Nothing Unveils ‘Essential Voice’ to Revolutionize Speech-to-Text

Nothing Unveils ‘Essential Voice’ to Revolutionize Speech-to-Text

Nothing Unveils ‘Essential Voice’ to Revolutionize Speech-to-Text

London-based tech company Nothing has launched "Essential Voice," a new software feature designed to significantly improve the speech-to-text experience on its smartphones. 

Part of the brand's Essential AI toolset, this feature aims to transition mobile communication toward a voice-first interface. 

By addressing the massive speed discrepancy between typing—averaging 36 words per minute—and speaking—averaging 150 words per minute—Nothing hopes to provide a more efficient alternative to standard on-screen keyboards.

The software solves common frustrations associated with traditional voice notes and dictation tools. 

Unlike standard dictation, which often results in fragmented text filled with stutters and filler words, Essential Voice processes spoken input to generate clean, formatted text in real-time. 

This ensures that the speed of verbal communication is paired with the professional appearance and utility of written text, making it easier for recipients to scan and read information without the need to listen to audio clips in public.

Integrated directly into the device keyboard or accessible via the "Essential Key," the feature offers several advanced functionalities. 

It automatically removes "ums" and "uhs," corrects sentence structures, and allows users to dictate formatting commands for lists and bullet points. 

Additionally, users can create "Personal Mappings" to ensure specific trigger phrases yield custom spellings or pre-saved templates, such as ensuring "Nothing OS" is always correctly capitalized.

Beyond simple transcription, Essential Voice supports over 100 languages with automatic detection and real-time translation capabilities. 

Users can speak in one language and have the text instantly converted into another, making it a powerful tool for global communication. 

Regarding privacy, Nothing emphasizes that the tool only activates when prompted; while audio is encrypted and processed on servers for accuracy, the company maintains that no audio data is stored once the transcription is complete.

Currently available on the Nothing Phone (3), the feature is slated for a rollout to the Phone (4a) Pro and Phone (4a) in the coming weeks. 

Looking ahead, Nothing plans to introduce "context awareness," which will allow the AI to automatically adjust its tone and formatting based on whether the user is drafting a casual text or a formal email. 

There are also long-term plans to expand this voice-centric ecosystem to the brand's other smart products.

नथिंग ने स्पीच-टू-टेक्स्ट में क्रांति लाने के लिए ‘एसेंशियल वॉइस’ लॉन्च किया

लंदन की टेक कंपनी नथिंग ने "एसेंशियल वॉइस" लॉन्च किया है, यह एक नया सॉफ्टवेयर फीचर है जिसे स्मार्टफोन पर स्पीच-टू-टेक्स्ट एक्सपीरियंस को काफी बेहतर बनाने के लिए डिज़ाइन किया गया है।

ब्रांड के एसेंशियल AI टूलसेट का हिस्सा, इस फीचर का मकसद मोबाइल कम्युनिकेशन को वॉइस-फर्स्ट इंटरफेस की ओर ले जाना है।

टाइपिंग—औसतन 36 शब्द प्रति मिनट—और बोलने—औसतन 150 शब्द प्रति मिनट—के बीच स्पीड के बड़े अंतर को ठीक करके, नथिंग स्टैंडर्ड ऑन-स्क्रीन कीबोर्ड का एक ज़्यादा अच्छा विकल्प देने की उम्मीद करता है।

यह सॉफ्टवेयर पारंपरिक वॉइस नोट्स और डिक्टेशन टूल्स से जुड़ी आम परेशानियों को दूर करता है।

स्टैंडर्ड डिक्टेशन के उलट, जिससे अक्सर अटक-अटक कर और शब्दों से भरा टेक्स्ट बिखरा हुआ आता है, एसेंशियल वॉइस बोले गए इनपुट को प्रोसेस करके रियल-टाइम में साफ, फॉर्मेटेड टेक्स्ट बनाता है।

 यह पक्का करता है कि बोलकर बात करने की स्पीड, लिखे हुए टेक्स्ट के प्रोफेशनल लुक और काम के साथ मिले, जिससे पाने वालों के लिए पब्लिक में ऑडियो क्लिप सुने बिना जानकारी स्कैन करना और पढ़ना आसान हो जाता है।

सीधे डिवाइस कीबोर्ड में इंटीग्रेटेड या "एसेंशियल की" के ज़रिए एक्सेस किया जा सकने वाला यह फ़ीचर कई एडवांस्ड फ़ंक्शनैलिटी देता है।

यह अपने आप "उम्स" और "उह्स" हटा देता है, सेंटेंस स्ट्रक्चर को ठीक करता है, और यूज़र्स को लिस्ट और बुलेट पॉइंट के लिए फ़ॉर्मेटिंग कमांड बताने देता है।

इसके अलावा, यूज़र्स "पर्सनल मैपिंग" बना सकते हैं ताकि यह पक्का हो सके कि खास ट्रिगर फ्रेज़ कस्टम स्पेलिंग या पहले से सेव किए गए टेम्प्लेट दें, जैसे कि यह पक्का करना कि "नथिंग OS" हमेशा सही कैपिटलाइज़्ड हो।

आसान ट्रांसक्रिप्शन के अलावा, एसेंशियल वॉइस ऑटोमैटिक डिटेक्शन और रियल-टाइम ट्रांसलेशन क्षमताओं के साथ 100 से ज़्यादा भाषाओं को सपोर्ट करता है।

यूज़र्स एक भाषा में बोल सकते हैं और टेक्स्ट को तुरंत दूसरी भाषा में बदल सकते हैं, जिससे यह ग्लोबल कम्युनिकेशन के लिए एक पावरफ़ुल टूल बन जाता है।

प्राइवेसी के बारे में, नथिंग इस बात पर ज़ोर देता है कि टूल सिर्फ़ तभी एक्टिवेट होता है जब कहा जाए; हालांकि ऑडियो को एक्यूरेसी के लिए सर्वर पर एन्क्रिप्ट और प्रोसेस किया जाता है, कंपनी का कहना है कि ट्रांसक्रिप्शन पूरा होने के बाद कोई ऑडियो डेटा स्टोर नहीं किया जाता है।

अभी नथिंग फ़ोन (3) पर उपलब्ध, यह फ़ीचर आने वाले हफ़्तों में फ़ोन (4a) प्रो और फ़ोन (4a) में रोलआउट होने वाला है।

आगे देखते हुए, नथिंग "कॉन्टेक्स्ट अवेयरनेस" लाने का प्लान बना रहा है, जिससे AI अपने आप अपनी टोन और फ़ॉर्मेटिंग को इस आधार पर एडजस्ट कर सकेगा कि यूज़र कैज़ुअल टेक्स्ट लिख रहा है या फ़ॉर्मल ईमेल।

इस वॉइस-सेंट्रिक इकोसिस्टम को ब्रांड के दूसरे स्मार्ट प्रोडक्ट्स तक बढ़ाने के भी लॉन्ग-टर्म प्लान हैं।

స్పీచ్-టు-టెక్స్ట్‌లో విప్లవాత్మక మార్పులు తీసుకురావడానికి 'ఎసెన్షియల్ వాయిస్'ను నథింగ్ ఆవిష్కరించింది

లండన్ ఆధారిత టెక్ కంపెనీ నథింగ్, తన స్మార్ట్‌ఫోన్‌లలో స్పీచ్-టు-టెక్స్ట్ అనుభవాన్ని గణనీయంగా మెరుగుపరచడానికి రూపొందించిన "ఎసెన్షియల్ వాయిస్" అనే కొత్త సాఫ్ట్‌వేర్ ఫీచర్‌ను ప్రారంభించింది.

ఈ బ్రాండ్ యొక్క ఎసెన్షియల్ AI టూల్‌సెట్‌లో భాగమైన ఈ ఫీచర్, మొబైల్ కమ్యూనికేషన్‌ను వాయిస్-ఫస్ట్ ఇంటర్‌ఫేస్ వైపు మళ్లించడమే లక్ష్యంగా పెట్టుకుంది.

టైపింగ్ (నిమిషానికి సగటున 36 పదాలు) మరియు మాట్లాడటం (నిమిషానికి సగటున 150 పదాలు) మధ్య ఉన్న భారీ వేగ వ్యత్యాసాన్ని పరిష్కరించడం ద్వారా, సాధారణ ఆన్-స్క్రీన్ కీబోర్డులకు మరింత సమర్థవంతమైన ప్రత్యామ్నాయాన్ని అందించాలని నథింగ్ ఆశిస్తోంది.

ఈ సాఫ్ట్‌వేర్, సాంప్రదాయ వాయిస్ నోట్స్ మరియు డిక్టేషన్ సాధనాలతో ముడిపడి ఉన్న సాధారణ అసౌకర్యాలను పరిష్కరిస్తుంది.

సాధారణ డిక్టేషన్‌లో తరచుగా తడబాటులు, అనవసరమైన పదాలతో కూడిన ముక్కలు ముక్కలుగా ఉండే టెక్స్ట్ వస్తుంది. దానికి భిన్నంగా, ఎసెన్షియల్ వాయిస్ మాట్లాడిన ఇన్‌పుట్‌ను ప్రాసెస్ చేసి, రియల్-టైమ్‌లో స్పష్టమైన, ఫార్మాట్ చేయబడిన టెక్స్ట్‌ను రూపొందిస్తుంది.

 ఇది మౌఖిక సంభాషణ వేగాన్ని, వ్రాతపూర్వక పాఠం యొక్క వృత్తిపరమైన రూపం మరియు ప్రయోజనంతో జతచేస్తుంది. దీనివల్ల, బహిరంగ ప్రదేశాల్లో ఆడియో క్లిప్‌లను వినాల్సిన అవసరం లేకుండా, స్వీకర్తలు సమాచారాన్ని సులభంగా స్కాన్ చేసి చదవగలరు.

పరికరం కీబోర్డ్‌లో నేరుగా విలీనం చేయబడిన లేదా "ఎసెన్షియల్ కీ" ద్వారా యాక్సెస్ చేయగల ఈ ఫీచర్, అనేక అధునాతన కార్యాచరణలను అందిస్తుంది.

ఇది "ఉమ్స్" మరియు "అహ్స్" వంటి వాటిని స్వయంచాలకంగా తొలగిస్తుంది, వాక్య నిర్మాణాలను సరిచేస్తుంది, మరియు జాబితాలు మరియు బుల్లెట్ పాయింట్ల కోసం ఫార్మాటింగ్ ఆదేశాలను చెప్పడానికి వినియోగదారులను అనుమతిస్తుంది.

అదనంగా, వినియోగదారులు నిర్దిష్ట ట్రిగ్గర్ పదబంధాలు అనుకూల స్పెల్లింగ్‌లను లేదా ముందుగా సేవ్ చేసిన టెంప్లేట్‌లను అందించేలా "పర్సనల్ మ్యాపింగ్స్" ను సృష్టించుకోవచ్చు. ఉదాహరణకు, "నథింగ్ OS" ఎల్లప్పుడూ సరిగ్గా క్యాపిటలైజ్ చేయబడి ఉండేలా చూసుకోవచ్చు.

సాధారణ ట్రాన్స్‌క్రిప్షన్‌కు మించి, ఎసెన్షియల్ వాయిస్ ఆటోమేటిక్ డిటెక్షన్ మరియు రియల్-టైమ్ అనువాద సామర్థ్యాలతో 100కు పైగా భాషలకు మద్దతు ఇస్తుంది.

వినియోగదారులు ఒక భాషలో మాట్లాడితే చాలు, ఆ టెక్స్ట్ తక్షణమే మరొక భాషలోకి మార్చబడుతుంది. ఇది ప్రపంచవ్యాప్త కమ్యూనికేషన్ కోసం ఒక శక్తివంతమైన సాధనంగా మారుతుంది.

గోప్యత విషయానికి వస్తే, అడిగినప్పుడు మాత్రమే ఈ సాధనం యాక్టివేట్ అవుతుందని నథింగ్ నొక్కి చెబుతోంది; ఆడియోను ఎన్‌క్రిప్ట్ చేసి, ఖచ్చితత్వం కోసం సర్వర్‌లలో ప్రాసెస్ చేసినప్పటికీ, ట్రాన్స్‌క్రిప్షన్ పూర్తయిన తర్వాత ఎలాంటి ఆడియో డేటా నిల్వ చేయబడదని కంపెనీ పేర్కొంది.

ప్రస్తుతం నథింగ్ ఫోన్ (3)లో అందుబాటులో ఉన్న ఈ ఫీచర్‌ను, రాబోయే వారాల్లో ఫోన్ (4a) ప్రో మరియు ఫోన్ (4a)లకు కూడా విడుదల చేయనున్నారు.

భవిష్యత్తులో, నథింగ్ 'కాంటెక్స్ట్ అవేర్‌నెస్'ను ప్రవేశపెట్టాలని యోచిస్తోంది. దీని ద్వారా, వినియోగదారు సాధారణ టెక్స్ట్ లేదా అధికారిక ఈమెయిల్ రాస్తున్నారా అనే దాని ఆధారంగా ఏఐ (AI) తన టోన్ మరియు ఫార్మాటింగ్‌ను ఆటోమేటిక్‌గా సర్దుబాటు చేసుకుంటుంది.

ఈ వాయిస్-కేంద్రీకృత ఎకోసిస్టమ్‌ను బ్రాండ్ యొక్క ఇతర స్మార్ట్ ఉత్పత్తులకు కూడా విస్తరించడానికి దీర్ఘకాలిక ప్రణాళికలు ఉన్నాయి.