تصور کنید دستیاری شخصی دارید که نه تنها صدای شما را میشنود، بلکه مستقیماً به تقویم، اسلک و نوشن شما متصل است تا دستورات صوتی را به عمل تبدیل کند. هدفونهای Plaud One Explorer Edition با قیمت ۲۵۰ دلار، دقیقاً برای تبدیل شدن به رابط اصلی تعامل با این «عاملها» طراحی شدهاند. فلسفه حاکم بر این محصول این است که در عصر عاملهای هوشمند، کاربر تنها نیاز داشته باشد «صحبت کند». این سختافزار به کاربران اجازه میدهد تا اقدامات مورد نظر خود را به یک عامل هوش مصنوعی دیکته کنند که مستقیماً با مجموعه نرمافزارهای حرفهای آنها یکپارچه شده است.
بسیاری از گجتهای پوشیدنی هوش مصنوعی تاکنون چیزی فراتر از یک رابط ساده برای اپلیکیشنهای موبایل نبودهاند و اغلب با وعدههای بیش از حد و عملکردی ضعیف، کاربران را ناامید کردند. Plaud قصد دارد با تمرکز بر ضبط صدای باکیفیت (High-fidelity) و رویکردی مستقل از برند، این چرخه را بشکند. در حالی که غولهایی مانند اپل و گوگل سختافزار خود را به اکوسیستمهای بسته و مدلهای اختصاصی خود متصل میکنند، Plaud از طریق پلتفرم Plaud Intelligence به کاربران اجازه میدهد تا از میان مدلهای پیشرو (Frontier Models) مختلف، مدل مورد نظر خود را انتخاب کنند.
زمینه و خط تولید محصولات
این محصول یک فرم فاکتور جدید برای Plaud است که پیش از این روی دستگاههای ضبط قابلحمل و پوشیدنی تمرکز داشت. سبد محصولات فعلی این شرکت شامل ضبطکنندههای مدل Note و Note Pro (به شکل کارت) و همچنین مدلهای NotePin و NotePin S است که به صورت گیره متصل میشوند و در ژانویه عرضه شدند. این رویکرد یادداشتبرداری صوتی، یادآور تلاشهای مشابه در گجتهای پوشیدنی است؛ برای مثال، بررسی قابلیتهای انگشتر Stream نشان داد که آیا ابزارهای مبتنی بر صوت واقعاً میتوانند جایگزین روشهای سنتی یادداشتبرداری شوند یا خیر.
با ورود به بازار هدفونها, Plaud قصد دارد علاقهمندان به پوشیدنیهایی را جذب کند که به برند خاصی وابسته نیستند. هدف نهایی، فراهم کردن آیندهای «بدون نیاز به دست» (Hands-free) برای ابزارهای هوش مصنوعی است؛ آیندهای که در آن سختافزار، کاربر را به یک ارائهدهنده خاص یا یک مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — محدود نکند.
قابلیتهای فنی و گردش کار
این دستگاه به عنوان پلی برای اتصال به عامل Plaud (Plaud Agent) عمل میکند که میتواند وظایفی را در چندین پلتفرم شخص ثالث اجرا کند:
- یکپارچگی: این عامل برای اجرای دستورات دیکته شده، به گوگل کلندر (Google Calendar)، نوشن (Notion) و اسلک (Slack) متصل میشود.
- تولید خروجی: سیستم قادر است مصنوعات (Artifacts) آماده برای ویرایش، از جمله ایمیلها، اسناد و ارائهها را تولید کند که در لحظه ایجاد، آماده اشتراکگذاری یا خروجی گرفتن هستند.
- ضبط چندمنظوره: کاربران میتوانند هدفونها را به صورت سنتی در گوش قرار دهند یا کیس را روی میز بگذارند تا جلسات حضوری، تماسهای مجازی یا جلسات طوفان فکری انفرادی را ضبط کنند.
- هوش عاملمحور: این گردش کار به کاربر اجازه میدهد تا با گذشت زمان با عامل خود رابطه ایجاد کند؛ چرا که مدل از طریق تعاملات، بستر (Context) را میسازد و قصد کاربر را در لحظه درک میکند تا به صورت پیشدستانه در ابزارهای مختلف عمل کند.
به نقل از نمایندهای از Plaud در گفتگو با ZDNET از طریق ایمیل، این عامل از ترکیبی از فناوریهای مدلهای اختصاصی و مدلهای شخص ثالث استفاده میکند. همچنین، شرکت پلتفرم Intelligence خود را بهروزرسانی کرده است تا بستر قویتر و حافظه بهبودیافتهای را برای پشتیبانی از این هدفونهای جدید فراهم کند.
حریم خصوصی و مدیریت دادهها
به دلیل اینکه این دستگاه برای ضبطهای نامحسوس طراحی شده است، حریم خصوصی به نقطه بحثبرانگیز تبدیل شده است. Plaud ادعا میکند که استانداردهای جهانی حریم خصوصی، از جمله GDPR و HIPAA را رعایت میکند. این شرکت دادههای کاربران را رمزنگاری کرده و ضبطهای صوتی را به صورت محلی روی دستگاهها و در اپلیکیشن Plaud ذخیره میکند.
با این حال، برای فعالسازی قابلیتهای تبدیل صوت به متن (Transcription) و خلاصهسازی، ضبطها به ابر (Cloud) منتقل میشوند، هرچند Plaud اشاره میکند که این فرآیند نیز رمزنگاری شده است. در مورد آموزش مدلها، شرکت اعلام کرده است که بهطور پیشفرض از دادهها برای آموزش استفاده نمیکند و به شرکای آزمایشگاهی هوش مصنوعی خود نیز اجازه این کار را نمیدهد، مگر اینکه کاربران شخصاً این گزینه را فعال کنند.
با وجود اینکه مرکز این شرکت در چین است، Plaud در یک جلسه توجیهی تأکید کرد که دادههای کاربران مستقر در ایالات متحده، در سرورهای واقع در خاک آمریکا پردازش میشود. با این حال، برخی از کاربران اولیه در ردیت (Reddit) از دو سال پیش درباره اعتبار این ادعا ابراز نگرانی کرده بودند و برخی سوالات در این زمینه همچنان بیپاسخ مانده است.
تغییر در بازار
این حرکت نشاندهنده تغییری بنیادین از «هوش مصنوعی به عنوان یک ویژگی» به «هوش مصنوعی به عنوان یک رابط» است. با اولویت دادن به بخش دریافت دادهها — یعنی کیفیت ورودی صوتی — Plaud روی این موضوع شرط بسته است که گلوگاه اصلی عاملهای هوش مصنوعی، خودِ مدل نیست، بلکه اصطکاک در وارد کردن دادهها به سیستم است. ناثان شو (Nathan Xu)، مدیرعامل Plaud، تأکید کرد که تمرکز آنها بیشتر بر بخش ضبط است و رقبای خود را به جای گجتهای هوش مصنوعی، به عنوان هدفونها و دستگاههای ضبط معمولی معرفی میکند.
برای کاربر حرفهای، این هدفونها کمتر شبیه یک headset و بیشتر شبیه یک دستیار اجرایی شناور هستند. اگر قابلیتهای عاملمحور (Agentic) این دستگاه به درستی عمل کنند، ارزش محصول از خودِ سختافزار به عمق بستری منتقل میشود که عامل در طول زمان میسازد.
در ماه آینده باید منتظر رویداد سختافزاری اپل باشیم؛ جایی که شایعات از هدفونهایی با دوربینهای داخلی خبر میدهند تا بستر بصری را برای سیری فراهم کنند. این موضوع تقابلی مستقیم میان رویکرد «صوتمحور» Plaud و رویکرد «چندوجهی» (Multimodal) — مدلی که همزمان متن، عکس و صدا را میفهمد، شبیه حواس پنجگانه انسان — اپل ایجاد میکند. این رقابت در لایه سختافزاری، مشابه نبردی است که در بازار اسپیکرهای هوشمند میان Sonos، گوگل و اپل در جریان است تا هر یک رابط صوتی غالب محیط خانه و کار شوند.
سفارش و در دسترس بودن
نسخه Explorer در حال حاضر برای پیشسفارش در آمریکا، کانادا، بریتانیا، آلمان، فرانسه، ایتالیا، اسپانیا و هلند در دسترس است. هر دستگاه همراه با ۲۰۰ دلار اعتبار Plaud عرضه میشود که برای استفاده در بهروزرسانی اپلیکیشن ۴.۰ که اواخر سال جاری منتشر میشود، در نظر گرفته شده است.
گام بعدی شما
- اگر از ابزارهای Notion و Slack برای مدیریت کار استفاده میکنید، بررسی کنید که آیا اتوماسیونهای صوتی Plaud میتواند زمان تایپ شما را کاهش دهد یا خیر.
- در مورد سیاستهای ذخیرهسازی دادههای ابری این شرکت در مناطق مختلف جغرافیایی تحقیق کنید تا سطح امنیت دادههای حساس کاریتان را بسنجید.
- منتظر مقایسه عملکرد این دستگاه با قابلیتهای جدید Siri در رویداد ماه آینده اپل باشید.
اما نبرد واقعی در لایه سختافزاری است؛ برای درک اینکه چرا کیفیت ضبط صدا برای عاملهای هوش مصنوعی حیاتی است، به تحلیل ما درباره تراشههای پردازش سیگنال دیجیتال مراجعه کنید.
گفتگو