जेव्हा मी न्यूयॉर्कमध्ये लोकांभोवती फिरतो तेव्हा मी माझ्या फोनकडे मजकूर पाठवू शकत नाही. स्पीच-टू-टेक्स्ट टूल्स दुहेरी चालत असताना जलद संप्रेषणासाठी आवश्यक बनले आहेत स्मार्टफोन आणि जमैकन बीफ स्टीक.
समस्या अशी आहे की कधीकधी सिस्टम चुकीच्या पद्धतीने शब्दांचा अर्थ लावते, विरामचिन्हे चुकते किंवा रेकॉर्डिंग पूर्णपणे थांबवते. यामुळे मला पादचारी वाहतुकीच्या मध्यभागी थांबावे लागते, जिथे मला भाषण-ते-मजकूर पुरवणाऱ्या कोणत्याही सोयी काढून टाकून, मला परत येऊन संपादन सुरू करावे लागेल. खरे सांगायचे तर, हे AI वापरून सोडवता येण्याजोगे असले पाहिजे, जे तंत्रज्ञान आपल्याला वळते जागा, वेब ब्राउझ करा आणि आम्ही आमच्या प्रियजनांच्या निधनाबद्दल वाचतोचांगले किंवा वाईट साठी.
थोडी प्रगती झाली आहे. Google ने या वर्षाच्या सुरुवातीला Pixel 6 मालक आणि नवीन उपकरणांसाठी प्रगत व्हॉइस टायपिंग वैशिष्ट्य सादर केले. एकदा सक्षम केल्यावर, तुम्ही तुमच्या आवाजाने मजकूर संपादित करू शकता आणि ऑनबोर्ड AI मागे जाऊन चुकीचे शब्दलेखन सुधारण्यास सक्षम असेल. उदाहरणार्थ, “शेवटचा शब्द हटवा” म्हटल्याने शेवटचा शब्द काढून टाकला जातो, तर “क्लीअर” म्हटल्याने शेवटचे वाक्य काढून टाकले जाते. Pixel 8 आणि नंतरच्या मालकांसाठी, “निराकरण” म्हटल्याने तुमचे मेसेज सुधारण्यासाठी सूचना मिळतील, तुमचे मेसेज साफ करण्यासाठी साध्या टॅपसह. नवीन Pixel फोन वापरणारे त्यांच्या डिव्हाइसला शब्दांची पुनर्रचना किंवा पुनर्स्थित करण्यासाठी आवाजाद्वारे देखील सांगू शकतात. पिक्सेल मालक AI ला नावांचे स्पेलिंग कसे बदलावे हे देखील शिकवू शकतात, जसे की क्रिस्टीनला क्रिस्टीन बदलणे. Pixel 9 आणि 10 मालक (Pixel 9A वगळता, जे विचित्र आहे कारण… त्या दोघांचा प्रोसेसर आणि रॅम एकच आहे) AI चा वापर संदेशांचे प्रूफरीड, सुधारणे किंवा औपचारिकीकरण करण्यासाठी केला जाऊ शकतो.
सर्व नवीन वैशिष्ट्ये जाणून घेण्यासाठी काही वेळ लागू शकतो. परंतु एकदा स्थापित झाल्यानंतर, व्हॉइस-टू-टेक्स्ट वापरण्याची प्रक्रिया कमी क्लिष्ट होते. परंतु ते पूर्णपणे कार्य करत नाही आणि सुधारणेसाठी जागा आहे.
पिक्सेल उपकरणांमध्ये अत्याधुनिक प्रोसेसर किंवा उच्च-रिझोल्यूशन कॅमेरे नसले तरी, Google स्वतःला सॅमसंग आणि मोटोरोला सारख्या प्रतिस्पर्ध्यांपेक्षा त्याच्या मजबूत सॉफ्टवेअर समर्थनासह वेगळे करते, जे केवळ कृत्रिम बुद्धिमत्तेद्वारे समर्थित आहे. विशेष म्हणजे, पिक्सेलची विक्री झपाट्याने वाढत आहे, परंतु कंपनी जवळजवळ $600 अब्ज किमतीच्या स्मार्टफोन मार्केटवर वर्चस्व गाजवू इच्छित नाही. गुगलने या वर्षाच्या सुरुवातीला ब्लूमबर्गला दिलेल्या मुलाखतीत याची कबुली दिली होती. त्याऐवजी, Google चे मुख्य व्यवसाय धोरण आता कृत्रिम बुद्धिमत्तेभोवती फिरते. ऍपल असो वा सॅमसंग, दोघेही (असे म्हटले जाते) Google मिथुन वापरण्यासाठी.
जरी पिक्सेल फोन कमकुवत आहेत आणि AI शर्यतीत Google ची ताकद लक्षात घेता, त्याच्या तंत्रज्ञानाची क्षमता प्रदर्शित करण्यासाठी AI-शक्तीच्या मजकुरात आवाज कसा रूपांतरित करायचा हे माहित असणे आवश्यक आहे, ज्यापर्यंत Google अद्याप पोहोचलेले नाही. याचा अर्थ उर्वरित उद्योगांना सिद्ध करणे Google वर अवलंबून आहे की त्याचे मोबाइल एआय सोल्यूशन्स सर्वोत्कृष्ट आहेत, आणि त्याचे Pixel फोन हे अत्याधुनिकतेचे प्रदर्शन करतात. ते तुमच्यासाठी कसे कार्य करू शकते ते येथे आहे.
जेव्हा प्रगत व्हॉइस टायपिंग कार्य करते, तेव्हा ते छान आहे
Google चे AI तुमच्या आवाजाने बदलणे किंवा शब्द बदलणे हे पाहणे छान आहे. त्याला आदेशाची अंमलबजावणी करण्याऐवजी तुम्ही दिलेली आज्ञा लिहून पाहणे तितके मोठे नाही.
यामुळे प्रगत व्हॉइस टायपिंग बकवास वाटते. जेव्हा ते कार्य करते, तेव्हा ते छान आहे. परंतु मेसेजिंगसाठी अभिप्रेत असलेले शब्द आणि निश्चित करणे आवश्यक असलेल्या शब्दांमध्ये फरक करण्यासाठी एआय किती वेळा संघर्ष करते हे लक्षणीय आहे.
ही यादृच्छिकता विचित्र आहे कारण Google Gemini ॲप माझ्या डिव्हाइसवर आहे Pixel 10 Pro फोल्ड पुनरावलोकन युनिटने मला चांगले समजले आहे असे दिसते. Google च्या मते, ही विसंगती आहे कारण फोन डिव्हाइसवर कॉपी करत आहे, याचा अर्थ तो एक लहान, स्थानिक AI मॉडेल चालवत आहे. अर्थात, फोनवरील लहान एआय मॉडेल क्लाउड-आधारित मॉडेलमध्ये वापरल्या जाणाऱ्या बहु-अब्ज डॉलरच्या डेटा सेंटरशी स्पर्धा करू शकत नाही. Google म्हणते की ते वारंवार सुधारणा प्रकाशित करते.
विरामचिन्हे गहाळ होणे ही खरी समस्या आहे
मला जुन्या स्पीच-टू-टेक्स्ट सिस्टीममध्ये विरामचिन्हे काढण्यात अडचण आली आणि मला “स्वल्पविराम”, “उद्गारवाचक चिन्ह” आणि “पीरियड” हे शब्द मोठ्याने म्हणावे लागले. आणि प्रगत व्हॉइस टायपिंगसह, ते स्वयंचलित आहे. परंतु हे वैशिष्ट्य देखील डाग असू शकते.
जेव्हा ते कार्य करते, तेव्हा खूप दिलासा मिळतो, कारण मला मजकूर संदेशावर परत जाण्याची आणि विरामचिन्हे जोडण्याची गरज नाही. तथापि, जेव्हा ते कार्य करत नाही, तेव्हा ते एक लांब, वाचण्यास कठीण, पुनरावृत्ती होणारे वाक्य तयार करते, जे अनुसरण करणे निराशाजनक आहे आणि मला तिरकस दिसते.
Google ने योग्य काम केल्यास हे गेम चेंजर असू शकते
ते ग्राहक होते त्यांच्या फोनमध्ये AI वैशिष्ट्यांच्या लहरीमुळे ते नाराज आहेत. निश्चितच, द्रुत फोटो संपादने किंवा ईमेल पुनर्लेखन उपयुक्त ठरतात, परंतु ही वैशिष्ट्ये अनेकदा परिवर्तन करण्याऐवजी अतिरिक्त वाटतात.
मला बऱ्याच वेळा असे वाटते, जेव्हा ग्राहक AI चा विचार करतात तेव्हा ते 2014 च्या इंटरस्टेलर चित्रपटातील TARS किंवा 2001 मधील 1968 HAL 9000: A Space Odyssey चा विचार करतात. बऱ्याचदा, आम्ही आमच्या फोनवर ज्या एआय प्रणालींशी संवाद साधतो ते आमचे डिव्हाइस आधीच इतर मार्गांनी करत होते ते करण्याचे अधिक प्रगत मार्ग आहेत.
Google ला प्रगत व्हॉइस टायपिंग बरोबर मिळावे यासाठी, मॉडेल्सना स्पेलिंगपासून हेतू अखंडपणे वेगळे करण्यात सक्षम असणे आवश्यक आहे. जिथे अर्धा वेळ काम करतो तिथे हे सतत फेरफार होऊ शकत नाही. बहुतेक लोकांसाठी, ते फक्त एक त्रासदायक असेल. माझ्यासाठी, ते उंदरांनी अडवलेल्या गोमांसाच्या तुकड्यासारखं चाखत असेल.
Pixel वर प्रगत व्हॉइस टायपिंग कसे सक्षम करावे
- Messages ॲपवर जा.
- आपण मजकूर पाठवण्यास प्रारंभ करत असल्याप्रमाणे कोणत्याही संपर्कावर क्लिक करा.
- कीबोर्डच्या डाव्या कोपर्यात असलेल्या चार-चौरस चिन्हावर क्लिक करा.
- हाताळणे सेटिंग्ज.
- वर क्लिक करा व्हॉइस टायपिंग.
- भूमिका प्रगत व्हॉइस टायपिंग वैशिष्ट्ये माझ्यावर
व्हॉइस कमांड (Pixel 6 आणि नंतरचे)
- शेवटचा शब्द हटवण्यासाठी म्हणा: “शेवटचा शब्द हटवा.”
- शेवटचे वाक्य हटवण्यासाठी म्हणा: “हटवा.”
- मजकूर साफ करण्यासाठी, म्हणा: “सर्व साफ करा.”
- संदेश पाठवण्यासाठी, म्हणा: “पाठवा.”
- फॉर्मवर पुढील खुले फील्ड भरण्यासाठी, म्हणा: “पुढील.”
- इमोजी जोडण्यासाठी, इमोजीचे नाव म्हणा, जसे की “स्मायली इमोजी.”
- व्हॉइस टायपिंग थांबवण्यासाठी, म्हणा: “थांबा.”
“फिक्स इट” कसे वापरावे (Pixel 8 आणि नंतरचे, फक्त इंग्रजी आणि US)
- मजकूर लिहिल्यानंतर, म्हणा: “त्याचे निराकरण करा.”
- तुम्हाला सूचना देणारी एक पॉप-अप विंडो दिसली पाहिजे.
- हे वैशिष्ट्य प्रत्येकासाठी कार्य करू शकत नाही.
तपशीलवार संपादन, प्रूफरीडिंग आणि पुनर्लेखनासाठी AI वापरा (Pixel 8 आणि नंतरचे, फक्त यूएस)
- खालीलपैकी एक आज्ञा सांगा.
- ते स्वयंचलित असावे, परंतु तुम्हाला संदेश दिसू शकतो तो पुढे जातो बटण
- बदल केल्यानंतर, तुम्ही कमांड परत करण्यासाठी “पूर्ववत करा” देखील म्हणू शकता.
- “सर्व हटवा” असे सांगून संपूर्ण संदेश हटवा.
- वैशिष्ट्य प्रायोगिक आहे आणि नेहमी कार्य करू शकत नाही.
आज्ञा:
Google Pixel डिव्हाइसेससाठी प्रगत व्हॉइस टायपिंग आदेश.
















