Relay Q: mikrofon AI zamiast klawiatury do dyktowania tekstu

Nowy mikrofon AI ma zastąpić klawiaturę — przynajmniej w komunikacji tekstowej. Londyński startup Relay pracuje nad dedykowanym, przenośnym mikrofonem do dyktowania tekstu wspomaganego przez AI, ale zanim urządzenie trafi na rynek, firma udostępnia już swoją aplikację na macOS. Sprzęt, nazwany Relay Q, ma być dostępny nie wcześniej niż na początku 2027 roku – na razie użytkownicy mogą korzystać z oprogramowania działającego z wykorzystaniem wbudowanego mikrofonu komputera.

Relay zostało założone przez dwoje byłych pracowników firmy Nothing: Cookie Xu, która odpowiadała za AI i usługi, oraz Raymonda Zhu, menedżera produktu hardware. Ich pomysł na dedykowany mikrofon wyrósł z codziennej frustracji – szukania odpowiedniej głośności mówienia w biurze.

Kluczowe wnioski

• Relay to londyński startup założony przez byłych pracowników Nothing – Cookie Xu i Raymonda Zhu – budujący aplikację i dedykowany mikrofon do zamiany głosu na tekst.
• Aplikacja na macOS jest dostępna już teraz, ale mikrofon Relay Q trafi na rynek nie wcześniej niż w 2027 roku.
• Silnik głosowo-tekstowy działa na modelach Gemini od Google i potrafi wykonywać dodatkowe „Skills”, np. wysyłać wiadomości w Slacku czy tworzyć wydarzenia w kalendarzu.
• Narzędzie wymaga szerokich uprawnień systemowych, w tym możliwości robienia zrzutów ekranu podczas aktywacji.
• Redaktor WIRED testował betę i ocenił transkrypcję jako mniej dokładną niż funkcja Rambler w Pixelu 11 od Google, choć aplikacja skutecznie potrafi rozpoznawać intencje użytkownika.

Od biurowej frustracji do startupu

Jak opowiada Raymond Zhu, on i Cookie Xu, pracując wcześniej w Nothing, korzystali z transkrypcyjnego oprogramowania Wispr Flow, żeby „pisać” większość służbowych wiadomości głosem. Metoda pomagała im szybciej formułować myśli, ale wciąż napotykali ten sam problem: dobór właściwej głośności w biurze.

„W biurze nigdy nie mogliśmy znaleźć odpowiedniej głośności do dyktowania” – mówi Zhu. „Jeśli szeptałem zbyt tanio, Mac nie wychwytywał głosu; jeśli mówiłem zbyt głośno, słyszał mnie kolega siedzący obok. Czasami wyjmowałem słuchawkę i mówiłem właściwie w nią” – dodaje, demonstrując gest podczas rozmowy wideo z WIRED. Jego wniosek: taka sytuacja wymaga dedykowanego sprzętu.

Relay startuje wyłącznie na macOS, choć firma planuje wersje na Windows, iOS i Androida. Zhu wybrał komputer stacjonarny jako punkt wyjścia, ponieważ – jak twierdzi – to właśnie tam prowadzi się najbardziej złożone rozmowy: burze mózgów, dzielenie się ideami, komunikacja o zmiennym tonie i stopniu formalności, w przeciwieństwie do prostszych wiadomości do znajomych i rodziny pisanych na telefonie.

Jak działa aplikacja i „Skills”

Podczas konfiguracji użytkownik wybiera skrót klawiszowy aktywujący Relay w każdym polu tekstowym – domyślnie jest to klawisz Fn. Wystarczy przytrzymać go z kursorem w polu tekstowym, a aplikacja aktywuje się i przechodzi w tryb dyktowania. Silnik głosowo-tekstowy oparty jest na modelach Gemini od Google.

Relay potrafi wykonywać kontekstowe akcje określane jako „Skills” – na przykład wysłać wiadomość do współpracownika na Slacku, co uruchamia aplikację, wyszukuje odbiorcę i przygotowuje treść. Testujący dziennikarz WIRED miał problemy z tą funkcją w przypadku Slacka, ale bez trudu udało się utworzyć wydarzenie w kalendarzu Google. Relay ma zestaw predefiniowanych umiejętności dla popularnych aplikacji, jak WhatsApp i Gmail, ale użytkownicy mogą tworzyć własne i łączyć z innymi programami.

Taka automatyzacja wymaga jednak rozległych uprawnień systemowych. Oprócz dostępu do mikrofonu, aplikacja może – po zgodzie użytkownika – wykonywać zrzuty ekranu w momencie aktywacji, co pozwala jej realizować wspomniane „Skills”. Relay zapewnia, że dane są przechowywane lokalnie na urządzeniu użytkownika, gdzie można je ręcznie edytować lub usunąć. Podczas przetwarzania dane przechodzą przez serwery Relay w drodze do serwerów Google, ale firma twierdzi, że sama ich nie przechowuje. Mimo to, jak zauważa autor testu, przyznanie modelom AI wglądu w system operacyjny generuje typowe kompromisy związane z prywatnością i bezpieczeństwem – podobne do tych znanych z funkcji Recall Microsoftu.

Jakość transkrypcji i personalizacja

W testach transkrypcja Relay wypadła słabiej niż niedawno testowana funkcja Rambler w Pixelu 11 od Google – nie wychwytuje każdego słowa perfekcyjnie i czasem myli interpunkcję. Aplikacja rozpoznaje jednak, kiedy użytkownik się poprawia i przeformułowuje zdanie, wycinając niepotrzebne fragmenty. Umie też wstawiać emoji, choć niekonsekwentnie – gdy dziennikarz poprosił o dodanie emoji serca w środku zdania, zadanie wykonała bezbłędnie, ale gdy próbował dopisać je na końcu, aplikacja wypisała słowa „heart emoji” zamiast symbolu.

Relay generalnie rozpoznaje, kiedy użytkownik chce wykonać odrębną akcję poza samą wiadomością. W jednym z testów autor wysłał żonie wiadomość o chęci zjedzenia w konkretnej restauracji i w tym samym zdaniu poprosił o link do Google Maps – aplikacja poprawnie dołączyła link, choć skuteczność bywa nierówna, co autor przypisuje wersji beta.

Aplikacja umożliwia zapisywanie notatek dostosowujących styl pisania – na przykład polecenie unikania stawiania kropek na końcu wiadomości na Slacku zostało poprawnie zastosowane. Relay rozpoznaje też konkretnych rozmówców, dzięki czemu wiadomości do szefa mogą być formalne, a do znajomych – swobodne. Można też ustawić automatyczne tłumaczenie wiadomości do współpracownika mieszkającego w innym kraju.

Relay Q – dedykowany mikrofon w kształcie litery Q

Testy prowadzone były na Mac Mini z mikrofonem wbudowanym w monitor Apple Studio Display – część problemów z dokładnością może zniknąć po wprowadzeniu dedykowanego sprzętu. Obecnie występuje niewielkie opóźnienie między naciśnięciem klawisza funkcyjnego a aktywacją Relay, które według firmy będzie znacznie krótsze z użyciem własnego urządzenia.

Relay Q to cylindryczny gadżet z mikrofonem na końcu. Użytkownik może przytrzymać jego górną część podczas mówienia, aby aktywować Relay na komputerze lub telefonie – działa to identycznie jak skrót klawiszowy – albo odczepić przycisk od cylindra i przypiąć go do koszuli, jeśli nie chce trzymać urządzenia przez cały czas. Widziany z góry mikrofon przypomina literę Q, stąd nazwa produktu. Dwukrotne stuknięcie wysyła wiadomość. Zhu zapewnia, że urządzenie powinno rozpoznawać nawet bardzo ciche szepty przybliżone do ust.

Relay pokazuje, że wraz z rozwojem dużych modeli językowych dyktowanie tekstu przestaje być prostą transkrypcją, a staje się pełnoprawnym interfejsem do zarządzania komunikacją i aplikacjami – choć, jak wskazuje test beta wersji, technologia wciąż wymaga dopracowania zarówno pod względem dokładności, jak i ochrony prywatności użytkowników.