Google wprowadza darmową aplikację do dyktowania głosowego. Nowość na telefony

Aplikacje do dyktowania tekstu są rozwijane od kilkudziesięciu lat, ale na rynku konsumenckim ich największy rozkwit przypadł na lata 2000. i 2010. wraz z upowszechnieniem się "inteligentnych" asystentów użytkownika, w tym także na telefonach, takich jak Asystent Google, Siri czy Cortana. Jeszcze przed wielkim boomem zapoczątkowanym przez ChatGPT część aplikacji obsługiwała rozpoznawanie mowy i jej zamianę na tekst, co było dostępne m.in. w programach Word, Teams lub Tłumacz Google, a twórcy aplikacji mogli korzystać z modeli text-to-speech np. w chmurze Azure. Istniały też dużo mniej zaawansowane modele uruchamiane offline.

Z czasem umiejętności AI w zakresie rozpoznawania słów i stosowania odpowiedniej interpunkcji stały się naprawdę imponujące. Dzisiejsze modele wyspecjalizowane w tej dziedzinie potrafią "nadstawić uszu" i prawidłowo wychwytywać słowa nawet zagłuszone hałasem ulicy czy rozmów na zatłoczonej sali, co zresztą niedawno zademonstrował Microsoft w swoim imponującym modelu MAI-Transcribe-1, który w branżowych benchmarkach zdołał wyprzedzić Gemini 3.1 Flash.

Nie znaczy to jednak, że Google nie radzi sobie ze słuchaniem tego, co mówią użytkownicy (dwuznaczność zamierzona). Nie chodzi jedynie o pionierskie generowanie napisów na YouTube, słuchanie wielojęzycznych wypowiedzi w Translatorze czy prowadzenie naturalnej rozmowy w Gemini Live. Jego nowa aplikacja pokazuje, że radzi sobie z tym świetnie także z obsługą dyktowania sensu stricto.

Gigant z Mountain Dew wypuścił aplikację mobilną o nazwie Google AI Edge Eloquent. Premiera odbyła się w ten poniedziałek (6 kwietnia 2026) praktycznie bez żadnego rozgłosu. Nowość ta natychmiast rzuciła wyzwanie istniejącym asystentom dyktowania, których subskrypcje kosztują obecnie od 85 do 180 dolarów rocznie. Apka ma nad nimi sporą przewagę - jest darmowa i pozbawiona limitów użytkowania. Co ciekawe, rozwiązanie zadebiutowało bez żadnych oficjalnych komunikatów prasowych, wpisów na blogu czy wydarzeń medialnych. Po prostu pojawiło się znikąd w App Store, a cały rozgłos zapewniły jej media. I słusznie, bo jest o czym pisać.

Eloquent opiera się na modelach automatycznego rozpoznawania mowy (Automatic Speech Recognition, ASR) opartych na architekturze Gemma, które pracują bezpośrednio na smartfonie lub tablecie użytkownika. Domyślnym podejściem jest offline-first, co oznacza, że narzędzie może łączyć się z siecią, lecz nie musi. Dzięki temu nagrania nie muszą opuszczać telefonu, co jest kluczowe dla osób dbających o prywatność lub pracujących w branżach regulowanych. Apka oferuje dwa tryby pracy - w pełni lokalny oraz opcjonalny tryb chmurowy. W tym drugim mowa jest rozpoznawana na urządzeniu, ale za wygładzanie i korektę tekstu odpowiadają potężniejsze modele Gemini w chmurze.

"Pożegnaj się z ręcznym edytowanie i niepoprawnymi transkrypcjami mowy na tekst. Napędzany przez najnowszą technologię Google Gemma, Google AI Edge Eloquent to zaawansowana aplikacja do dyktowania, zaprojektowana, by utworzyć pomost między mową naturalną a profesjonalnym, gotowym do użycia tekstem" - czytamy w opisie aplikacji.

Główną funkcjonalnością, która odróżnia Eloquent od dotychczasowych systemów dyktowania, jest inteligentne przetwarzanie tekstu w czasie rzeczywistym. W trakcie, gdy użytkownik mówi, sztuczna inteligencja generuje transkrypcję na żywo, a w momencie pauzy lub zakończenia nagrania automatycznie usuwa przerywniki takie jak "ym", "yyy" czy "aaa" i zapisuje elegancki tekst do schowka. Dodatkowo narzędzie oferuje cztery funkcje przekształcania: generowanie punktów kluczowych, nadawanie tekstowi stylu formalnego oraz skracanie lub rozszerzanie wypowiedzi.

Użytkownicy mogą personalizować Google AI Edge Eloquent poprzez dodawanie własnych słów, nazwisk czy technicznego żargonu do osobistego słownika. Ciekawą opcją jest też możliwość importowania najczęściej używanych słów z historii wysłanych wiadomości w Gmailu, co pozwala na automatyczne zbudowanie profilu słownictwa bez żmudnej konfiguracji. Aplikacja prowadzi również szczegółowe statystyki, mierząc tempo mówienia (liczba słów na minutę) oraz łączną liczbę podyktowanych wyrazów.

Sporym zaskoczeniem może być fakt, że Google, które wszak jest wydawcą Androida, zdecydowało się na premierę w pierwszej kolejności na iPhone'a. Choć opis w App Store zawiera wzmianki o wersji na Androida oraz planach wprowadzenia integracji z systemową klawiaturą i funkcją "pływającego przycisku" (na wzór Wispr Flow), aplikacja nie pojawiła się jeszcze w Sklepie Google Play. Wydanie Eloquent pod marką Google AI Edge sugeruje, że produkt ma służyć nie tylko konsumentom, ale również jako pokaz możliwości SDK dla programistów chcących wdrażać lokalne modele AI na urządzeniach mobilnych.

Pojawienie się tak zaawansowanego, darmowego narzędzia od Google drastycznie zmienia sytuację rynkową. Popularne rozwiązania, takie jak Wispr Flow, Willow czy SuperWhisper, opierają się na modelach subskrypcyjnych lub chmurowych. Eloquent oferuje porównywalną, a w wielu aspektach wyższą jakość rozpoznawania mowy i generowania transkrypcji niż wbudowane systemy Apple, dodatkowo stawiając na szybkość, prywatność i brak kosztów. Wszystko to sprawia, że Eloquent staje się obecnie jednym z najciekawszych wdrożeń technologii "on-device AI". Udowadnia on również, że sztuczna inteligencja na urządzeniu może być dużo bardziej zaawansowana, niż mogło się wydawać.