SwiftKey AI Voice cambia la dettatura Android: cosa fa il nuovo modello locale

La dettatura vocale sugli smartphone sta “cambiando pelle”: per anni il sistema ha riconosciuto le parole pronunciate e ha provato a trasformarle in testo, lasciando all’utente il compito di correggere esitazioni, ripetizioni, punteggiatura e frasi mal costruite. Con i modelli linguistici, invece, la voce può diventare il materiale grezzo da cui ricavare un messaggio già ripulito e organizzato. Google ha seguito questa strada con Rambler sui Pixel 11; ora Microsoft prova a portare un’idea molto simile a una platea decisamente più ampia attraverso SwiftKey AI Voice.

La novità compare nella beta Android di Microsoft SwiftKey 9.13.16.4 e sembra ispirarsi a tanti elementi dell’esperienza Google.

Non si limita infatti alla conversione parola per parola: si può parlare in modo naturale, inserire pause, correggersi mentre si pronuncia una frase e utilizzare intercalari come “ehm“. Il modello interviene dopo la registrazione, eliminando ciò che considera superfluo e restituendo un testo con punteggiatura e formattazione più adatte alla lettura.

È un’evoluzione coerente con la storia di SwiftKey. La società, fondata a Londra nel 2008 e acquisita da Microsoft nel 2016, ha costruito gran parte della sua reputazione sulla previsione delle parole e sulla personalizzazione della tastiera. Già nel 2016 Microsoft parlava di oltre 300 milioni di utenti e del passaggio a reti neurali capaci di interpretare relazioni più ampie tra le parole. Dieci anni dopo il problema si è spostato: non si tratta più soltanto di indovinare quale parola arriverà dopo, ma di trasformare un flusso vocale imperfetto in un testo leggibile.

SwiftKey AI Voice: come funziona la nuova dettatura

Toccando l’icona del microfono compare la modalità AI Voice; SwiftKey ascolta mentre l’utente parla e mostra una forma d’onda, ma non inserisce immediatamente le parole nel campo di testo. Quando si preme il pulsante di conferma, la registrazione termina e il modello elabora l’intero intervento prima di produrre il risultato.

La scelta di aspettare la fine della frase ha una ragione tecnica. Un sistema tradizionale di speech-to-text può visualizzare le parole appena le riconosce perché tenta principalmente di determinare quali fonemi corrispondano a una sequenza lessicale. Un sistema che deve anche eliminare ripensamenti, capire che una seconda frase corregge la prima, decidere dove inserire un nuovo paragrafo o ricomporre un periodo sconnesso deve sfruttare una porzione più ampia del discorso.

L’effetto collaterale è che durante la registrazione del parlato, manca all’appello una vera trascrizione in tempo reale; è lo stesso limite che interessa anche soluzioni come Rambler. Chi è abituato alla dettatura tradizionale non può controllare immediatamente se un nome proprio, un termine tecnico o una cifra siano stati riconosciuti correttamente.

Il modello AI da circa 160 MB lavora direttamente sul telefono

La differenza più interessante rispetto ai normali servizi vocali di SwiftKey riguarda l’elaborazione locale.

Prima di utilizzare AI Voice, la beta chiede di scaricare un modello offline, ad oggi pesante poco più di 160 MB. Dopo l’installazione, la trascrizione e la successiva rielaborazione hanno continuato a funzionare con Wi-Fi e rete mobile disattivati.

I vantaggi sono ovviamente molteplici. Innanzi tutto, la rimozione del passaggio verso un server remoto può rendere più prevedibili i tempi di elaborazione e quindi migliorare la latenza.

Una registrazione vocale, inoltre, può trasformarsi in testo anche in aereo, in metropolitana o in aree con copertura scarsa. Per non parlare dell’aspetto legato alla riservatezza: se ogni elaborazione resta sul dispositivo, non vi è più alcuna condivisione di informazioni personali e riservate con server remoti.

La documentazione Microsoft relativa alla normale digitazione vocale descrive comunque anche modalità che si appoggiano ai servizi vocali Microsoft e segnala la possibilità di contribuire con campioni vocali anonimizzati. È possibile disattivare tale condivisione dalle impostazioni dell’app.