślę, że wielu osobom może być bardzo przydatna.
Takich ciekawych aplikacji wychodzi znacznie więcej, niektóre są na tyle świeże, że jeszcze nie zdążyliśmy ich poznać za dobrze i pewnie będziemy jeszcze do nich wracać w kolejnych Echach Przeglądu.
Między innymi aplikacja Aperio, która też jest do niego oparta. Ona jeszcze nie ma oficjalnej wersji, takiej wydawniczej. Jak ktoś bardzo chce, może ją z GitHuba pobrać.
Natomiast to jest dostępny kalendarz, książka adresowa i aplikacje do przypomnień na system Windows, Mac, Linux i też na platformy, na urządzenia mobilne, co ciekawe.
Zwłaszcza na Windowsie wydaje mi się, że to jest aplikacja, która może wiele osób zainteresować, bo tam z dostępnymi kalendarzami, zwłaszcza takimi, które mogą synchronizować się z różnymi zewnętrznymi usługami,
a Aperio będzie w stanie synchronizować się z praktycznie wszystkim, było słabo. A tutaj mamy aplikację, która została stworzona dla nas przez nas, czyli przez osoby niewidome, która ma wszystkie funkcje,
jakie byśmy w takim dostępnym kalendarzu mogli potrzebować, co myślę, że wiele osób może naprawdę ucieszyć, bo z tym naprawdę było słabo, a z tego, co ja zdążyłem wersje rozwojowe sobie sprawdzić,
wybierając je ze strony, no to zapowiada się bardzo ciekawie. Podobnie zresztą jak z aplikacją Quill, ona już akurat jest publicznie dostępna i to jest taki bardzo rozbudowany edytor tekstu,
w pewnym sensie taka Windowsowa alternatywa do na przykład Ulyssesa, aczkolwiek, co ciekawe, Quill jest też aplikacją dostępną na Macu, nie tylko na systemie Windows.
I to ma być edytor tekstu dla wszystkich, bo wspiera zarówno pracę na tekście z funkcjami takimi jak sprawdzanie pisowni, poprawa gramatyki.
Możemy poprosić też różną inteligencję, żeby nam pomogła coś w tym tekście zmienić, przetłumaczyć, pozmieniać.
Możemy wykonywać OCR, czytać sobie pliki tekstowe z indezą, gdybyśmy chcieli.
Ale mamy też funkcje pracy z Markdownem, możemy tworzyć nagłówki, listy, linki, przenosić nagłówki między sobą, generować spisy treści.
Mamy podgląd HTML, więc możemy od razu zobaczyć jak te pliki mają wyglądać.
I są też przydatne funkcje dla programistów, informowani o wcięciach dźwiękami.
Funkcje porównywania dwóch plików między sobą.
Też tutaj używana jest mowa i dźwięki, co wcześniej było do tej pory dostępne tylko w Visual Studio Code.
Tutaj też mamy taki dostępny sposób do tego.
I wiele, wiele więcej.
Bo do aplikacji też będziemy w stanie pisać sobie wtyczki.
Zobaczymy, czy osoby, czy użytkownicy będą z tej funkcji korzystać.
Jeśli tak, no to myślę, że też może być całkiem ciekawie.
Natomiast jest to też projekt młody, który jeszcze ma jakieś drobne błędy.
No nie mamy jeszcze wersji pełnej. To, co mamy do tej pory, to są tylko wersje beta.
Ale zapowiada się bardzo ciekawie, zwłaszcza na ludzi, którzy szukają nie tylko prostego notatnika,
aczkolwiek może też tym być, ale też takiego bardziej rozbudowanego edytora tekstu,
który też nie jest Microsoft Wordem, ale jednocześnie pozwalającym na dużo.
Coś, czym na przykład właśnie Ulysses jest na maku.
No tutaj znów na Windowsie z takimi aplikacjami było słabo.
Aczkolwiek też tutaj nam rośnie konkurencja, bo EdSharp też niedawno zaczął się ponownie rozwijać.
Także i tutaj naprawdę zaczęło się robić arcyciekawie.
To wszystko z mojej strony, natomiast na pewno jeszcze się z Państwem usłyszę w innych podcastach,
może w następnych Echach Przeglądu, nie wiem.
Na pewno jeszcze w przyszłości się usłyszymy.
A jeśli miałbym jeszcze raz ten kwartał podsumować, no działo się naprawdę całkiem dużo.
I pewnie będzie działo się dalej tak dużo.
Tym bardziej, że sztuczna inteligencja z jednej strony ułatwia pisanie aplikacji,
ale z drugiej strony sprawia, że one są różnej jakości.
Coraz trudniej je ogarniać, testować, analizować, porównywać.
No ale na pewno do tematu tego wszystkiego będziemy wracać,
bo chociażby czekamy na BrailleSense’a, który miejmy nadzieję, że pojawi się,
tak jak było zapowiedziane, w sierpniu albo latem, może tak powiedzmy na świecie
i gdzieś tam pewnie jesienią w Polsce, a produkcyjnie w przyszłym roku.
Tak samo inne notatniki, no i te wszystkie programy edytory,
typu Quill, EdSharp, to na pewno będzie wymagało jakichś szerszych testów, omówienia
i na pewno do tematu będziemy wracać, bo dostępnych, sensownych,
adekwatnych do różnych zadań edytorów tekstowych nigdy nie, nigdy dość można powiedzieć.
A już pomijam, żeby w tych podsumowaniach w ogóle nie mówimy o dodatkach do NVDA,
bo jest ich tak dużo i tak różnych, że to postanowiłem, że już sobie odpuścimy,
bo podcast trwałby, takie podsumowanie trwałoby tyle, ile najdłuższy TyfloPrzegląd,
nie trzy, tylko gdzieś tam sześć godzin, a też chyba nie o to chodzi.
No ale dobrze, to tak tyle z mojej strony.
A teraz Agnieszka, z Twojej strony coś zwróciło Twoją uwagę, coś się spodobało
albo czegoś z tych rzeczy, o których była mowa, chciałabyś używać, nie chciałabyś?
Co o tym sądzisz?
Szczerze powiedziawszy, to się tak nad tym jeszcze nie zastanawiałam,
ale może te notatniki gdzieś tam, może gdzieś tam notatniki…
Ale notatniki brailowskie czy notatniki w sensie edytory, aplikacje?
Takie edytory, aplikacje, tak, tak, tak.
No właśnie, bo edytory, bo to może powiedzmy, bo od edytora do edytora.
Przedstaw się może, opowiedz troszeczkę o sobie, jeżeli chodzi o to, co byś chciała powiedzieć,
ale nas głównie interesują technologie, czyli to, czego używasz na co dzień
albo czego używałaś, jaki jest Twój warsztat pracy, jeżeli chodzi o sprzęt i aplikacje.
Jak to u Ciebie wygląda?
Ja używam głównie systemu macOS, posiadam MacBooka Air z 2022 roku,
iPhone’a 15…
MacBooka Air, przepraszam, czyli to chyba tak samo jak ja, to jest M2, tak?
M2, tak, tak dokładnie.
I co, 16 giga?
Osiem.
Osiem?
Osiem, tak.
Jak się czujesz z tym 8 giga na Macu, jako na komputerze produkcyjnym?
Dobrze, nie brakuje mi, nawet aplikacje takie, jak właśnie MacWhisper
do transkrypcji tekstu uciągnie, mimo że one wymagają 16 giga RAM-u,
no to bez problemu uciągnie to.
Uciągnie, a na przykład, nie wiem, bo też nie wiem, jak pracujesz,
ale czytasz albo szybko nawigujesz, idziesz, czytasz maile, przewijasz listę maili
albo masz otwarte, nie wiem, czy w ogóle tak pracujesz, kilkanaście stron w Safari,
czy to komputer też uciągnie, czy wtedy się zawiesza?
Ja raczej jestem zwolenniczką zamykania kart.
Nie wiem, nie lubię, jak mi się to wszystko tak gdzieś pałęta
i zawsze aplikacje, jak mi są niepotrzebne, to też pozamykam okna,
więc ja raczej tak porządkuję sobie to wszystko, więc nigdy z tym jakoś problemu nie miałam.
A jak mam karty otwarte w Safari, czy tam w innej przeglądarce,
no to głównie trzy karty i tyle.
Także nie testowałam nawet, żeby tam było, nie wiem, z pięćdziesiąt kart otwartych i tak dalej.
No ale skoro nawet gdzieś tam modele sztucznej inteligencji uciągnie Reapera,
kiedy gdzieś tam renderuje już pliki do podcastu,
to też nie ma najmniejszego problemu, więc nie zauważyłam jakichś problemów,
a nawet jak aplikacją MacWhisper modelami lokalnymi, które wymagają jednej tych mocy obliczeniowych,
no to nie ma z tym… nie zauważyłam nawet, żeby tam gdzieś się krztusił.
Mogłam jeszcze sobie tam na przykład na WhatsAppie coś odpowiadać, czy maila pisać
i nie było z tym problemu. Tak jak na przykład na jeszcze procesorach Intela,
gdzie już na 16 giga RAM-u się dławił strasznie ten Intel.
Bo rozumiem, że ten MacBook to nie jest twój pierwszy Mac w ogóle, tak?
Wcześniej miałaś Maca.
Nie, to jest mój pierwszy.
Czyli na Intelu mówisz w kontekście, ale Windows.
Nie, to o Macu, ale to gdzieś jeszcze, tak jeszcze gdzieś na blogu Piotra Witka,
jak pokazywał, sobie słuchałam, no i tam właśnie on pokazywał jak działa…
A w tym sensie, myślałem, że ty masz Maca z Intelem.
Tak, nie, nie, nie, ja mam 4 lata, teraz mu stuknie 4 lata właśnie.
Czyli wcześniej nie używałaś w ogóle Maca.
Nie, to jest mój pierwszy. Przeszłam z systemu Windows, którego używałam po niewidomemu 5 lat.
I to przeszłaś dlatego, że na tym Windowsie ci się źle pracowało,
albo tak ciebie zainspirowały właśnie wpisy Piotra Witka, albo inni użytkownicy.
Jak to się stało, że w ogóle zostałaś użytkowniczkiem macOS-a, Maca?
Powiem tak, no gdzieś tam frustrował mnie Windows,
chociaż nie mogę narzekać, miałam laptopa firmy Dell.
I nie mogę narzekać, dobrze działał, wszystko było dobrze, nie wieszał się.
Ale czegoś mi brakowało, coś ta nawigacja, no zaczęło mnie to po prostu denerwować
i jakoś niechętnie z tego korzystałam.
Bo to był Dell z NVDA, czy z JAWS-em?
I miałam NVDA i JAWS-a, chociaż głównym czytnikiem ekranu był JAWS.
Natomiast NVDA miałam w wersji portable i używałam sobie go po prostu tak,
jeżeli jeden nie zadziałał z czymś, nie mogłam czegoś zrobić, wykonać,
no to wtedy używałam NVDA, a w razie czego też narratora,
bo różne rzeczy też się zdarzały, czasami wtyczki się gryzły
i tak sobie potrafiłam wysypać cały dźwięk i potem musiałam odzyskiwać system,
gdzieś tam przywracanie i takie rzeczy i to też jakimś cudem tam gdzieś włączyłam syntezę
i to już mi się w pracy zdarzyło, także tu trzeba pracować, a to wszystko nie działa,
więc no i też do innych czytności.
I pracy stracone.
Tak i mnie to jakoś tak denerwowało, że tu się przełącza i tam się przełącza
i też nie ukrywam, chciałam spróbować czegoś nowego, od dłuższego czasu
się zastanawiałam nad tym Maciem, ale jak tak właśnie słuchałam podcastów,
a że to tak źle działa, zresztą nawet gdzieś tam słuchałam,
no to faktycznie jeszcze te maki na Intelu to takie nie były zachęcające,
przynajmniej dla mnie i się wstrzymywałam tak z decyzją, ale w końcu już mówię
nie no, chcę spróbować, no i też właśnie słuchałam audycji zresztą świetnych.
Wprowadzenie do maka Mikołaja Hołysza.
Mikołaja Hołysza, tak, tak, tak, tak, dokładnie.
Ono trochę pewnie siłą rzeczy straciło na aktualności, ale tylko trochę,
jako podstawa podstaw to jest ciągle nieoceniony, bardzo dobry, wysokiej klasy materiał,
więc myślę, że to nie jesteś pierwszą osobą, która to mówi, że dzięki temu,
no ja też dzięki podcastom niby dużo wiedziałem, bo wcześniej używałem maka,
pamiętam jak Mikołaj mi mówił, że te podcasty będzie nagrywał, coś tam,
ale i no ja na pewno dzięki nim się dużo też dowiedziałem i maka ponownie używałem,
chociaż to moje używanie maka to jest takie, ja doceniam maka,
ale ja bardziej Windows jednak, no ale to już mówiłem ostatnio,
więc nie będę opowiadał szczegółowo.
Natomiast co, na tym maku jaka synteza? Jakiej syntezy używasz?
Ja z osia rozszerzona, prędkość 65%, także…
I twoje jakieś, takie twoje aplikacje główne, no to wiadomo, mail,
ale co, przeglądarka Safari czy może…
Bardzo różnie właśnie, bo na przykład niektóre strony lepiej działają na Chrome,
więc używam na przykład tak, no zamiennie w zasadzie bym powiedziała, zamiennie.
Nie ma tak, że jedna przeglądarka góruje nad drugą, bo po prostu są strony,
które lepiej działają, no na przykład czasami dokumenty Google raz lepiej działają,
mam wrażenie, na Safari, podczas gdy innego dnia, na przykład po kilku tam dniach
lepiej na Chrome, a gdzieś tam w pracy na dokumentach…
Podziwiam, jak można produkcyjnie używać tych dokumentów Google na Macu,
mnie od razu część się, ale wiem, że tam próbowałem.
Nie mam wyboru.
Ja w ogóle, no z Maciem mam tak, że o ile ja, tak jak mówię, Maca jakoś tam doceniam,
to Internet szeroko rozumiany to jest dla mnie coś najgorszego na Macu,
to znaczy o ile szybkie przejrzenie jakichś blogów, wpisów, stron takich,
które można otworzyć albo same się otworzą w trybie reader, to jest tam właściwie
bardzo przyjemne i to nawet może czasem być przyjemniejsze niż w Windowsie,
ale potem zaznaczanie, jakieś wyodrębnianie, wchodzenie w interakcje,
nawigacja po tym tekście, to jest coś, co po prostu dla mnie,
ja tego nigdy nie zrozumiałem, znaczy zrozumiem, jak to działa,
ale to jest mój sposób pracy, którego ja nie czuję, nie lubię i…
A że dużo rzeczy niestety albo stety teraz jest opartych na albo jakichś
interfejsach WebView, albo w ogóle są to strony internetowe, aplikacje,
no takie… aplikacje w oparciu o strony internetowe,
no to jakby m.in. dlatego u mnie ten Windows guruje.
No ale jakieś jeszcze takie główne, nie wiem, aplikacje, z których na co dzień
na tym Macu korzystasz, to są takie jakieś wyjątkowe albo takie,
które bardzo po przejściu z Windowsa było wow, że na tym Macu
jakoś tam technologicznie odżyłaś, coś mogłeś zrobić, czego wcześniej
nie umiałaś, a tu się na Macu udało. Jakieś ciekawe rozwiązania,
aplikacje, jak to jest?
No to pierwszą taką w ogóle moją ukochaną aplikacją to jest Audio Hijack,
która może przechwytywać dźwięk, po prostu przechwytywać,
modyfikować go, wypuszczać na słuchawki, można nagrywać za jej pomocą,
nawet transkrybować tekst, choć akurat transkrypcji tekstu
raczej nie polecałabym, bo bardzo obciąża procesor i jednak,
no jest taka dość, dużo tam jest takich wtrętów, że tam muzyka, muzyka,
coś tam właśnie on tak zbyt nadinterpretowuje wszystkie rzeczy.
Audio Hijack zawsze przez wszystkich podcasterów widzących polecany,
aplikacja dość trudna, zawsze bardzo dostępna,
ale dość trudna w jakby obsłudze. Natomiast to też przypominamy,
że jest w Tyflo podcaście jest podcast Piotra Machacza o Audio Hijacku
i tego samego autora artykułu, gdzie on troszeczkę tam się zdezaktualizował,
ale ogólnie to wszystko jest mniej więcej jakoś tam opisane.
No Audio Hijack jest niezastąpione właściwie narzędzie.
Tak, jeszcze powiem, że tak, że zaczęłam korzystać właśnie
dzięki Piotrowi Machaczowi, który naświetlił mi jak ta aplikacja,
do czego działa, bo ja po prostu nie wiedziałam do końca, czytałam o niej,
ale jakoś tak eee, za bardzo to skomplikowane.
Próbowałem, tam 2016 rok, któryś i nawet ileś tam rzeczy, coś tam zrobiłem,
ale to było zawsze coś tam. Potem na Intelu było jako tako,
no ale potem właśnie kiedy udało mi się ściągnąć Piotra do współpracy z nami
i zaproponować mu ileś artykułów i tak dalej, no to jakby miałem taką wizję,
że jedną z na pewno istotniejszych rzeczy, które trzeba prędzej lub później,
ale na pewno opisać i nagrać, to jest właśnie Audio Hijack.
Oj tak, i to była bardzo mądra decyzja, bo ja naprawdę no, ile ja korzystam z Audio Hijacka,
to naprawdę bardzo dużo.
W Windowsie teraz się pojawiają takie narzędzia, o tym zresztą Piotr mówił,
jedno to jest ten Audio Capture Pro, na Macu jest taka trochę konkurencja do Audio Hijacka,
czasem lepsza, czasem gorsza, od twórcy tego Agrama, A Capture.
A Capture.
My o niej jeszcze nie mówiliśmy, ale może kiedyś powiemy porządnie.
No jeszcze też jej nie testowałam, ale też zamierzam.
Tylko, że problem z tym narzędziem Windowsowym Audio Capture jest niestety taki,
że Windows, możemy nagrywać różne urządzenia, ale nie da się nagrywać i wyciszyć tego, co nagrywamy.
Czyli, że możemy nagrać coś tam, ale nie da się prosto wyłączyć tego, co nagrywamy.
Więc chyba można jedynie przełączyć to na jakieś, teraz tak pomyślałem, na jakieś inne urządzenie,
czyli na jakieś słuchawki, na coś po prostu innego, że mamy NVDA w głośnikach,
a to idzie na jakieś inne urządzenie po to, żeby nam to nie przeszkadzało.
Nie wiem, czy to wtedy Windows nie zgłupieje i jak się zachowa Audio Capture w stosunku, nie wiem,
też do przełączania właśnie wtyczką Bluetoothową, nie, Bluetoothową wtyczką do NVDA Audio Manager.
No a to muszę Piotra spytać, bo ja się na tym dźwięku Windowsowym i w ogóle na dźwięku szczególnie nie znam,
więc na tych routingach dźwiękowych to, no to tak różnie.
To trzeba na pewno jakoś tam uważać.
Aha, czyli to jest taka aplikacja, a jeżeli chodzi o edycję tekstu, to co?
Edycję tekstu, no to bym powiedziała tak, TextEdit, Pages.
Czyli klasyka.
Klasyka, tak, tak, tak, bo dobrze się mi korzysta.
I Pages Ciebie nie przeraził?
Nie, nie, wręcz ja odżyłam. Ja powiem szczerze, ma jakieś tam swoje za uszami,
zwłaszcza, że czasami zdarza się, że z interakcji gdzieś tam wychodzi z tego pola edycji
i zdarza się, że gdzieś tam fokus myśli, że jest gdzie indziej, czytnik ekranu sobie tam nie odświeży,
ale to raczej rzadko. Ja właśnie nie cierpiałam po prostu tych wstążek.
To dla mnie był koszmar po prostu i swego rodzaju.
No w Pages mogę tam i z linijki skorzystać, sobie tabulatory powstawiać,
a ja tam ostatnio lubię się bawić edycją tekstu
i gdzieś tam czasami dla rodziców robiłam nawet tak rozkład wywozu śmieci.
No i tak sobie postanowiłam, że zrobię im to czytelnie,
gdzieś tam tak, żeby był równiutko, no takie wyzwanie swego rodzaju.
Siedziałam sobie nad tym i też taki test, jak to będzie po niewidomemu, nie?
I tak sobie właśnie tym się bawiłam. No i wyszło, i wyszło.
Z tego przynajmniej co, dostałam informację zwrotną od rodziców,
że jest bardzo czytelnie, fajnie i nawet kolory można wybierać,
choć z kolorami tam jest też różnie, bo są zaetykotowane inaczej,
a efekt końcowy jest inny.
Natomiast można sobie dawać tam do próbnika też ulubione kolory,
tylko że potem ich nie da się usunąć z tych ulubionych.
Co to jest próbnik?
Taka biblioteka?
Taka biblioteka, tak.
Że po prostu dodajesz do ulubionych kolory i potem łatwo możesz sobie z tego wybrać te kolory, nie?
Do tekstu czy tam kolor tekstu itd., itd.
Tylko już usunąć z tego jakby się chciało, to już ja nie potrafiłam, bo tam trzeba przeciągnąć.
Więc tak się nie da.
Ale generalnie aplikacja bardzo fajnie dostępna, komentarze, wszystko.
Ja bardzo lubię…
Dostępna, ale ile się VoiceOver nagada, ile tam trzeba się naklikać, to…
No ale ważne, że jest to dostępne i że można i że jedni to lubią, inni nie lubią.
Tak, tak, tak.
Bardzo dobrze, że możesz.
No bo to właśnie co kto lubi, prawda?
Oczywiście.
Bo to zawsze jest…
Tak, także to na pewno.
Musimy o tym powiedzieć, że trochę się też zajmujesz działalnością taką podcastowo-blogową.
To znaczy, masz swojego bloga, który ma taki mini…
Nie podcast w rozumieniu takim, bo podcast to ja jestem tak nastawiony klasycznie, po staremu,
że podcast musi mieć swojego RSS-a i publikowany na wszystkich platformach.
Teraz wiem, że filmy, kanał YouTube’owy, to też niektórzy mówią, że to jest podcast.
No ale masz swoją stronę blogową i masz swój kanał na YouTube, prawda?
Tak, tak. Stworzyłam bloga, który się nazywa Jabłuszkowy Świat. No i tam prezentuję…
No tak, gratuluję. To taka trochę inna wersja szuflady strony Piotra Witka.
Nie wiem, czy stąd przyszła inspiracja.
Jakby fajnie, że tak z różnych stron.
Piotr pisze trochę o czymś innym, ty piszesz trochę o czymś innym.
Czasem to się gdzieś zazębia.
Ale bardzo to jest też takie ciekawe, bo ileś rzeczy się dowiedziałem też z tej strony, z bloga.
Cieszę się. Głównie po to powstał… Zaczęło się, że zaczęłam publikować takie poradniki na grupie facebookowej.
No ale potem stwierdziłam, że to…
Można szerzej gdzieś.
Można szerzej. Poza tym tam regulamin grupy mnie ograniczał.
A też niektórzy tam gdzieś tam jednak się znaleźli tacy, co narzekali, że długie posty, że muszą to przewijać.
Więc to zostałam właściwie przez kilka osób namówiona jak tego bloga…
To znaczy, żeby założyć bloga, bo jak założyć to tydzień siedziałam, bo nie miałam kogo zapytać.
Nawet jak tego bloga założyć, gdzie go założyć, jak w ogóle się za to zabrać.
Ile nerwów na tym straciłam, to moje, ale się udało gdzieś tam.
Taki darmowy, z reklamami nie jest to jakaś idealna może wersja, ale czytać się da.
To jest WordPress, prawda?
Tak, WordPress, dokładnie. Tylko ten com, bo jest jeszcze org, a ja mam wordpress.com i on jest w wersji darmowej.
I przez to teraz tam są reklamy i takie różne, niestety, komentarze się też nie da napisać bez zalogowania się.
To jest takie niekomfortowe, niestety zdaję sobie z tego sprawę, ale na ten moment po prostu musi tak być.
No i jest jeszcze kanał na YouTubie, to też staram się tam w miarę nagrywać, żeby coś było.
Poradniki, nieporadniki, no…
A w jaki sposób technicznie nagrywasz to wszystko? Jak to właśnie robisz?
Ja robię za pomocą, to znaczy tak, najpierw w ogóle nagrywałam właśnie za pomocą audio hijacka.
Nagrywałam sobie na dwie ścieżki, na jedną ścieżkę mój głos, a na drugą ścieżkę wszystko inne.
System, dźwięk, czytnika ekranu, żeby potem przy edycji końcowej można było sobie to podregulować.
Głośności, żeby nie było coś głośniej, jedna ścieżka głośniejsza względem tej drugiej ścieżki.
No i to ułatwia po prostu potem pracę.
Można sobie powycinać jakieś stuknięcia klawiatury i tak dalej, no a jak jest jedna ścieżka to jest ciężko.
Jest dużo gorzej.
No z Reaperem też to były przeboje, też tam kilka osób mi pomogło, za co jestem bardzo wdzięczna, bo ja nie umiałam nawet ruszyć.
Z tym Reaperem, zresztą ja go włączyłam, pobrałam, też za namową, że świetna aplikacja, a ja mówię, jak tutaj to zrobić, jak…
Zobaczyłam ilość tych ustawień i te nazwy, te nazewnictwo, to ja wyłączyłam to od razu i pół roku to leżało.
No tak, ilość ustawień i testów, czym innym jest taki multieditor, wielościeżkowy, a czym innym jest program do pojedynczego cięcia.
Jak ktoś bazował tylko na takim pojedynczym cięciu pliku, a nie na różnych ścieżkach, gdzie właściwie wszystko można zrobić ze wszystkim względem siebie,
to to wcale nie jest oczywiste, takie myślenie o miksowaniu treści, że czym innym jest no właśnie ta suma, czyli to, że to wszystko się łączy,
że słuchamy, czym innym jest chociażby te dwie ścieżki, to co przewijamy, a to co słyszymy może być trochę czymś innym, tak.
I gdzieś tam to… No ja nie poradziłem sobie z Reaperem i z tego typu narzędziami. Może kiedyś do tego wrócę, może nie.
No jakoś, ale mówię to od sześciu lat i jakoś mało się dzieje, więc być może…
Oczywiście to podcasty Tomka mi też właśnie bardzo pomogły. Co prawda one były o Windowsie, ale ja sobie to przełożyłam, po prostu szukałam, tam jest biblioteka skrótów
i przykładałam sobie to na Macowe. Jak to właśnie zrobić, gdzieś tam podpowiedzi, bo ja nawet chciałam, załączyłam ścieżkę i chcę odtwarzać, a tu mi się ścieżka nie odtwarza.
Ja mówię, o kurcze, no co jest grane. Dopiero znajoma mi pomogła, że pewnie ci się ustawiła na końcu projektu, bo tam to wszystko się nazywa projektem.
No i ja nie wiedziałam jak to zrobić. No i naciśnij W, to się przesuniesz na początek i będziesz mogła odtwarzać.
A ja, o kurcze, na to bym nie wpadła, że mnie przerzucało na koniec ścieżki. Nie wiedzieć dlaczego tak się zadziało, no ale już potem jakoś tam ruszyłam.
No i muszę powiedzieć, że edycja, w ogóle przycinanie na tym jest bardzo wygodne, bardzo precyzyjne przede wszystkim i bardzo fajnie się to edytuje.
No już teraz coraz szybciej mi to wychodzi. Już jestem zautomatyzowana pod tym względem właśnie, jeśli chodzi o te sprawy.
No i wychodzi jak wychodzi. Też gdzieś tam za poradami, gdzieś próbuję zasięgać informacji, żeby ten dźwięk jakiś tam w miarę był.
Bo nie ukrywam, nie mam ani wykształcenia dźwięku, jeśli chodzi o dźwięk, ani też można powiedzieć, że jestem głucha na te dźwięki.
Jak ktoś mi mówi pasmo wysokie czy tam średnie częstotliwości, no dobra, bas jeszcze, tam gdzieś słyszę. Jak już jest coś bardzo dziwnego, to też słyszę.
Ale jak tam, no nie wiem, trzy decybele w t czy we w t, to ja już odpadam.
Podobnie jeszcze, jakby ktoś zwrócił uwagę na coś, no to jeszcze, dobra, mówię, aha, chyba wiem, o co komuś mogło chodzić.
Ale żebym sam na to zwrócił uwagę, że to coś przeszkadza, to tak nie bardzo też.
No ja też nie jestem jakaś w tym wybitna, no ale staram się, żeby było lepiej, no też sprzęty…
No właśnie, ale sprzęty, bo mówisz, że zaczęłaś nagrywać z tym audio hijackiem i potem coś, coś potem się zmieniło? Zmienił się sposób pracy?
Później zaczęłam próbować nagrywać już w Reaperze za pomocą aplikacji Loopback.
To znowu jest taka, też tego samego dewelopera co Audio Hijack i też…
Firma słynna, firma Rogue Amoeba chyba.
Tak, Rogue Amoeba, tak, tak, tak, tak.
Także, no muszę powiedzieć, że naprawdę świetnie oni dostosowują aplikacje dla czytnika ekranu.
I mają nawet przewodnik.
I oni są, tak, przewodnik, oni są w ogóle tacy, że podejrzewam, że też osoby widzące mówią, znaczy w sensie widzące,
mainstreamowy podcast też, że oni są bardzo w ogóle tacy friendly, bardzo dobrze nastawieni wobec użytkowników,
że też, zresztą jak są te changelogi albo nowe wersje aplikacji, to tam często można spotkać takie informacje,
że poprawki, coś tam, lepsze działanie z VoiceOver, lepsze coś tam.
Także to, zresztą jak kiedyś były takie coroczne nagrody portalu AppleVis dla najlepszych aplikacji właśnie na Macie,
to gdzieś tam około 2012-2013, no Lunch Bar Pro i Audio Hijack to były te aplikacje, które były jednymi z pierwszych,
które były bardzo promowane i bardzo cenione, jeżeli chodzi właśnie o wkład w accessibility,
dostępność, też takie z naszej perspektywy użytkowników, w tym z naszej perspektywy właśnie użytkowników VoiceOvera.
Tak, ja nawet jeszcze powiem, że ten support tam, właśnie wsparcie techniczne jest bardzo dobrze działające,
bo kiedy zgłaszałam, bo miałam problem, że właśnie Loopback akurat nie mogłam, no nie przechwytywał mi dźwięku,
nie mogłam go nagrać na przykład, i problem, nie wiedziałam jak ten problem rozwiązać, więc mówię, to musi być ewidentny błąd,
zgłosiłam to, no i powiedzieli mi spróbuj sobie, że mam spróbować sobie po prostu pobrać betę.
I, że tam już powinien być ten problem rozwiązany, ja tak zrobiłam, oczywiście mi linka podali z instrukcją, jak to zainstalować,
i ja mówię, kurcze, no to już tak na wypasie bym powiedziała, no pobrałam sobie, no i faktycznie zadziałało.
Kiedyś też zgłaszałam problem, że chyba tam z FaceTime’em, no właśnie rwało mi dźwięk, no to też tam sugerowali,
żeby sobie te opcje przełączyć, długo tam z nimi pisałam, właśnie, żeby izolację dźwięku wyłączyć, bo to mi potem stwarzało problem, nie.
Generalnie naprawdę fajnie się korzysta z tych aplikacji.
No tak, a jeżeli chodzi o takie urządzenia mobilne, to znaczy co, no to iPhone pewnie.
iPhone, tak, iPhone 15 Pro, który już tam teraz będzie też miał trzylatka.
No i cóż, też jestem zadowolona. Na początku korzystałam z Androida, ale jeszcze wtedy on tak bardziej bym powiedziała raczkował,
a że miałam akurat taki telefon, tam Sony Xperia M4 Aqua, ten telefon się nazywał i tam niestety talkback działał tak koszmarnie,
ta responsywność była tak niska, akurat na tym telefonie, że no naprawdę się tak zraziłam.
A wszyscy mnie namawiali wokół do iPhona, żeby kupować, nawet moja mama mnie namawiała.
Ja tak, nie, to za drogie, nie, no tam, żeby za telefon tyle kasy dać, nie, nie, nie.
Ale naprawdę wszyscy zewsząd mnie namawiali, no to w końcu się już tak skrustrowałam.
A też właśnie na Tyflo Podcastzie zobaczyłam jak działa iPhone, właśnie jak ja byłam pod wrażeniem, jak ja to zobaczyłam,
to po prostu mówię, nie, no to muszę mieć tego iPhona.
Bo w naszym przypadku iPhone to nie jest tylko sobie telefon, tylko to jest brama do świata, kontaktu ze światem.
W iPhone jest po prostu wszystko. Wszystko może być, aplikacje i usługi, rozwiązania na wszelkie możliwe okazje do zastosowania, na wszelkie możliwe sposoby.
Godzina dwudziesta się zbliża, gdyby ktoś z słuchaczy, ktoś by chciał się z Państwa do nas odezwać, to oczywiście można,
najlepiej pewnie przez aplikację Tyflo Podcast, którą, Tyflo Centrum, przepraszam, którą promujemy i zachęcamy do jej używania.
Tam najlepsze wiadomości głosowe można nagrywać, można też pisać.
I to z systemów różnych, i z Windowsa, i z iOS-a, z iPhona, iPada i z Maca.
A właśnie iPada może, nie, nie z Maca, przepraszam, z Maca nie, z Windowsa, z iPhona i z Androida, to chciałem powiedzieć.
A właśnie iPada jakoś używałaś? Masz iPada? Używasz czy nie potrzebujesz?
Stwierdziłam, że na moje potrzeby, no chyba nie mam, że chyba nie mam potrzeby, żeby zakupować właśnie iPada.
Natomiast kiedyś znajoma mi dała do przetestowania i to, no tam troszeczkę sobie pogrzebałam, można powiedzieć tak kolokwialnie.
No i powiem tak, no fajnie to działało, obiecująco. Na pewno dla osób, które potrzebują, to jest bardzo dobre narzędzie.
Albo, które nie mają MacBooka czy komputera, to na pewno jest bardzo pewnie pomocne.
No natomiast mi wystarcza na razie iPhone, no jeszcze gdzieś tam Apple Watch.
Aha, masz Apple Watcha, tak rozumiem?
Tak, tak, tak.
Który model?
Dziesiątka.
Dziesiątka, normalno. I to ten Apple Watch to jest dla ciebie jakoś ważne urządzenie bardzo?
Czy to jest coś, czego tak naprawdę gdybyś nie miała, to w ogóle nic by się nie stało?
Powiem tak, zwłaszcza kiedy wychodzę, go zakładam, bo tak w domu to jakoś zegarkiem nie lubię chodzić,
więc teraz ja jestem w domu, to gdzieś tam bardziej leży, ale jak wychodzę już na zewnątrz, to ja bez zegarka żyć nie potrafię.
Ale bez zegarka, to znaczy w sensie to jest taki zegarek w sensie z mobilnym tym?
Nie, zwykły, zwykły, nie jest to celular, tylko zwykły zegarek, ale jednak ja zawsze już od lat, jeszcze kiedy widziałam,
słabo bo słabo, ale się widziało, to ja nie wyobrażałam sobie życia bez zegarka.
Od pewnego tam czasu dla mnie zegarek stanowił ozdobę, był ozdobą, jak również, służył mi głównie, żeby się zapoznawać z czasem po prostu.
I dlatego też chciałam sobie kupić zegarek taki, który mogłabym używać jako osoba niewidoma.
Miałam zegarek z Lumenu, nie byłam z niego zadowolona.
W sensie taki jakiś udźwiękowiony?
Tak, tam za stówkę czy coś, ale powiedziałabym, miałam już takie przedziwne sytuacje, że tam jakoś…
On się włączył.
On był ze wskazówkami.
A, ze wskazówkami.
Tak, on był ze wskazówkami i osobno działały te wskazówki i osobno czytnik ekranu.
Czyli wskazówki sobie pokazywały, mogły pokazywać inny czas?
W tym sensie.
Tak. I ja nawet miałam taką śmieszną sytuację, że kiedyś…
Można było jej dotknąć, jak w zegarku takim brailowskim? Czy to chodziło o to, że widziałaś te świetnie?
Nie, nie. Takie… Tak, że to po prostu miało wyglądać bardziej.
To nie służyło, w niczym nie pomagało osobie niewidomej, to nie.
Ale słabo widzącemu takie wsparcie głosowe plus właśnie wizualne wskazówki, które się rozjeżdżały niestety.
Tak, i czasami miałam właśnie, a wie pani, że pani zegarek stanął…
A ja mówię, no mi czytnik ekranu tutaj czyta…
No i było tak śmiesznie. Nawet jedna pani o godzinie 12 pyta, a o której jedzie autobus o 8.30?
Bo ten zegarek się tak zatrzymał i on tak…
No nikt mi go nie nastawił, więc on sobie tak…
8.30 i nawet mylił inne osoby z otoczenia.
Także takie śmieszne sytuacje potem miały miejsce.
No i później Apple Watch ma te fajne opcje.
Odbieranie połączeń sobie bardzo cenię.
Sprawdzanie na zegarku kto dzwoni.
Płatności Apple Pay.
No to jest po prostu coś wspaniałego.
Czytanie powiadomień, odpowiadanie na wiadomości.
No to sobie bardzo cenię w tym zegarku.
Nawet te funkcje zdrowotne się przydają też.
No, także jestem zadowolona.
Ale głównie kupiłam Apple Watch dla odczytu godziny.
A i jeszcze to, że można za pomocą wibracji odczytywać godzinę cichaczem.
Bo to się przydaje, nie wypada tak ciągle patrzeć która godzina.
Więc można sobie…
A jeszcze zapytam, to tego iPhona już używała się jako osoba niewidoma, tak?
Dobrze rozumiesz?
Tak, tak, tak. Bo ja miałam wcześniej telefon właśnie Sony.
Ten Sony Xperia M4 Aqua jeszcze jako osoba widząca.
A kiedy straciłam wzrok, no to miałam ten sam telefon, ale już z czytnikiem ekranu musiał być.
Rozumiem.
No i później właśnie cała ta historia, którą opowiadałam, że zostałam namawiana.
Tam gdzieś źle działał ten czytnik ekranu.
Na tym telefonie, na tym modelu bardzo źle to działało.
Nie dało się z tego już praktycznie używać.
Jakby już całkiem ten wzrok poszedł.
Zapytałem o to dlatego jakby w kontekście takich różnic i sposobu pracy osoby widzącej,
a niewidomej z tymi technologiami właśnie iPhone’owymi.
Ale to trochę… smartfonami.
Ale to trochę nie temat tego odcinka i już pewnie go jakoś tam nie pociągniemy w tej sytuacji.
Tak, tak.
No dobrze, to przejdziemy teraz do drugiej części odcinka naszego,
czyli do klawiatur, dyktowania, MacWhisper’a i wszystkiego co się z tym wiąże.
Bo co, mamy teraz możliwość… Czy ja jestem słyszalny?
Jestem.
Ja też, tak, tak.
Mamy teraz możliwość nie tylko dyktowania i używania natywnej tej wbudowanej klawiatury Apple na naszych iPhone’ach.
To dyktowanie trochę się poprawiło ostatnio.
Ma pewne swoje dziwne problemy, ale jednak działa szybciej, lepiej i sprawnie niż to działało jeszcze kilka miesięcy temu.
I bez internetu.
I bez internetu, tak, ale pojawiły się rozwiązania lepsze.
Co prawda trudniej używalne, o czym zaraz opowiesz, ale takie rozwiązania są.
I pierwsze to jest aplikacja MacWhisper na iPhone’a i klawiatura Whisper Dictation, która jest częścią tej aplikacji.
A drugie to jest Wispr Flow, którą my tak troszeczkę niby promujemy, niby nie promujemy, bo ta aplikacja też ma swoje problemy.
No to może zacznijmy, bo ja tutaj mam dużo mniej do powiedzenia, więc będę słuchał i coś tam dopowiadał, dopytywał.
Mam nadzieję, że ten internet będzie mi dobrze działał.
Aplikacja MacWhisper na iOS-a.
Może w skrócie przypomnij, co to jest MacWhisper w ogóle.
No i przejdziemy do MacWhisper’a na iOS-a, a o MacWhisper’ze na Mac’a to sobie pewnie powiemy, kiedy przejdziemy do Mac’a znowu.
To będzie taka klabra do trzeciej części odcinka, czyli do transkrypcji wszelkiego rodzaju.
To może MacWhisper jeden i drugi. No i z naciskiem na ten drugi, czyli na iPhone.
Dobrze, no to zacznę od iPhona.
Aplikacja MacWhisper służy głównie właśnie do transkrypcji tekstu.
Można transkrybować teksty za pomocą modeli lokalnych,
które pobieramy na urządzenie, które też dają nam prywatność.
Działają bez internetu, nie trzeba korzystać z internetu, co jest ogromną zaletą, przynajmniej jak dla mnie.
Natomiast one są mniej dokładne niż modele chmurowe.
Modele chmurowe z kolei korzystają z internetu, muszą się włączyć z serwerem,
ale dają dużo lepsze wyniki. Przede wszystkim nie obciążają urządzenia,
gdzie model lokalny musi wszystko przetwarzać na urządzeniu,
a model chmurowy, to wszystko się dzieje na serwerze.
Natomiast właśnie wszystko gdzieś tam wychodzi.
Nasze prywatne rzeczy, które dyktujemy, mogą wychodzić na serwery,
więc z tego należy sobie zdawać gdzieś tam sprawę.
I aplikacja MacWhisper na iPhonie umożliwia nam właśnie korzystanie z tych dwóch modeli.
I możemy transkrybować właśnie tekst jako notatkę, możemy przesyłać pliki dźwiękowe
właśnie za jej pomocą poprzez arkusz udostępniania.
Czyli na przykład pliki z WhatsAppa, nagrania, albo ktoś na przykład długo mówi,
to można sobie tam wrzucić i przetranskrybować i nawet za pomocą AI
wykonać straszczenie takiej transkrypcji.
Można też zadawać pytania do transkrypcji, a poza tym wszystkim jeszcze
za pomocą tej aplikacji możemy dyktować tekst za pomocą klawiatury
Whisper Dictation, którą musimy sobie podpiąć, włączyć w ustawieniach iPhona
po wcześniejszym pobraniu aplikacji MacWhisper.
No i kiedy to zrobimy, no to już możemy sobie używać właśnie tej klawiatury.
O wadach pewnie będzie i zaletach później.
Natomiast aplikacja MacWhisper na Maca to jest już właściwie można powiedzieć
taki swego rodzaju kombajn, bo ta aplikacja ma już w wersji takiej pro,
ma naprawdę wiele, wiele zastosowań od właśnie transkrybowania tekstu
do nagrywania spotkań, w ogóle dźwięków konkretnych aplikacji.
Możemy również też i transkrybować za pomocą modeli chmurowych,
tworzyć napisy, to też na iPhonie swoją drogą też możemy zrobić,
eksportować taką transkrypcję do pliku napisów, o czym też będzie mowa.
Możemy na przykład też za pomocą aplikacji MacWhisper nawet wyświetlać napisy.
Taka funkcja live captions.
No i naprawdę właściwie dużo, dużo jest tam tych opcji, nawet właśnie foldery
takie obserwowane sobie możemy utworzyć, że wrzucamy do danego…
O z tego korzystam, to jest super funkcja, tak.
Tak, właśnie możemy sobie tam wrzucić pliki i z tymi plikami one już automatycznie
zostaną transkrybowane, no i to jest też bardzo fajna opcja, kolejkowanie,
że możemy sobie tam mu ileś plików wrzucić i on po kolei je będzie sobie transkrybował.
Możemy też właśnie spotkania, z tego co prawda nigdy nie korzystałam,
nagrywać, że gdzieś tam jest powiadomienie, podobno ono się krótko…
Ja raczej rzadko biorę udział w takich spotkaniach, więc raczej to nie miałam
też nawet jak przetestować. Długo to było w wersji beta.
A i można oczywiście dyktować za pomocą tej aplikacji, to też jest właśnie tekst,
możemy dyktować i to jest naprawdę fajna opcja też, jeżeli się nie chce.
Jest też artykuł o MacWhisperze i trochę stary podcast Macieja i artykuł Piotra
o MacWhisperze jest w portalu Tyflo Świat. Tam trochę się to wszystko zmienia
i też ustawienie efektywne dyktowania, to nie jest taka prosta sprawa,
bo tam trzeba w iluś miejscach to ustawić, żeby to dyktowanie było w tle,
żeby MacWhisper był cały czas włączony, żeby nie kolidowały skróty klawiszowe,
żeby… No jest tam ileś rzeczy, nie jest to takie oczywiste i nie jest to takie
do końca proste, mam wrażenie. Zresztą w ogóle MacWhisper aplikacją prostą nie jest
ani na Maca, ani na iPhona. Znaczy na iPhona może jest prostszy,
ale to nie są super wygodne aplikacje do używania.
I ja bym powiedziała, bo teraz się zmienił interfejs MacWhispera na Macu,
zwłaszcza, i moim zdaniem kiedyś był wygodniejszy, teraz tam poprzenosili
pewne opcje. Moim zdaniem jest gorzej, dla mnie jest to niezrozumiałe,
bo wcześniej to naprawdę było takie właśnie, bym powiedziała, bardziej intuicyjne.
Teraz to jest takie, dla mnie osobiście niekoniecznie, no ale to znaczy,
już się przyzwyczaiłam, już gdzieś tam mniej więcej wiem, ale na przykład
otwiera się transkrypcję, robi się transkrypcję i okazuje się, że trzeba
ten plik gdzieś tam zamknąć, bo on się otwiera i on tak jakby działa w tle
i wcale się nie otwiera jako nowe okno, czy nowa karta, jak to jest nazywane
na Macu, tylko po prostu trzeba tam wejść w pasek boczny i tam dopiero
jest otwarte pliki i tam jest ta transkrypcja i mi się to czasami lubi zwiesić.
No ten interfejs jest jakiś taki, no niestety nie…
No tam trzeba się, dużo trzeba się nachodzić, naklikać,
nachodzić w interakcję, szukać pewnych elementów, no nie jest to takie oczywiste.
Przede wszystkim, no tam jeżeli się chce już takich bardziej zaawansowanych opcji,
no to trzeba się wgłębić w to, jak to ustawić, żeby generalnie działało,
ale jak działa, to działa. Muszę powiedzieć, że właśnie dostępnie,
może tam kilka przycisków jest, typu na przykład ustawienia, są jako gearshape,
czy jakkolwiek to się czyta, no to może być takie na początku właśnie…
Mylące.
Dozorientujące, mylące, no ale to w zasadzie i tak jak się
komand przecinek naciśnie, to się w ustawienia wejdzie.
Tam z kilku miejsc można w te ustawienia wejść, więc jakiegoś problemu nie ma,
ale tak poza tym to aplikacja jest naprawdę fajnie dostępna.
Na iOS-a też w sumie, jeśli chodzi o aplikację, samą sobie aplikację
i transkrypcję tekstu, nie mówię o klawiaturze, ale o samej aplikacji
MacWhisper to naprawdę jest bardzo fajnie dostępna i no, także…
W taki sposób powystarczy sobie tam albo, no nie, pewnie nie nagrywasz,
pewnie po prostu wchodzisz, wybierasz plik albo przez menu udostępniania
ShareSheet wysyłasz plik do aplikacji MacWhisper i sobie ją przetwarzasz,
rozpoznajesz.
Ja raczej bardziej na Macu.
Na Macu, na iPhonie mniej.
Mniej, mniej z tego względu, że ja później właśnie to głównie teraz
używam do tworzenia napisów do wszelkiej maści seriali i filmów.
Mówiłaś o tym WhatsAppie, że można dłuższą wiadomość z WhatsAppu.
Tak, tak, tak, no na przykład mój znajomy korzysta właśnie z tej aplikacji,
bo mówi, że jest świetną aplikacją, no i też sobie skonfigurował klucz API,
bo można właśnie tą za pomocą, to jest plus tej aplikacji, że można
sobie skonfigurować klucze API za pomocą, no po prostu na stronie
internetowej. Dzięki temu nie musimy płacić za aplikację na iPhonie,
a możemy korzystać z tych modeli chmurowych.
Bo w wersji darmowej ona pozwala na pobranie modeli Whispera do urządzenia
i wtedy to jakoś tam powinno, w sumie nie wiem, czy działa to szybciej,
czy nie potem lokalnie, czy z tych modeli chmurowych działa to szybciej,
a chmurowe, no to podpijamy klucze API, które wcześniej sobie wygenerowaliśmy.
Zresztą będzie artykuł niedługo o tym też w kolejnym numerze czasopisma,
Tyflo Świat i te modele to jest co? To jest ElevenLabs, głównie ElevenLabs.
Nie wiem, co tam jeszcze można pokazać.
Te chmurowe teraz obecnie jest ElevenLabs i model od OpenAI.
Wcześniej jeszcze był Groq zamiast ElevenLabs, ale ten Groq miał limity.
Do 25 megabajtów mógł zajmować plik, a teraz właśnie jest ElevenLabs,
który nawet nie wiem, czy on ma jakieś ograniczenie wielkości pliku.
Ja się jeszcze nie spotkałam, wrzucałam różne pliki i nie krzyczał mi,
że jest coś nie tak, że jest przekroczony jakiś limit pliku, waga pliku.
Nie chodzi tam już nawet o długość samego pliku, tylko właśnie o jego wagę,
czyli po prostu ile zajmuje miejsca.
Ale to mówisz teraz o Macu czy o iPhonie?
To znaczy o iPhonie, bo tam był Groq i ElevenLab…
Groq i OpenAI. Teraz jest ElevenLabs i OpenAI,
aczkolwiek ja muszę powiedzieć, że z tego ElevenLabs jestem bardzo, bardzo zadowolona.
Daje bardzo dobre wyniki i przede wszystkim właśnie jest fajne to,
że jest w darmowej… można w wersji korzystać do 2,5 godzin takich nagrań.
Ale do 2,5 godzin w sensie miesięcznie czy nie?
Miesięcznie, miesięcznie. Tak, tak, tak.
Miesięcznie potem się resetuje limit i znowu możemy…
Ja mam tych kluczy trzy, zrobiłam sobie trzy konta, bo miałam po prostu trzy konta na Google
i tak sobie jak mi się limit skończy w jednym, to sobie korzystam z drugiego klucza,
bo czasami mi się przydaje, ale nie zawsze.
Bo w niektórych zależy do czego też używamy, to też będziemy pewnie o tym mówić,
zależy do czego tego… jakiego modelu używamy do czego.
Bo do dyktowania to wiadomo, że nam zależy, żeby było szybko.
No i taki ElevenLabs oczywiście się jak najbardziej nada.
No już na przykład do tworzenia napisów to zależy do czego.
To też właśnie zależy do czego, ale tak to…
No i taką jedną z tych funkcji aplikacji, znaczy MacWhisper poza tym,
że możemy tam wysłać plik i potem zależnie czy mamy wersję pro,
bo tam jest jeszcze taka wersja pro, która umożliwia, ma jakiegoś asystenta,
że możemy dopytywać sztuczną inteligencję, właśnie te same jakieś streszczenia,
robić tłumaczenia w sztuczną inteligencję.
To są takie rzeczy, które mam wrażenie, że szybciej się zrobi trochę inaczej
niż na samym iPhonie, ale rzeczywiście można.
Ale jedną z takich ciekawych rzeczy, które ma ta aplikacja MacWhisper
jest klawiatura Whisper Dictation, którą podpinamy
i tak jak mówiłaś, możemy dyktować.
Tylko że niestety wcale to nie jest takie proste, jak mogłoby być.
No tak, zgadza się.
Są niestety tutaj problemy natury technicznej.
Trochę wynikające, trochę po stronie, myślę, dostępności twórców MacWhispera,
ale też niestety po stronie ograniczeń Apple.
Tak, bo właśnie trzeba sobie tutaj jasno powiedzieć, że nie jest to wina
dewelopera, nie wszystko to jest winą dewelopera po prostu,
ponieważ Apple od wersji chyba iOS 26.4 narzucił taką zmianę,
że kiedy zaczynamy dyktować i chcemy, naciskamy przycisk,
który umożliwia dyktowanie, musimy się wrócić do poprzedniej aplikacji.
Od razu powiedzmy, że tutaj, jeżeli tą klawiaturę MacWhisper Dictation
wybierzemy, to w polu edycyjnym Magic Tap dalej nam włącza to dyktowanie
aplowskie.
Tak, i to jeszcze w języku angielskim, bo właśnie aplikacja Whisper Dictation
to jest w języku angielskim. To jest angielska klawiatura i dlatego,
jeżeli my użyjemy magicznego stuknięcia do rozpoczęcia dyktowania,
to włączy nam się to dyktowanie Apple w języku angielskim.
Ale po angielsku. Powiem tak, z Wispr Flow jest podobnie,
chociaż działa to różnie, bo mamy co prawda język polski
albo wybór autodetect wybrany i w sumie nie wiem, czy Wispr Flow
umożliwia autodetect wybranie, to może to by jakoś pomogło,
ale działa to tak, że też to dyktowanie Apple, ono wtedy działa różnie.
Czasami działa po angielsku, czasami działa po polsku.
Jest tu generalnie konflikt. Niestety szkoda, że nie jest tak,
że chociaż, że kiedy się przełączy na tę klawiaturę MacWhisper
albo Wispr Flow, że ten Magic Tap, że w ogóle on działa,
bo przez to można się bardzo pogubić trochę.
Tak, tak, tak. W ogóle na początku, jak powiedzmy tę klawiaturę
sobie konfigurujemy, tutaj mowa o Whisper Dictation,
to ona, no właśnie, tam jest przycisk mikrofon, mikrofony
i trzeba go nacisnąć, żeby rozpocząć dyktowanie.
Właśnie nie ten przycisk dyktuj, bo inaczej zaczniemy dyktować
tę apple’owską funkcją, a nie właśnie aplikację MacWhisper.
No tak, i wciskamy ten przycisk i co się dzieje wtedy?
No i właśnie później, jak tam oczywiście zezwolimy na dostęp
do mikrofonu i wszystko to, co tam deweloper wymaga, żeby nam
klawiatura działała, no to właśnie musimy się przełączyć
na poprzednią aplikację. Ja zawsze to wykonuję przesunięcie
czterema palcami w prawo, wykonuję gest.
Oczywiście można inaczej, można z przełącznika aplikacji,
tutaj nie ma problemu, gdyby ktoś miał problem z wykonaniem gestu.
No i później synteza nam przychodzi na głośnik wewnętrzny.
I to jest o tyle problemem, że jeżeli nie mamy odpowiednio głośno
ustawionej tej syntezy, bo jeżeli powiedzmy mamy syntezę
ustawioną na 80%, no to wtedy jest całkiem słyszalna,
mimo że w tym głośniku do rozmów telefonicznych ona się odzywa,
to będzie jakoś tam słyszalna. No problem jest, gdy jest głośno.
Gdy jesteśmy w głośnym otoczeniu, to już możemy tej syntezy po prostu
no nie słyszeć. No i ja długo się zastanawiałam, ale wymyśliłam skrót,
który wymyśliłam. No po prostu jakoś gdzieś wpadłam na to, żeby wymusić,
żeby synteza przełączyła się na ten głośnik główny iPhona.
No i jak się wykona, przypiszę gaz do tego skrótu. Ja mam stuknięcie
dwa razy w plecki iPhona i wtedy się ta synteza z powrotem przełączy
i jest już słyszalna. No i później dyktujemy sobie ten tekst powiedzmy.
Jak skończymy dyktować, no to naciskamy przycisk selected,
który jest w górnym tak prawym rogu. Po prostu ten przycisk mikrofonu
zamienia się w ten przycisk selected. No i to też jest takie mało intuicyjne,
ponieważ no to co znaczy selected? Wybierz. No więc to tak nie wiadomo,
czy to kończy dyktowanie czy co. Ale jak już się to wie, no to się naciska.
No i teraz tak. Jeżeli aplikacja powiedzmy nie działała długo w tle,
no to tekst się wstawi i jakiegoś problemu nie ma. Teraz to jest bardzo szybko,
bo na początku te modele lokalne to trochę trwało, zanim się ten tekst wstawił.
Teraz to muszę powiedzieć, że działa bardzo szybko. Natomiast jak ona sobie
dłużej podziała w tle i już tam ileś razy dyktowaliśmy, to zdarza się,
że niestety tekst się nie wstawi. Nie zawsze się wstawi, trzeba znowu dać
ten przycisk mikrofonu i liczyć, że albo tekst się wstawi, albo wręcz niestety nie,
trzeba ponownie ten tekst przedyktować, albo wręcz wyskoczy taki błąd,
że plik audio nie został odnaleziony. No i klops. I nagadaliśmy się nadarem
podczas dyktowania, więc jest to na pewno mało komfortowe.
Trzeba sobie to jasno powiedzieć.
Tym bardziej, że gdzieś tam czasami się spieszymy, no i główny atut dyktowania
to jest to, że chcemy coś szybko powiedzieć, podyktować. Ma to być efektywne,
a tutaj niestety ani dostępne, ani specjalnie wygodne. I jeszcze nie ma gwarancji,
że to się wstawi.
Ale trzeba też powiedzieć, że plusem w ogóle takiego dyktowania
za pomocą modeli sztucznej inteligencji, czy to lokalnych, czy to chmurowych
jest duża dokładność. I przede wszystkim to, że nie trzeba wypowiadać interpunkcji.
A wiadomo, że niektóre osoby mają z tym problem i czy to nie wiedzą,
gdzie wstawić ten znak interpunkcyjny, albo sobie zapomną, albo nie zwracają
na to uwagi i potem jest taki jeden wielki, duży, ogromny blok tekstu
i ciężko potem zrozumieć, co ten ktoś miał na myśli.
No to tutaj naturalnie możemy mówić, tak jak ja powiedzmy teraz sobie tutaj opowiadam.
No to się wstawia automatycznie ta interpunkcja, przez co dużo wygodniej
potem się czyta takie wiadomości, bo nawet jak się nie wie,
gdzie tą interpunkcję wstawić, to ona zostanie tam w miarę…
raczej dobrze jest wstawiana, zdarza się, że gdzieś tam nie.
Nie wstawi się poprawnie, ale generalnie naprawdę jest to…
że nie muszę wypowiadać tych przycinek, wykrzyknik i takie różne rzeczy.
No natomiast, no właśnie, zdarza się, że ona zostanie źle wstawiona
albo zamiast znaku zapytanie jest kropka, też się potrafi to zdarzyć.
No natomiast do dyktowania dłuższych wiadomości, no to się nadaje,
bo nie ma tu limitu, można sobie dyktować ile się chce, na przykład dyktowanie natywne.
Na Apple’u też nie ma teraz limitu już chyba.
Dobrze, może jakiś jest, ale to jest na pewno to nie jest to, co było kiedyś.
Jest o wiele większy limit.
Może tak, ale ja jakoś długo jestem gadułą, to czasami dużo tekstu dyktuję
albo jak komuś chcę pomóc czy to na jakiejś grupie, to brakuje mi czasu po prostu,
żeby się wyrobić z tym dyktowaniem.
A że ja dyktuję tak naraz, a nie fragmentami raczej, no to mam problem.
Myślę, to dyktowanie potrafię wyłączyć znienacka i w pół słowa mi przerwie gdzieś tam.
A tutaj nie mam tej presji czasu, mogę sobie dyktować i…
No potem oczywiście dłużej trzeba czekać, aż tekst się wstawi,
bo im dłuższa wypowiedź tym to przetwarzanie, właśnie w modelach lokalnych będzie dłuższe.
W chmurowych również, ale dużo mniej odczuwalne jednak niż w lokalnych modelach.
To skoro jesteśmy przy dyktowaniu, to może posłuchajmy wiadomości od naszego słuchacza Dawida,
któremu dyktowanie też się przydaje.
Dzień dobry. Fajna audycja. Ja mam problem z wymową, więc użyłem na codzień czata GPT
do poprawienia mojej wypowiedzi. System Windows 11 na top HP, a telefon Blanchstein.
To tyle. Pozdrawiam prowadzącego i miłą rozmówczynię w studiu.
Również pozdrawiam.
Dziękujemy.
No właśnie to też jest taki dobry moment, nawet żeby właśnie o tym wspomnieć,
bo mam znajomą, która też ma problemy z wymową i kiedy opisałam właśnie aplikację MacWhisper
i właśnie, że można sobie skonfigurować, czytam właśnie klucze API, no to dla niej to jest wybawienie,
bo jej nie rozumiał właśnie ten model od Apple.
I to jest taki problem, bo by się wydawało, że ktoś ma jakieś problemy z wymową
albo mówi niestandardowo, albo mówi mniej wyraźnie, albo jakoś jeszcze coś,
to by się wydawało, że takie dyktowanie go nie zrozumie.
Że to trzeba mówić bardzo precyzyjnie, wyraźnie, tak elokwentnie, dokładnie.
A tu się okazuje, że nie aż tak, bo te modele sztucznej inteligencji już tak dobre się zrobiły,
a rzeczywiście w Windowsie, chociaż pewnie na iPhonie też, ale w Windowsie GPT,
do tego stopnia, że ostatnio sobie zrobiłem jakiś taki właśnie test,
że coś mi tam w Windowsie się źle dyktowało w aplikacji Handy, o której też kiedyś mówiliśmy
i skorzystałem z zwykłego właśnie pola edycyjnego na stronie czata GPT,
coś tam sobie podyktowałem i to się wstawiło bezbłędnie, jeżeli chodzi o merytum,
jeżeli chodzi o interpunkcje, o duże litery, o spację itd., itd.
Także rozumiem to, rzeczywiście to dyktowanie z GPT, nawet jeżeli tak śmiesznie to działa,
że w polu edycyjnym coś wpisujemy i kasujemy.
Oczywiście nie wyobrażam sobie, żebym na co dzień w ten sposób pracował i tego używał,
no ale jak nie ma innej możliwości, i tak można i całkiem efektywnie.
Tak, ja powiem, że ja na przykład, bo mi przestał Braille działać,
mam jakiś taki błąd już od dłuższego czasu…
Braille w sensie klawiatura braillowska dyktowana na iPhone’ie.
Tak, taka ta ekranowa, tak. Przestał mi działać niestety i problem się zaczął.
Tylko w niektórych warunkach mi to działa. No to by długo opowiadać, to nie temat audycji.
No i jak pojawiła się właśnie ta aplikacja MacWhisper, no to dla mnie to było swego rodzaju wybawienie,
bo mówię, kurczę, dyktowanie Apple, no to właśnie jeszcze wtedy gorzej działające, teraz lepiej,
ale wtedy to była, delikatnie rzecz ujmując, masakra.
Masakra nie, ale rzeczywiście ono robiło błędy i trzeba…
Dużo błędów.
Błędy zauważalne.
Dzielił słowa na pół, sobie spację wstawiał gdzieś, no różne takie chocki, klocki,
no to takie było niefajne, więc ja też oczywiście korzystałam, ale jednak tutaj mam większą pewność,
że ten tekst, takie właśnie słowa niestandardowe, mowa potoczna, to wszystko zostaje wstawione ładnie, prawidłowo.
Oczywiście się zdarzają pomyłki, zwłaszcza w tym lokalnym.
A też tak masz, że w tych chmurowych, czy lokalnym, że czasami na końcu słowa on wstawi jakieś nawiasy, jakieś klamry,
dziwne słowa, albo dziękuję za uwagę, albo coś po angielsku.
Tak, tak, dziękuję za uwagę, albo amen nawet.
O, tego nie znam.
I to nieraz właśnie musiałam sobie pilnować, albo coś po angielsku w ogóle,
nie wiem nawet, co to miało znaczyć, jakieś takie dziwne słowa.
No ale właśnie często dziękuję za uwagę, albo amen.
No a jak to byś powiedziała, bo teraz pojawiła się w marcu taka aplikacja, ta druga, o której było dużo szumu,
na którą ciebie namawiałem na testy i trochę testowałaś, Wispr Flow.
To czym ona się różni, co to w ogóle jest za pomysł, plusy, minusy?
Opowiedz o tym z twojej perspektywy, jak to wygląda.
Z mojej perspektywy zacznę od w ogóle procesu konfiguracji.
I to proces konfiguracji jest, powiedziałabym, małym koszmarkiem.
A ja jeszcze tylko może powiem wstępnie, bo potem nam to umknie,
że o ile Whisper Dictation, MacWhisper na iOS jest zasadniczo aplikacją darmową,
to Wispr Flow to jest bardziej usługa chmurowa, tylko chmurowa, abonamentowa,
oparta na Whisperze, 30 zł miesięcznie, plus taki, że mamy to na wszystkie urządzenia naraz,
czyli iPhone, Mac, Windows, Android. Mamy tam niestandardowy jakiś słownik,
że możemy jakimś jednym słowem wyzwolić inne słowa.
Możemy… plus właśnie jakiś słownik taki wewnętrzny jeszcze,
którym możemy chyba wprowadzać słowa, które on powinien lepiej przetworzyć,
ale to średnio mi chciało działać. No i właśnie. I dostępność tego wszystkiego,
efektywność to zaraz sobie, to zaraz o tym nam opowiesz,
bo niby fajnie wszystko zapowiada się, no ale instalujemy aplikację i właśnie.
No i zaczynają się schody, bo tam trzeba wiele różnych ekranów konfiguracji przejść,
począwszy od rejestracji, gdzie w aplikacji MacWhisper nie jest to w ogóle wymagane,
nie musimy mieć żadnego konta.
Rejestracji, czyli wytworzymy konto, podajemy adres e-mail.
Tak, możemy się zalogować z Apple, chyba z Google, z tego co pamiętam.
To jeszcze nie jest problemem, bo można się zalogować, zarejestrować,
zwłaszcza z Apple czy Google, to jest wygodnie.
Natomiast później… to ja nawet nie jestem w stanie powiedzieć,
co musiałam wykonać, żeby to zainstalować.
Tam został taki interaktywny samouczek, taki tutorial samouczek, który trzeba było przejść.
To ciągle te właśnie filmiki, które się wyświetlają.
A jak się nawet coś dałoby pominąć, no to niestety…
Tak by się plątały cały czas mi te okna z wideo.
I potem były problemy. Tak jak teraz z moim internetem.
Zdarza się. Też pogoda tak niesprzyja trochę chyba.
Ale powiem tak.
No i właśnie tam te filmiki, które sobie gdzieś tam trzeba samouczka przewijać.
I to co gorsza mi się potrafił ten filmik gdzieś tam w tym…
pojawić gdzieś tam w tle.
Musiałam to gdzieś tam zamykać.
Potem jeszcze tam było, a dlaczego chcesz używać tej aplikacji?
No i trzeba było wybrać. Tam było kilka opcji.
Do czego ta aplikacja Ci jest potrzebna?
W jakim celu chcesz…
I to jeszcze te opcje, no właśnie…
I one nie były anonsowane właśnie, że to zaznaczone.
Nawet jak coś się dało czasami pominąć, to potem się okazywało, że jest jakiś problem.
Że coś tam nie działa, a pominęliśmy coś przypadkowo.
No generalnie trzeba się mocno skupić.
Tak, jeszcze dać tam cały dostęp, wejść do ustawień tej klawiatury.
Nie dość, że klawiaturę tam oczywiście włączyć w ustawieniach już później.
Włączyć, wyłączyć. Restartowałem telefon, coś tam, bo było to dziwne.
Ja nie musiałam restartować telefonu, ale no właśnie tam krzyczał, że teraz musisz jeszcze dać pełen dostęp do klawiatury.
Gdzie Apple tam ostrzega, że musimy sobie zdawać z tego sprawę, że teraz deweloper przechwytuje nasze znaki.
Może przechwytywać to, co wprowadzamy.
No to też może kogoś na przykład przerazić.
Takie komunikaty gdzieś tam.
Tak, że wszystko może przechwytywać, tak.
Tak i generalnie permanentna inwigilacja, prawda, i tak dalej.
Ale jak już się to uda zrobić, gdzie właśnie ciężko jest nawet opisać, co trzeba robić, żeby to zainstalować.
No to jak już się uda, no to sama klawiatura.
Ja tam właśnie też swoją drogą nie widziałam opcji, żeby można było pisać.
Żeby gdzieś tam można było wprowadzać litery.
Tylko są cyfry.
To jest dziwne. Domyślnie są cyfry, ale tam jest przełącznik na literki.
Ale on się przełącza na klawiaturę tą wtedy u mnie.
Ale nie, bo ty mówisz o przełączniku klawiatur, ale jest przełącznik.
Nie powiem ci, bo nie mam pamięci do interfejsów, jak on się nazywa, ale można przełączyć na normalnie napisanie.
Tak, na litery.
Na litery to działa.
I mi się przełącza?
Na klawiaturę Apple tą.
Tak.
I nie ma przycisku.
Ale ja mam tak samo.
To mi się przełączało normalnie.
A mi na klawiaturę ja mówię, gdzie jest przycisk do włączania?
Co wokół nas się stało? Patrzę, a to jest klawiatura od Apple.
Bo jeszcze nawet sprawdzałam po tym przycisku i mówię, nie, to jest klawiatura Apple.
A nie było tam gdzieś na którymś przycisku, że trzeba było go nacisnąć jakby z przytrzymaniem albo trzy razy?
Nie, tam normalnie jest przycisk do zmiany klawiatur.
W niego dwukrotnie trzeba stuknąć, bo tutaj w tej klawiaturze, żeby tam numer jakiś wstawić, to trzeba dwa razy kliknąć.
Beznadziejnie działa, bo nie da się kasować pojedynczego znaku.
Jak w standardowym.
Ja przepraszam, bo ja w sumie nie wiem, jak na klawiaturze Apple działa, bo ja nigdy z tego Backspace’a nie powystałem.
Ale odkryłem, że na tej Wispr Flow, że jak się przytrzyma Backspace, to on fajnie mówi, co kasuje.
No tak tylko, że jak chcesz kasować jeden znak.
Jeden znak, to musisz dwa razy…
Ale ja tam kasowałem, o ile jakoś tak wcześniej z tym Backspace’em różnie, to to jak jakoś tam większe partie tekstu kasowałem,
to jakoś tak ładnie VoiceOver mi mówił, że umiałem tam skasować więcej, tyle ile chciałem, więcej tekstu, bez większego problemu.
Co u mnie jest jakimś tam trochę wyczynem.
Więc no tak, ale okej, to to może coś się pogorszyło, jeżeli chodzi o dostępność z tym przełączaniem litery.
No tam jest problem.
Ja nie umiem, nie potrafię autentycznie, nie da się, nawet jeszcze dzisiaj próbowałam.
To jest duży minus.
To jest duży minus właśnie, bo jeszcze tak dopowiadając w tej aplikacji Whisper Dictation, to kiedyś było tak, że też trzeba było, tak jak w tym pisaniu standardowym VoiceOvera,
to teraz jest już na przykład jak się pisze w trybie bezpośredniego pisania, no to wystarczy, że oderwiemy palec i literka się wstawia.
I nie ma z tym problemu.
Backspace też, przycisk usuń na klawiaturze natywnej, no to wystarczy, że oderwiemy od niego palec.
I to jest niewątpliwy plus.
No a tutaj właśnie ja nie mogę się przełączyć na klawiaturę z literami.
I muszę się przełączać na inną klawiaturę, żeby poprawić tekst.
I to jest dla mnie dość irytujące.
A jeśli już mowa o dyktowaniu, no to już sam proces dyktowania, że naciskamy sobie przycisk, tam jest…
Teraz zapomniałam etykietki, ale start chyba dictation?
Start dictation, tak. Ale najpierw trzeba zrobić start flow.
A? A to ja nie?
Nie no, najpierw trzeba zrobić start flow, kiedy pierwszy raz jesteś w tej aplikacji.
Aha!
Żeby po prostu przejść do…
Przejść do tego…
Tak, tak, tak. To najpierw trzeba zrobić.
A to już nie pamiętałam.
Tak, tak.
To już nie pamiętałam, ale no tak.
Ale pierwszy raz, te start flowy to się powtarzają, bo to jest podobnie jak z tym…
On się cały czas wyświeci.
Z tym przełączaniem między aplikacjami, to jest taki sam problem trochę jak…
Zgadza się, zgadza się.
To znaczy ja bardziej mówię o tym pierwszy raz w danej sesji, bo on przez chwilę to potem jest w stanie pamiętać,
natomiast jak wracamy do tej aplikacji jakiejś, w której dyktujemy, po jakimś czasie, no to niestety,
ale znowu trzeba kliknąć to start flow i znowu do tego wrócić.
Ja akurat mogę powiedzieć, no bo ja używam mój start flow na co dzień i mi, z mojej perspektywy na przykład,
to dla mnie jakość tego dyktowania wynagradza kwestie związane z tymi uciążliwościami, o których mówicie,
bo one są rzeczywiście i to bezdyskusyjnie, to jest denerwujące.
Natomiast dla mnie ta jakość tego dyktowania, to, że ja mogę podyktować nawet dłuższy tekst i on jest w zasadzie bez błędów
i że ja mogę bez jakiegoś obciachu na przykład wysłać maila czy gdzieś publicznie odpowiedzieć,
no to jest dla mnie wartość bardzo, bardzo duża.
To whisper dictation też się da, bo jak się te klucze API podepnie, to też możemy tymi chmurowymi modelami dyktować.
Tak, tylko tutaj wielki plus, o którym pewnie zaraz powiemy, tej whisper flow, to jest to, że nie ma problemu z VoiceOverem.
Tak, z jednej strony tak, bo on nie przychodzi na ten głośnik właśnie do rozmów telefonicznych,
natomiast u mnie ostatnio bez przerwy zostaje wychwytywane jak na początku nie,
to teraz notorycznie wstawia mi się to, co syntezam i sobie czyta.
U mnie to się dzieje na końcu, to znaczy, jeżeli na przykład, bo w niektórych aplikacjach czasem trudno jest uchwycić ten guzik potem do kończenia dyktowania,
to u mnie to wygląda tak, że zazwyczaj, jeżeli na przykład VoiceOver mówi coś na początku, zanim ja zacznę dyktować, z tym nie ma problemu.
Jeżeli jakieś tam pojedyncze wypowiedzi pojawią się w środku, też raczej problemu nie będzie.
Natomiast jeżeli dłużej będzie trwała ta wypowiedź na końcu, zanim ja ten przycisk bym znalazł, to to już się rozpozna.
No właśnie, a ja mam czasem problem, żeby na ten przycisk jakoś tam najechać eksploracją.
I muszę gestem, przesunięcia w prawo palcem na przykład, żeby do tego przycisku, zanim ja tam dojdę, to on już to wyłapuje właśnie.
Bywa właśnie u mnie tak. I jeszcze co odkryłam, że on lubi robić przerwę między zdaniami. Na takiej zasadzie, że dzieli to na akapity.
A tam jest taka opcja, automatyczne formatowanie i coś tam jeszcze. Może to dlatego.
Może to, może to tak, bo u mnie się to właśnie cały czas takie duże przerwy robią, że jest pusta linia się wstawia.
A ja mówię, o kurcze. I tak zaczęłam sobie chodzić po tym tekście, ale tam właśnie tak w te ustawienia jeszcze nie zdążyłam się zagłębić.
Bo nie ukrywam, że ja dopiero od niedawna, od kilku dni testuję tam aplikację, więc…
No to uważaj, bo dwa tygodnie okres próbny się skończy.
A nawet nie wiem, czy tydzień, tydzień chyba.
O, tydzień.
Tam już mi odlicza, że już tam cztery dni to zostało do końca, także nie mam wiele czasu na testy.
Natomiast tak, jest na pewno w samym dyktowaniu wygodniejsze, bo ten tekst się wstawia.
Nie wiem, jak w modelach chmurowych byłoby w Whisper Dictation, bo nie ukrywam, jakoś bardzo tego nie testowałam.
Więc może by to wtedy też się lepiej reagowało.
No bo przypuszczam, że tutaj z tym ładowaniem modelu może być czasem problem.
I on może, ten lokalny model, który musi się tam czasem załadować…
Ale nie no, jak w modelach chmurowych? Nie no, ty używasz Whisper Dictation chmurowych.
Whisper Dictation właśnie nie. Ja bardziej lokalnego używam.
ElevenLab się, w Whisper Dictation, że używałaś na iPhone.
Tak, ja to kiedyś sobie zestawałam i działa, ale głównie korzystam z lokalnego modelu.
Korzystam z lokalnego, a jak wiadomo, w ramach jakiejś tam potrzeby, czy kiedy nie mam użytego limitu klucza, no to sobie korzystam.
Rozumiem, bo tak chwaliłaś tego ElevenLaba, że jakby rozumiałem, że to mimo wszystko, że to jest jakoś tam przez te trzy kąta i coś tam, że generalnie to jakoś tam ci starcza tak do efektywnej pracy.
No ja jeszcze go używam właśnie w aplikacji MacWhisper na Macu.
No to już może nie starczyć. No właśnie, czyli reasumując, do klawiatur zachęcamy przynajmniej do przetestowania.
Z tym dyktowaniem to jedni lubią, inni nie lubią. Na pewno trzeba uważać na jakość, na to co piszemy, jak piszemy, bo to jest istotne, żeby pisać poprawnie.
I na pewno też przetestować warto obie aplikacje, bo może właśnie jedna znajdzie zwolenników. Ja na przykład jestem taka trochę, lubię sobie oszczędzić pieniędzy gdzie mogę, to sobie oszczędzam.
Nie każdy też chce płacić za różny abonament.
Jeżeli naprawdę potrzebuję, to tak, to jestem skłonna zapłacić oczywiście, że tak, ale gdzie ja wiem, że mam jakąś alternatywę darmową i jakoś tam znoszę te niegodności, które są z tym związane, no to wtedy korzystam.
Natomiast warto, myślę, spróbować obu aplikacji, bo na pewno jedna i druga znajdzie swoich zwolenników, jak i przeciwników, więc każdy ma inne podejście, więc myślę, że warto obu aplikacji.
No i teraz wracamy do aplikacji MacWhisper, o której mówiliśmy już zasadniczo.
To jeszcze zanim wrócicie, to ja jeszcze może powiem, że kolejną wiadomość wysłał do nas Dawid i tu a propos rozpoznawania mowy przez różne modele sztucznej inteligencji, no to Dawid wspomniał o tym, że porównywał sobie czata GPT z Geminiem i jest bardziej zadowolony z tego, jak sobie radzi czat GPT, no bo Gemini ma gorsze efekty.
I też wspomniał o tym, że jeżeli na przykład powiemy czatowi GPT, żeby nie wstawiał tych różnych swoich dodatków, no to po prostu on wtedy tego robić nie będzie.
Dawidzie natomiast wydaje mi się, że tutaj nawet nie trzeba robić tego w ten sposób, że ty wypuszczasz wiadomość dyktowaną do czata GPT, bo nie musisz wchodzić z nim w tryb rozmowy, a wystarczy, że wejdziesz w tryb dyktowania.
Bo ten tryb dyktowania jest jakby takim odrębnym trybem i wtedy nie musisz nawet wysyłać tej wiadomości do czata GPT, tylko sobie, jeżeli chcesz coś podyktować i chcesz użyć właśnie tego dyktowania z użyciem GPT,
to sobie po prostu możesz wtedy taką wiadomość, która się wklei w to pole edycji w czacie, zwyczajnie wyciąć i wkleić do innej aplikacji. I w ten sposób będziesz miał chyba najlepszy efekt. Dobrze mówię Michale?
Jak najbardziej. No i co, wracamy do tego MacWhispera, o którym już powiedzieliśmy i teraz do głównego tematu odcinka, czyli MacWhisper i transkrypcję, tworzenie napisów do filmów.
Tak, do filmów, dobrze mówię, do różnych programów, do filmów, nie wiem jak powinienem powiedzieć. Ja się nie czuję tutaj zupełnie, mało o tym wiem, więc tak naprawdę to słucham i słuchamy.
Czyli tak, jak to się zaczęło, tak?
Skąd w ogóle pomysł na takie wykorzystanie MacWhispera, na to tworzenie napisów?
Zaczęło się…
Treściami audiowizualnymi, z tekstem i tak poniekąd i tak dalej.
Zaczęło się głównie od tego, że ja tak język angielski nie umiem na tyle, żeby sobie poradzić ze zrozumieniem tak w stu procentach,
to co audiodeskrypcja ma mi do przekazania i zaczęło mnie to frustrować.
I zaczęłam sobie tak myśleć, dlaczego w sumie do tej audiodeskrypcji tworzone nie są napisy.
Tak jak dla osób głuchych są tworzone napisy specjalnie tam, co się dzieje, jeśli chodzi o dźwiękowe sprawy,
to tak sobie pomyślałam, czy nie byłoby prościej zrobić napisów niż tworzenie od początku zatrudnienia osoby,
która będzie to czytać i tak dalej, żeby po prostu stworzyć takie napisy.
No i później na początku transkrybowałam sobie odcinek powiedzmy serialu lub filmu i to potem tłumaczyłam.
No i później wpadłam na pomysł, kurczę, a co gdyby tak przetłumaczyć te napisy
na polski wraz z całymi znacznikami czasu, żeby to po prostu przetłumaczyć i wstawić jako napisy
i sobie słuchać audiodeskrypcji, która jest przetłumaczona na język polski.
I od tego się właśnie wszystko zaczęło. No i pierwsze moje testy były takie,
że po prostu musiałam nagrać odcinek za pomocą aplikacji Audio Hijack,
bo w Audio Hijacku właśnie nagrywam wszystko z powodu tego, żeby audiodeskrypcja była wychwycona.
Gdy już taki odcinek nagram, no to taki odcinek muszę wyeksportować do formatu pliku po prostu wideo,
ponieważ jeżeli by to było w pliku MP3, a Audio Hijack tylko umie nagrywać w pliku MP…
W formatach audio.
Tak, w formatach audio. Nie nagra tego w formacie właśnie wideo.
No więc w aplikacji QuickTime na Macu łatwo jest wyeksportować ten plik powiedzmy w formacie MP3 na przykład,
bo głównie w MP3 nagrywam.
Przy okazji nie jestem pewny, czy ten… jak się nazywa?
Audio… nie, nie.
A Capture.
A Capture. Czy on w jakimś formacie wideo nie umie nagrywać?
Ale to już w MP4. Ale to tak przy okazji…
To też by można było sobie poradzić teoretycznie już teraz w ogóle w nowej wersji,
która nadchodzi w nowym Mac OS-ie. Można nagrywać już za pomocą właśnie…
no przechwytywać ekran wraz z dźwiękiem systemowym.
Także taka to opcja do nas dotarła, dotrze właściwie, bo to będzie we wrześniu.
To w najnowszym systemie już w końcu będzie to możliwe.
Tylko jest jeden problem. Plik taki wtedy dużo waży.
Taki plik dużo waży, zajmuje dużo miejsca.
A jak się to przetworzy właśnie w taki sposób przez MP3 na format wideo,
no to taki plik tam ile? Może 50 megabajtów waży.
Coś takiego. Taki godzinny odcinek serialu na przykład,
no to tak mniej więcej tyle będzie zajmował.
Więc różnica znaczna jest, a obraz w sumie do niczego nie jest potrzebny, jeżeli się nie widzi.
No tak.
Chyba, że się tam cokolwiek widzi, no to można wtedy sobie tak zrobić.
No i później, gdy już to zrobię, no to ten plik transkrybuje w aplikacji MacWhisper.
No i teraz tutaj też zależy, którym modelem, bo nie wszystkie modele się sprawdzają do tworzenia napisów.
Są takie modele, które totalnie się nie sprawdzają, na przykład Whisper V3 silnik C++.
To jest ten taki najszybszy, najlepszy niby.
No właśnie, bo to ja teraz mówię o lokalnym modelu, nie mówię o tych chmurowych.
O tym lokalnym modelu i on jest taki właśnie, że słaba jest synchronizacja napisu.
Czyli powiedzmy już tam ktoś coś mówi, a on dopiero po iluś tam zaczyna te napisy potem odczytywać,
bo te napisy potem są przez syntezator odczytywane.
Ale też jakość tego rozpoznawania, mam wrażenie, że trójka w porównaniu do dwójki jest gorsza.
Tam jest degradacja. Ja kiedyś robiłem testy i ja na przykład cały czas jestem przy large, przy modelu large, ale rzeczywiście w wersji drugiej.
Tak, bo właśnie jeśli chodzi o MacWhispera, ten C++ on jest bardzo dokładny, czyli bardzo dużo wychwytuje szczegółów.
Natomiast właśnie w tej wersji V3 to on lubi się zapętlać, to jest w ogóle jedna rzecz.
Ale może ci brakuje ramów?
Nie, nie, to jest taka domena tego modelu, że on po prostu się zapętla.
Zapętlanie to jest jeszcze inna rzecz, tylko ja nie wiem czy jesteś w stanie zarządzać parametrami tego Wispera,
bo z moich na przykład testów, tam jest w Wisperze taki parametr condition on previous text.
I jeżeli jest zapętlenie, jeżeli w danym materiale ma miejsce właśnie zapętlenie, to jeżeli to się ustawi na false, to daje to lepsze efekty.
Na przykład w Tyflopodcastach nagminnym problemem jest zapętlanie się Wispera na frazach, nawet i w modelu drugim, na frazach wymawianych przez syntezator.
I wtedy trzeba ustawić condition on previous text na false i wtedy jeżeli to się ustawi, to wtedy te efekty są lepsze.
On na przykład jeżeli jest taka audycja jak dziś, jak sobie tu rozmawiacie, to spokojnie można dać na true, bo wtedy on sobie po prostu lepiej radzi z wykrywaniem kolejnych słów z kontekstu,
jak sama nazwa tego parametru wskazuje. Natomiast jeżeli jest synteza, to trzeba to ustawić na false.
Aha, aha. No to tu właśnie jeśli się tyczy tych seriali, to u mnie jeszcze powiedzmy ten C++, ale on synchronizację ma niestety kiepską, więc się po prostu nie nadaje do robienia napisów, to się nie nadaje.
I u mnie takimi modelami lokalnymi, które się fajnie sprawdzają, aczkolwiek dokładność będzie troszeczkę niższa,
ale będą dużo tekstu wychwytywać. To jest właśnie Whisper V3 Turbo w silniku WhisperKit, tam przynajmniej w MacWhisperze.
I tutaj on dużo tekstu wychwytuje, bo na przykład u mnie ten Whisper V3 Large bez turbo, to on w tym WhisperKit silniku lubi mi dużo tekstu łykać po prostu.
Pomija początek, ileś linijek, gdzieś tam dużo mniej tego tekstu wychwyci. Nie wiem czy to jest nawet te chmurowe Whisper, tam chyba od groka próbowałam i tam był właśnie model Whisper V3 i on mi dużo tekstu łyka.
Więc tak bym powiedziała, że się to słabo u mnie sprawdza. Ja najczęściej właśnie teraz robię tym właśnie Whisper V3 Turbo albo właśnie od NVIDII ten model Parakeet.
On jest bardzo szybkim, lokalnym modelem, bardzo szybko, praktycznie godzinny serial, pół minuty przetransmisji. Tak, mniej dokładny, to się zgadza, więc on dużo tekstu wychwytuje, ale niestety więcej błędów robi.
Więc jeśli chodzi o błędy, to więcej on ich narobi. No wiadomo, że te modele large, jeśli chodzi o te modele lokalne, no to one jednak będą bardziej dokładnie dyktować, no ale właśnie u mnie ten WhisperKit, ten silnik, ten Whisper V3, on dużo tekstu łyka.
No więc to się tak mniej sprawdza. Więc ten Turbo model to teraz, tak bym powiedziała, przoduje. I ElevenLabs mi się sprawdza. No na przykład konferencję Apple transkrybowałam, robiłam napisy, umieszczałam na blogu.
I on bardzo dokładnie, bardzo ma dobre… Kiedy zaczyna być wypowiadany tekst, to już napis jest odczytywany od razu. Ale on z kolei bierze wszystko pełnymi zdaniami, czyli jeden, powiedzmy, segment napisów to jest złożony ze zdania całego.
Gdzie te lokalne modele mają możliwość, żeby były dzielone tam na ileś słów. Przez to on jakby bardziej się wpasowuje w napisy, w synchronizację po prostu tego, co ktoś mówi.
Bo w tym ElevenLabs zdarza się, w tych modelach lokalnych też można dać, żeby te napisy się układały zdaniami, bo on czasem sobie trzy zdania traktuje jako jedno zdanie.
Podczas gdy ktoś potem jest jakiś dialog na przykład, tak, nie, takie krótkie wypowiedzi, to potem leci napis, wszystko zostanie wypowiedziane, a postać dalej jeszcze lecą te dialogi i nie idzie się połapać, kto co mówi wtedy.
Bo jest desynchronizacja i to właśnie zależy do czego się używa pełnymi zdaniami. No są plusy i minusy zastosowania tego, to by trzeba było dłużej mówić, ale…
ElevenLabs na przykład do takich typów właśnie konferencji, jakichś podcast, gdzie jest taki czysty dźwięk, nie ma muzyki, w tle gdzieś jakieś zakłócaczy, to mi się to lepiej sprawdza.
Wtedy taki ElevenLabs właśnie bardzo ładnie transkrybuje, naprawdę mało tekstu pomija, wychwytuje dużo, jest dokładny, bardzo dokładny i dużo tekstu wychwytuje, nie pomija w tym sensie dużo tekstu.
Więc to wszystko zależy do czego. No i później już, jak już to wszystko mam przetranskrybowane, no to eksportuję ten plik, ten przetranskrybowany tekst do pliku napisu w formacie SRT.
No i później po prostu metodą chałupniczą można powiedzieć biorę i w TextEdit właśnie sobie wklejam całą, no mam ten plik tych napisów, a plik napisów no to składa się z numeru porządkowego znaczniku czasu, no i później treść napisów.
No i powiedziałam sztucznej inteligencji, żeby mi to przetłumaczyła na język polski, tak żeby ten tekst nie był traktowany dosłownie, tylko są wyrazy takie po angielsku, które na przykład do you copy, czyli mnie słyszysz powiedzmy w takim kontekście, a nie żeby mi to tłumaczył skopiuj to.
Tak jak na przykład tłumacz Google mi tak tłumaczył. I zachowaj mi znaczniki czasu. No i on te znaczniki czasu zachowuje, tylko muszę to fragmentami kopiować. Z jednego pliku sobie wycinam, wklejam sztucznej inteligencji do tłumaczenia i to co sztuczna inteligencja przetłumaczy wklejam do innego pliku.
No i dzięki temu się nie gubię ile mam już, który fragment już dałam do transkrypcji, do tłumaczenia.
Do tłumaczenia.
Do tłumaczenia. No i też te numery porządkowe tych napisów one pomagają, bo powiedzmy, że sobie tak tych 150 tych numerów biorę. Do 150 za jednym zamachem, żeby dać mu do tłumaczenia, bo jak jest więcej to on potem gubi te napisy, on się już tam w tym gubi.
Jest problem, więc tak 150 do 200 góra biorę tych napisów, no i jak sobie to tak już przetłumaczę, to to co mam w jednym pliku i wszystko już miałam wycięte z tego pliku SRT, no to przyklejam tam do tego pliku SRT, no i zachowuję.
No i później jak już to mam zachowane…
Aha, też nie można zmieniać nazwy pliku. Trzeba pamiętać, żeby ta nazwa była taka sama jak wideo, bo inaczej program później za pomocą którego będziemy chcieli odtwarzać sobie film czy serial, no to on tych napisów nie rozpozna odpowiednio.
No i gdy już to mamy zrobione, no to ja później używam aplikacji Movist Pro, żeby sobie te napisy po prostu za pomocą syntezy, też tam można właśnie wybrać wszystko to, co mamy dostępne na Maku, czyli tam Ewę, Zosię i Krzysztofa, albo w wersji podstawowych, albo rozszerzonych.
No i uruchamiam po prostu, a warto sobie w ustawieniach zaznaczyć dość szybką mowę, przynajmniej 322 słowa na minutę, do 400 maksymalnie. Najlepiej 400, bo wtedy jest pewność, że nic się nie straci gdzieś tam po drodze.
No i opcja kolejkowania napisów. Tam jest właśnie, żeby on domyślnie jest to ustawione. Wtedy po prostu mamy pewność, że żaden napis nie zostanie pominięty. Tak jak jest na przykład, gdy odtwarzamy na iPhone, na przykład w aplikacji TV, no to jeżeli pojawia się nowy napis, a za wolno mamy ustawioną syntezę, no to ta synteza powiedzmy w pół zdania nam przerwie i zaczyna czytać ten napis, który się na nowo pojawił.
A jeżeli mamy to kolejkowanie ustawione, no to on będzie czytał wszystko, tylko że znowu jak mamy za wolno ustawione napisy, to zacznie się desynchronizacja napisów. On będzie sobie tam wolno czytał, a dialogi będą szybciej szły.
Więc trzeba sobie po prostu tą prędkość zdawać sprawę, że muszą być raczej szybciej ustawione niż wolniej, aczkolwiek to też zależy od tempa danego powiedzmy filmu, serialu.
No i dzięki temu można się właśnie zapoznać na spokojnie z wszystkim tym, właściwie w dowolnym języku, nie tylko w angielskim, bo czy tam hiszpańskim, czy jakimkolwiek innym.
Możemy sobie stworzyć napisy i zapoznać się z tym, a ile też jest takich filmów, gdzie jest tylko po hiszpańsku na przykład audiodeskrypcja, no ja hiszpańskiego w ogóle nie znam, może tam parę słówek i tyle.
Więc no jest to… i taka przetranskrybowanie tego pliku powiedzmy, no jak już, znaczy tłumaczenie tego pliku powiedzmy to tak 20 minut tak mi zajmuje, no więc…
No ja jestem bardzo zadowolona z tego, bo dzięki temu mogę się naprawdę zapoznawać z produkcjami, które są bardzo interesujące, bez znajomości tak bardzo biegłej znajomości języka.
Rozumiem jest jedynie taki, że jeżeli masz audiodeskrypcję i dialogi, czy lektora, czy kogokolwiek w jednym pliku, no to wtedy mamy głos syntetyczny, jakby czytający wszystko, jeden, bez względu na to czy jest to dialog, czy jest to audiodeskrypcja, czy jest to jeszcze cokolwiek innego.
No to wszystko jest czytane jedną syntezą.
Tak, jednym głosem, tak. No to by trzeba było już duże prace, żeby można byłoby to zrobić, ale to by było za zabawy, byłoby z tym co nie miara, ale mnie to nie przeszkadza szczerze powiem.
Ja się przyzwyczaiłam do tego, że jest jedna synteza, w sumie w każdym filmie jest jedna synteza, więc mnie to nie przeszkadza.
Mnie to jakoś nie przeszkadza, ale na przykład mojemu znajomemu tak. On by tak na przykład wolał, żeby były różne syntezy, że synteza inna do właśnie audiodeskrypcji, a inna synteza do dialogów.
A mi to nie przeszkadza. Ja się cieszę po prostu, tak się tym ucieszyłam, że w sumie tak na to wpadłam dopiero po jakimś tam czasie, ale wpadłam.
No i jestem szczęśliwa po prostu, że mogę sobie w ten sposób poradzić, bo właśnie zapoznawać się z tym co chcę, przetranskrybować sobie, zrobić napisy.
Pozostaje życzyć, żeby te modele działały coraz lepiej, żeby się MacWhisper też jeszcze nie psuł dostępnościowo bardziej.
W sumie, słuchajcie, ja mam pomysł jak można by było to zrobić i to nawet nie jakimś bardzo wielkim kosztem. Trzeba by było zrobić dwa przebiegi tak naprawdę.
Trzeba by było nagrać ścieżkę taką standardową, bez audiodeskrypcji, przepuścić przez Whispera, potem nagrać z audiodeskrypcją, przepuścić przez Whispera,
dać te dwa pliki do AI i kazać, żeby zrobił z tego różnicówkę, czyli jeden plik z ścieżką taką, gdzie są te elementy wspólne.
Więc zakładamy, że elementy wspólne są to elementy dialogowe, a różnica będzie audiodeskrypcją.
Tylko ja się obawiam, że on będzie miał problem z połączeniem tych znaczników czasu, bo będą dwa odrębne, to może być problem.
Tak, to by trzeba było… i potem z tego trzeba by było stworzyć trzeci plik, też z użyciem AI, który nam połączy te dwa wcześniejsze i dobierze odpowiednie kody czasowe.
Tak, to… no i tu trzeba by było jeszcze oczywiście się, wiadomo, jakoś tam pobawić z oprogramowaniem, w którym można by było przypisać dwa głosy.
No, ale jest to jakiś pomysł.
Tak, dałoby się, oczywiście. To nawet można by było to zrobić właśnie w taki sposób, tak jak mówisz, że nagrać jeden plik, powiedzmy, z audiodeskrypcją,
a ten drugi, no, z samymi tam dialogami też, no i później na przykład ten jeden, no nie wiem, wyciąć te dialogi i nagrać tylko tą audiodeskrypcję, jakby z wyciszonym audio i później jakby same dialogi, nie? Osobno.
No też teoretycznie, ale zabawy w tym co nie miara, no. Byłoby. Natomiast by się dało, no na pewno by się dało, no.
Ale też to jest ciekawe, że tak opowiadasz o tych kluczach, o tych różnych, no wcześniej tam w MacWhisperze też te różne klucze, ale z tego co mi mówiłaś i co sobie też zapisałem do naszych notatek,
tak zasadniczo, tak produkcyjnie poza tą, poza tym tworzeniem treści do tych napisów, poza dyktowaniem, no używasz darmowych modeli na co dzień sztucznej inteligencji, prawda? Nie używasz modeli pro.
Tak, tak, zgadza się. Ja używam wszystkiego podstawowym.
Ale bardziej z przeglądarki czy z aplikacji na iPhona?
Ja bardziej z przeglądarki, jest mi wygodniejsza, chociaż teraz właśnie na przykład chat GPT to się tak powiedziałabym popsuł.
Na marku ponoć się popsuł, no Maciej bardzo narzeka.
A to ja nawet już z aplikacji jako takiej nie korzystam, tylko ja sobie zrobiłam…
Nie, nie, nie, właśnie z przeglądarkowego narzeka w Safari.
Tak, jest ciężko, tak.
To nie, na Windowsie jest super, na Windowsie jest ekstra.
Tu się pląta focus, gdzieś tam trzeba właśnie sobie włączyć szybką nawigację, żeby się poruszać gdzieś tam po przyciskach, żeby gdzieś dojść, bo on się tam jakby blokuje.
Natomiast da się, nie? Wolę na komputerze mimo wszystko niż na iPhonie, bo na iPhonie też tam się dzieją różne rzeczy.
I tak naprawdę, szczerze powiedziawszy, to nie jest co.
Chociaż ten interfejs czata GPT pod Windowsem, to ja też mam wrażenie, że trochę regres nastąpił.
Ja nie wiem, Michale, czy ty korzystasz z projektów, bo ja korzystam, a widzisz.
Bo ja korzystam z projektów i to jest fajny sposób na uporządkowanie sobie wiedzy.
Znaczy, ja teraz już bardzo mało korzystam z GPT, z aplikacji, a teraz bardzo dużo korzystam z agentów.
I to jest coś, co, no ja w zasadzie powiedzmy dziewięćdziesiąt parę procent mojej pracy ze sztuczną inteligencją to jest terminal.
Natomiast jeżeli czasem jeszcze sięgam po jakieś zapisane prompty w projektach, to ten czat GPT pod Windowsem też już wcale nie jest taki fajny.
Bo ten pasek, on się czasem potrafi schować, potem kiedy się go rozwinie, to nagle się okazuje, że go tak naprawdę nie ma.
Trzeba wejść w jakiś zagnieżdżony obiekt i dopiero on nam się potem rozwija, możemy tam wejść.
Tam coś jest. Gdybym miał tego używać na co dzień i miałbym korzystać z tego dużo, to by mnie to irytowało.
To nie jest to, co było jeszcze jakiś czas temu. Da się, ale tak bez przyjemności.
Aha.
No właśnie, ten czat GPT to tak bym powiedziała, ten regres jest widoczny na Macu, zwłaszcza powiedziałabym.
Kiedyś było fajnie, zwłaszcza na stronie internetowej, bo aplikacja jednak natywna to się tak…
Tam w ogóle był problem poruszania się po czacie, trzeba było tam używać metodyki powiedziałabym niestandardowej, gdzieś rozdzielanie kursorów.
No to wtedy jakoś to tam się dało po tym czacie poruszać, ale żeby to było wygodne, to bym tego nie powiedziała.
No i później tam ktoś napisał, że sobie właśnie zrobił aplikację ze strony internetowej.
No i ja tak zrobiłam i w sumie od tego czasu się fajnie zaczęło dziać.
A i teraz jeszcze właśnie nie są odczytywane odpowiedzi na Macu na bieżąco.
Te obszary dynamiczne nie są gdzieś tam odczytywane, czy tam nawet właśnie nie ma tych obszarów dynamicznych.
A tego akurat w Windowsie też chyba nie ma. I to mi akurat odpowiada, bo za dużo mi gadał kiedyś, więc tego nie zrobiłem.
Ja lubiłam właśnie, że on mi odpowiedział, jak ja mu coś zadałam pytanie, to on mi to od razu czytał, jak już skończył myśleć.
A teraz jest myślę i tyle. Myślę, skończyłem myśleć, no i teraz szukaj tej odpowiedzi.
Kurczę i to jest frustrujące.
Ale mimo wszystko tym twoim modelem głównym w komputerze to jest GPT, czy też może Gemini, czy coś jeszcze innego?
Na komputerze bardziej GPT używam, choć Gemini w tej podstawowej wersji też używam oczywiście.
Ale z poziomu przeglądarki, czy tej aplikacji, o której Piotr ostatnio pisał?
Aplikacji, tak.
I ona jest okej, jakbyś o niej polecał?
Polecam ją, aczkolwiek, bo właśnie tu jest fajnie, bo jest właśnie odczytywane od razu, jeżeli ja mu zadam pytanie i on mi coś odpowiada, to on od razu to odczytuje i mi się to bardzo właśnie podoba.
Natomiast już też jest problem, jeśli się wchodzi już tam, chce się po tej odpowiedzi poruszać, to jest problem.
I żeby ją skopiować, to tam trzeba ileś razy w interakcję, jest jakby dwukrotnie, jest taka jakby tabelka.
I jest powtórzony dwukrotnie w jednej tam, powiedzmy, kolumnie, są tak jakby dwa razy ta sama odpowiedź.
I teraz tą drugą odpowiedzią trzeba wejść w interakcję, żeby znaleźć przyciski, kopiuj, czy tam dobra odpowiedź, niedobra odpowiedź i tego typu rzeczy.
No i to jest takie, powiedziałabym, niefajne do… jak już się wie jak, no to tam jakoś idzie.
Nie, ale żeby to było jakoś wygodne. Nie jest to tak niewygodne, jak było to w aplikacji czata GPT, ale jednak to by mogło być lepiej zrobione.
Aczkolwiek właśnie to, że on odczytuje te odpowiedzi, to jest fajne. No i generalnie dużo lepiej się po całym ogólnie tym interfejsie dużo lepiej się porusza niż na czacie GPT obecnie.
Więc ja tam czasem jakieś zdjęcia mu daję, czy właśnie coś potrzebuję na szybko, to on mi to przetwarza, czy przetłumaczyć jakiś tekst gdzieś, to tak.
No tak, Gemini do tłumaczeń to bardzo fajnie, tak ogólnie. I jeszcze z jakiegoś czegoś kowystarsz? Może z jakichś jeszcze modeli innych, coś?
Głównie z Gemini i właśnie z czata GPT, ale muszę powiedzieć też, że jeśli chodzi o Gemini na telefonie, to bardzo sobie cenię ten tryb strumienia wideo.
Mówisz o tym live, ten Gemini Live, tak?
Tak, Gemini Live i tam jak się mu udostępnia strumień wideo, czyli on widzi to, co my gdzieś tam przez okiem kamery naszego aparatu. Widzi, on sobie takie zrzuty ekranu szybkie robi.
Bo to nie jest tak, że on dosłownie na żywo to widzi, co jak my przesuwamy kamerę, to on widzi te zmiany od razu. Tylko on sobie robi taki zrzut ekranu i dopiero wtedy nam opisuje.
Ale robi to dość szybko i powiedziałabym, że się to teraz bardzo poprawiło względem tego, co było na początku. Bo na początku działało to dość fajnie, ale on mało informacji podawał.
Trzeba było od niego wyduszać dosłownie te informacje, żeby on jakieś szczegóły podał, bo on powiedział trzy słowa i koniec.
Potem nastąpił regres, bardzo duży regres. On w ogóle takie głupoty gadał, że gdzieś tam odżywkę do włosów, to stwierdził, że to jest szampon koloryzujący.
Ja mu mówię, ale nie zgaduj tego. Ale on dalej uparł się, skoro nie szampon koloryzujący, to pianka koloryzująca.
I tak się uwziął i koniec.
Źle w ogóle odczytywał, nie potrafił sobie w ogóle radzić. Totalna zmiana na niekorzyść.
A teraz działa to znowu bardzo fajnie i można się tym modelem wspierać.
Nawet miałam takie śmieszne sytuacje, że stałam sobie przed sklepem czekając na moją mamę, a ona była gdzieś tam na zakupach.
No i ja tak sobie testowałam ten strumień wideo, właśnie jak to działa, no i tam pytałam go o różne szczegóły.
No i taka pani sobie przechodziła i zapytała mnie, czy mi nie pomóc coś, czy potrzebuję pomocy, żeby wejść do sklepu.
Ja mówię, że nie, że nie, że nie potrzebuję pomocy. No i ja byłam przekonana, że ta sztuczna inteligencja, bo ona cały czas była w nasłuchu, że ona zacznie tam coś nawijać.
A ona tak jakby cicho sobie siedziała, nic nie mówiła. Ja tam z tą panią sobie konwersowałam, w końcu doszłyśmy do tego, że nie potrzebuję pomocy, a testuję sobie aplikację.
No i jak już ta pani poszła, to nagle Gemini się odzywa i mówi do mnie tak, a to widzę, że już nie potrzebujesz pomocy, to ja nie będę przeszkadzać.
I autentycznie sytuacja z życia wzięta. Kolejna sytuacja, gdzie mnie on zaskoczył, to jak np. się pytałam, jaka jest pogoda za oknem i ile jest chmur na niebie.
Czy dużo, czy mało? No to on mi tam odpowiedział, że jest dużo chmur, że mogą zwiastować deszcz, bo to są tam chmury, tam jakiś cirrus. No i jak ja już stwierdziłam, znaczy on się mnie zapytał po prostu, czy chce jeszcze więcej informacji na temat tych chmur uzyskać.
A ja mu powiedziałam, nie, dziękuję, na co on mi szkoda. Także potrafił mnie naprawdę zaskoczyć i tak pozytywnie, że on tak np. z tą panią, gdzie ja tam przed tym sklepem stałam, że on tak inteligentnie nasłuchiwał, sobie słuchał, słuchał, słuchał, ale nie odzywał się w ogóle tam.
Dopiero jak skończyłam rozmawiać, to on się odezwał. No to dla mnie było takie niesamowite i to było na początkach właśnie tego, jak wszedł ten właśnie Gemini Live.
No ja się nie wypowiem, bo mało z tego Gemini Live’a korzystałem, bo on mi zawsze tak wolno odpowiadał. Jakoś nie umiem, wszystkie te na żywo mnie denerwowały, że tam synteza Google, że tego nie dało się jakoś tam przyspieszyć, coś tam. No i te tryby interakcji mnie drażniły.
No, ale mówię, przydaje mi się na przykład, przydało jeszcze kiedyś takie sytuacja, gdzie zakrętka mi spadła od kropli do oczu. I ja mówię, o nie, znowu muszę wołać gdzieś tam moją mamę, albo nie wiem, fatygować, żeby mi znalazła, bo ja to niestety w szukaniu takich małych elementów jestem kiepska.
No i ja dobra, spróbuję go zapytać, może mi pomoże. No i pytam się, czy widzi tam zakrętkę. Ustawiłam ten aparat, mówi nie, widzi tylko wodę mineralną. Ale gdybym zmieniła perspektywę tej kamery, czy może wtedy będzie lepiej.
No to ja tak podeszłam, bo tak wnioskowałam, że gdzieś koło łóżka to spadła ta zakrętka. No i tak, czy widzisz zakrętkę, to jest zakrętka od kropli do oczu.
O, widzę ją, mi mówi. Kucnij sobie i ona jest tak mniej więcej na środku, przy krawędzi łóżka. I ja kucnęłam i dosłownie tam była ta zakrętka. I ja ją znalazłam, bardzo szybko.
Także no to się potrafi tak. Nawet w tej darmowej wersji można wyciągnąć gdzieś tam jakieś rzeczy, czy w ogóle np. czytać GPT do poprawiania, czy tłumaczenie. Tłumaczenie tekstu to jest głównym moim zastosowaniem.
Czy też tworzenie… Nawet kolega gdzieś tam prosił mnie o pomoc w tworzeniu, utworzeniu grafiki. On pisze wiersze, więc gdzieś tam ten jego wiersz. I żeby była grafika jakiejś lokomotywy.
Ja sobie myślę, o kurde, teraz szukaj kobieto, lokomotywy, jak to zrobić, żeby ten tekst był gdzieś widoczny, żeby ta lokomotywa gdzieś tam nie zaburzała tego tekstu, żeby ten kontrast był itd.
Mówię, a spróbuję dać. I w sumie to był chyba pierwszy raz, kiedy korzystałam w ten sposób, żeby mi tam czat GPT utworzył obraz. No utworzył obraz i podobno nawet ładnie wyglądał. Problemem natomiast było to, że tekst sobie przetłumaczył na czeski. Nie wiedzieliście dlaczego.
Ale co przetłumaczył na czeski?
Ten wiersz, który tam miał być na tym obrazku, nie? Dołączony do…
A, bo o to chodziło. Myślałem, że nie, że w pliku graficznym jest wiersz, tylko że po prostu dołączony w sensie, że jest tekst i osobno plik graficzny. A to chodziło, że tekst jest częścią tego pliku graficznego.
I co? I nagle na czeski.
Tak. Ja mówię, o kurczę, co to? Nie wiedziałam. Taka zadowolona. Jeszcze się pytałam, czy jest okej. No jest okej. No mówił, że dał to do sprawdzenia gdzieś tam u siebie w domu i że na czeski przetłumaczył. Ale jaja.
No i tak mówię, że to tak też… Ale jak powiedzmy już mu tam dałam dobry, jeszcze ulepszony prąd, no to potrafił zrobić fajnie grafikę. No i do tego już sobie dodałam muzykę. Już sama to robiła mnie już za pomocą sztucznej inteligencji.
Złączyłam obrazek z tą muzyką za pomocą aplikacji Permute, bo to też jest taka aplikacja, z której korzystam ostatnio nagminnie.
Permute. Aha, że to były te aplikacje Downie, Permute i jakaś tam ta druga.
Tak, głównie do zmiany formatów aplików. Ma też właśnie inne zastosowania, ale generalnie naprawdę jest bardzo fajna. Dla mnie prosta w użyciu i ja stwierdziłam, że mi niepotrzebna, chociaż mi została już polecona dawno temu, ale mówię, no kurczę, po co mi ona.
Ona wchodzi w skład tego pakietu też setup, jeżeli ktoś korzysta. Ten setup coraz droższy, no ale jeżeli, bo tych aplikacji tam jest bardzo dużo i rzeczywiście…
Tak, ponad dwieście.
Tak, o jak pewnie jest czysto.
Nawet nie wiem czy nie koło trzystu.
Dwieście to było kiedyś.
Kiedyś, no.
Tak i Permute jedną, że chyba dobrze pamiętam, że Arek chyba o Permute, tak, był o Permute jakiś podcast też u nas.
Tak, była audycja.
Mamy telefon, więc odbierzmy. Kto jest z nami?
No z tej strony Patryk.
Cześć Patryku, słuchamy.
Witam.
No i ja tutaj też chciałem się tutaj podzielić jakimiś wrażeniami na temat Gemini’a i w ogóle tego trybu live, bo ja z niego korzystam.
I wyobraźcie sobie, była taka sytuacja, no dostałem rower tamten i trzeba było go tam troszkę udoskonalić.
I jakby praca z tym aparatem i w ogóle pokazywanie mu tych różnych rzeczy, które tam były, jakieś regulacje hamulców i w ogóle.
Ja dzięki sztucznej inteligencji, ja ten rower zrobiłem.
To co on tam mówił, to się wszystko po prostu sprawdziło, więc naprawdę, no do takich rzeczy można też używać i to po prostu działa.
I w ogóle mam wrażenie, że przez ostatnie pół roku, no to się mega jakoś tak poprawiło.
Dużo, dużo bardziej dokładniej to gdzieś tam pomaga, tłumaczy.
Ostatnio też sytuacja taka z basenem.
Przebił się basen, no to co? Pytam, co zrobić?
No to Gemini mi tutaj wytłumaczył, że są takie łatki, w ogóle, że można je sobie tam kleić pod wodą.
I faktycznie, były takie łatki i teraz pojawił się drugi problem.
Tam było, bo ja jestem osobą słabowidzącą ogólnie, ale tam była tak drobna ta instrukcja, że ja nie byłem w stanie przeczytać.
No to od razu pokazałem właśnie dla Gemini’a tą łatkę, jak to się stosuje.
Wszystko mi wytłumaczyło, zrobiłem działa, więc naprawdę, do takich nawet prostych rzeczy jesteśmy w stanie wykorzystać takiego Gemini’a.
Więc naprawdę, ja jestem pod wrażeniem ogólnie.
Pewnie, pewnie. Super zastosowanie.
Naprawdę, więc ja ogólnie polecam eksperymentować, bo naprawdę można ciekawych rzeczy się też nauczyć przy tym.
Bo to też nie chodzi o to, żeby to wszystko za nas robiło, ale żeby nas też inspirowało.
I naprawdę można bardzo ciekawe rzeczy nawet przedyskutować i sobie naprawdę wiele rzeczy można wyjaśnić.
Tak, ja tak na przykład o dźwiękowe sprawy go też nieraz wypytywałam, jak czegoś nie rozumiałam, weź mi wytłumacz.
To on takie mi, tak łopatologicznie mi to potrafił wytłumaczyć na w cudzysłowie chłopski rozum.
I dzięki temu ja mogłam zrozumieć, bo artykuły to tak technicznym językiem napisane, że ja nic z tego nie rozumiałam, naprawdę.
A on mi to tak takimi różnymi przykładami, gdzie do mnie to trafiało.
Na zasadzie, że obraź sobie sytuację, że… i przykład z życia.
I to tak do mnie trafiało.
Fajnie tłumaczone.
No mówię, tylko, że ja cały czas polecam też podejść do tego trochę też technicznie.
No fajnie mieć w telefonie, jeżeli korzystamy z tego trybu live, no to mieć taki nawyk.
Wycieramy sobie zawsze chusteczką obiektyw.
I żeby po prostu korzystać mimo wszystko z jakichś tam lepszych telefonów do tego.
Bo naprawdę, no jakieś takie słabsze iPhone’y, czy już nie mówię o jakichś Androidach takich z niższej półki, no to nie.
To nie działa tak fajnie jak na…
No teraz z Pixel’a akurat korzystam.
No to jest fenomenalne urządzenie do Gemini.
Ja naprawdę, już abstrahując od tego wszystkiego, ten aparat tam…
Znaczy bardziej chodzi o te szczegóły.
I on wtedy przez to się nie myli.
Jeżeli coś mu tam pokazujemy, no to ten aparat jest na tyle dobry i to wszystko jakoś tak razem współpracuje, że to się bardzo rzadko myli.
No ja nawet widzę, jeśli chodzi o aparaty, już jak jest właśnie lepszy aparat, no to dużo lepiej rozpoznawały nawet te zwykłe OCR-y.
Tak, tak.
Właśnie.
Tak.
Więc, no to jest takie moje przemyślenie.
Więc tyle ode mnie.
Słucham dalej.
Dzięki Patryku za telefon.
W takim razie i do usłyszenia.
I jeszcze skoro już tutaj jesteśmy przy waszych głosach, to wiadomość mieliśmy także od Dawida, który wspominał a propos komputerów Dell,
że w Dell’u brakowało mu klawisza menu kontekstowego na przykład.
A jeszcze mamy…
I to jest ciekawa wiadomość.
Mam osoby z dalszej rodziny, które używają udźwiękowienia w iPhonie.
Mówią, że udźwiękowienie w telefonie im pomaga w lepszym poruszaniu się po ekranie dotykowym, mimo że są osobami widzącymi.
To VoiceOver pomaga im w obsłudze telefonu.
Zapobiega przypadkowym wejściom w aplikację, której nie chcą otworzyć.
Mowa w telefonie też pomaga osobom widzącym.
Sam się z tym osobiście spotkałem.
To ja, jeśli mogę jeszcze na ten temat coś powiedzieć, to ja na przykład mojej mamie, jak ona czasami emotikonów nie widzi, bo one są dość małe, to ja mówię, włącz sobie VoiceOver.
I on ci przeczyta prawidłowo, co to jest za emotikon.
I tak samo na przykład w ustawieniach, bo tam jest wszystko graficznie.
I moja mama mnie nieraz pyta, a co to są za kropelki?
No to ja jej mówię, włącz sobie VoiceOvera i najeźdź na to palcem, na ten obrazek i on ci przeczyta, co to jest.
Chyba z Michałem straciliśmy połączeń. Michale, czy ty jesteś z nami?
Jestem.
Jestem?
Jesteś.
Osoby widzące jednak mają takie, mam wrażenie, problem, że często się wkurzały.
Ja tak się spotkałem, kiedy ten VoiceOver się włączał.
W sensie, kiedy ten przycisk power jakoś tam za szybko nacisnęły trzy razy, no to jednak ten VoiceOver się włączał.
I że to był, spotkałem się jakiś tam dla ludzi problem.
No i jednak, tak jak ktoś nie wie, o co chodzi, to też problemem jest to używanie VoiceOvera w takim sensie, że tutaj trzeba wszystko dotykać podwójnie.
To nie jest oczywiste dla ludzi.
Nie sądzę, żeby to było jakoś powszechne takie zastosowanie używania VoiceOvera pośród osób widzących, ale bardzo dobrze, że i w ten sposób można.
To jest jedna rzecz.
No a menu kontekstowe, komputery Dell.
Teraz już od kilku lat niestety we wszystkich właściwych laptopach nie ma, a nawet w klawiaturach zewnętrznych, prawie że tego menu, klawisza osobnego, menu kontekstowego niestety nie ma.
I to jest, no dla nas jest to problem.
Ten Shift F10 jakoś tam działa.
To zasadniczo nie jest to samo, ale prawie że jest to samo zazwyczaj.
Też można w NVDA sobie zrobić jakąś tam emulację, żeby inny klawisz, na przykład numeryczna kropka, albo coś działało nam jako menu kontekstowe.
No i takie mamy niestety możliwości.
Ja nawet jeszcze powiem, tak wtrącę, że u mnie na przykład Shift F10 nigdy nie działał na Dellu.
Ja miałam coś, połączenie kontrol…
Ale Shift F10 to nie jest funkcja, żeby nie było wątpliwości.
W sensie menu kontekstowe.
Tak, ale to jest funkcja Windowsa, to nie jest jakiś patent Della.
Tak, tak, ale u mnie nie działał.
A popatrz.
A czy przypadkiem nie miałaś zrobionego tak, że klawisze funkcyjne działały jako klawisze multimediów?
Bo to jest czasem przyczyna.
To wtedy jest FN.
A, może dlatego.
Możliwe, bo ja wtedy byłam początkująca w ogóle.
Ja jeszcze jako osoba widząca nigdy nie rozumiałam tego tam, właśnie jeśli chodzi o te klawisze funkcyjne.
Dopiero jako osoba niewidoma zostałam oświecona w tym temacie.
I nie pamiętam, przyznaję faktycznie.
Dobra, uwaga.
Pewnie tak.
Pewnie tak było, tak.
A ja używałam jakoś tam kontrol i jakiegoś jeszcze innego.
Może było, bo czasami są takie też właśnie klawisze do jakichś tam laptopów, że kontrol, kontrol FN, czy co.
Różne są możliwości.
Będziemy pewnie powoli się zbliżać do końca audycji.
Ja tak chciałbym zapytać na koniec, czego byśmy sobie, albo czego byś sobie życzyła w technologiach, żeby się lepiej rozwinęło?
Albo co by mogło pomóc ci w pracy?
Albo co, jakie masz być może jakieś plany takie technologiczne, o których byś chciała opowiedzieć, jeżeli chodzi o, nie wiem, urządzenia, oprogramowanie, usprawnienie jakiegoś warsztatu, warsztatu pracy.
No coś takiego.
Na pewno takich rzeczy, które bym sobie życzyła byłoby bardzo dużo.
Ale taką rzeczą, która mi się po prostu ostatnimi czasy marzy, to są takie okulary, za pomocą których mogłabym na żywo mieć instrukcję.
Apple, Google, metro po polsku. Prędzej czy później będą? To pytanie tylko, kiedy, jak i jak bardzo.
Tylko ja bym sobie właśnie tak życzyła, bo brakuje mi tego, no jeszcze jako osoba widząca, no widzi się drogę, idzie się po prostu po tej drodze.
I ja bym tak chciała, żeby sztuczna inteligencja mnie nawigowała, widząc na żywo mniej więcej.
Albo chociaż jakoś tak w miarę potrafiła to interpretować, że teraz skręć w prawo.
Na zasadzie, bo ja to widzę okiem kamery i umiałaby to przetworzyć, że teraz skręć w tą i tą stronę.
I takie instrukcje dać dokładne, że na przykład trzymaj się lewej strony, idź koło tam na przykład, nie wiem, krawężnika, czy trawy, czy czegoś.
Takie instrukcje typowe po niewidomemu, ale żebym ja mogła to tak właśnie stosować.
Jaką drogę wybrać? O, najlepszą drogę, żeby dojść do celu, te punkty orientacyjne, żeby on sobie to tak umiał wziąć jako osoba niewidoma.
Jako taki przewodnik, powiedzmy. Jak na orientacji przestrzennej byłam uczona, no to tam właśnie, że konkretnie jak chodzić.
To żeby ona to już tak potrafiła to właśnie przetworzyć i mówić jak przejść, jak wygląda skrzyżowanie i tak dalej, czy ma tam wysepkę, czy nie ma.
No to byłoby moje takie marzenie teraz na ten moment. To mi się tak marzy. Chyba najbardziej teraz na ten moment.
To skoro jesteśmy przy sztucznej inteligencji jeszcze, to tu mamy jeszcze taką jedną wiadomość głosową od Mateusza tym razem.
Jeszcze co do Gemini, to powiem tak przykład z życia wzięty. Kilka dni temu miałem okazję robić nagranie dla koleżanki do pewnego radia internetowego.
Taki dżingiel wprowadzający i było życzenie, żeby mój głos był bardziej mroczny.
No to dałem tak zwanego pitcha i poprosiłem sztucznego, żeby mi trochę tam powiedział jak mam to ustawić, żeby było bardziej mrocznie.
Jeśli ktoś kojarzy kreskówki Bartosza Walaszka, no to wie jaki tam czasami jest specyficzny dźwięk.
Tak mi skubany to podpowiedział, te wszystkie gałeczki jak to poustawiać, że wyszedł efekt jeden do jednego.
No po prostu rewelacja. Od tego czasu zawsze gdy pracuję nad dźwiękiem, a nie wiem jak ustawić wskaźniki, zawsze pytam się Gemini.
Czyste złoto.
No i to tyle od Mateusza.
No to ja też czasem…
Poprosiłem sztucznego, żeby coś tam gdzieś spodobało.
Ja tak mówię często też, jeśli chodzi o rozmowy prywatne, to ja właśnie tak mówię sztucznego.
Nie znałem takiego kontekstu.
Bo ja tak właśnie często mówię też sztucznego.
To co? Dziękuję bardzo.
Również dziękuję za zaproszenie.
Przypominam, że jest strona, jak się nazywa twój blog i kanał?
Jabłuszkowy Świat.
Jabłuszkowy Świat właśnie, do której odwiedzania zachęcamy.
Tak samo jak zachęcamy do słuchania, albo jeżeli nie da się wysłuchać, bo tego jest dużo, to do czytania deskrypcji i tekstowych opisów podcastów na stronie tyflopodcast.net.
Ale wiadomo, co przesłuchane, to przesłuchane i tak pewnie…
Zawsze można sobie przyspieszyć.
Zawsze można sobie przyspieszyć i wybrać to, co nas, to co kogoś interesuje.
No oczywiście też portal tyfloswiat.pl.
Za niedługo, za jakiś tydzień ukaże się kolejny numer kwartalnika, w którym m.in. będzie artykuł o kluczach API i jeszcze inne artykuły, różne.
Prawdopodobnie też o tej aplikacji Audio Capture Windowsowej, o której dzisiaj mówiliśmy.
Przypomnę, że audycja niedługo się pojawi na stronie tyflopodcast.net i że gościliśmy Agnieszkę Juranek, która nam opowiadała o zastosowaniach sztucznej inteligencji do dyktowania i tworzenia napisów do filmów, m.in.
Był to Tyflopodcast. Pierwszy polski podcast dla niewidomych i słabowidzących. Program współfinansowany ze środków Państwowego Funduszu Rehabilitacji Osób Niepełnosprawnych.