تصور کنید گوشی شما ابزاری باشد که دقیقاً همان کاری را می‌کند که می‌خواهید، بدون اینکه هر کلمه را به سروری در آن سوی دنیا بفرستد. اگر از پیش‌بینی‌ناپذیری مدل‌های جدید خسته شده‌اید، Dicio همان کلید بازگشت به سادگی و کنترل است.
در حالی که گوگل در حال جایگزینی دستیارهای صوتی قدیمی با چت‌بات‌های هوش مصنوعی زاینده (Generative AI) — شبیه به تبدیل یک کلید برق ساده به یک سیستم خانه هوشمند پیچیده که گاهی گیج می‌شود — است، اپلیکیشن متن‌باز Dicio برای پر کردن این خلاء وارد میدان شده است. این ابزار با رویکرد «اول محلی»، به کاربرانی که کاربرد پیش‌بینی‌پذیر و بدون نیاز به دست را ترجیح می‌دهند، اجازه می‌دهد کنترل پایه گوشی را بدون ارسال دستورات به سرورهای ابری به دست بگیرند.
این تغییر در حالی رخ می‌دهد که گوگل رسماً Google Assistant را در سپتامبر ۲۰۲۶ متوقف می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی چالش‌های قابلیت تماس صوتی Gemini در محیط Android Auto اشاره کردیم، گذار به اکوسیستمی که صرفاً بر پایه Gemini است، بسیاری از کاربران را بدون راهکاری قابل‌اعتماد برای تماس‌های بدون دست رها کرده است. این وضعیت در واقع تداوم شکست Gemini در مدیریت تماس‌های هندزفری است که پیش از حذف دستیار گوگل مشاهده شد. برای بسیاری، جایگزینی یک ابزار تخصصی (Assistant) با یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — در عمل به معنای کاهش کارایی بوده است.
نیاز به کنترل محلی
وقتی از گوشی می‌خواهید تایمری تنظیم کند یا با مخاطبی تماس بگیرد، نیازی به یک شریک برای نویسندگی خلاق ندارید؛ شما یک کلید مطمئن می‌خواهید. Dicio بر همین اصل استوار است و با اجرای تمام مراحل تفسیر ورودی و تولید خروجی روی خود دستگاه، حریم خصوصی را در اولویت قرار می‌دهد.
به نقل از صفحه گیت‌هاب Dicio، این برنامه به‌گونه‌ای طراحی شده که هم بازخورد صوتی و هم گرافیکی به پرسش‌های کاربر ارائه دهد. با مدیریت منطق برنامه در لبه (Edge Computing) — یعنی پردازش داده‌ها در همان جایی که تولید می‌شوند، نه در یک مرکز داده دوردست — کاربر دیگر نگران شنود شخص ثالث یا ارسال داده‌های حساس به سرورهای گوگل برای محاسبات ابری نخواهد بود.
قابلیت‌های کلیدی و راه‌اندازی
نصب این برنامه از طریق گوگل پلی استور به‌سادگی انجام می‌شود. طبق گزارش ZDNET در ۱۴ اوت ۲۰۲۶، راه‌اندازی برنامه شامل سه گام اصلی است:
- دسترسی به میکروفون: کاربران باید با ضربه زدن روی گزینه «Grant microphone permission» و انتخاب حالت «While using this app»، مجوز دسترسی به میکروفون را صادر کنند.
- تبدیل گفتار به متن: برنامه از کاربر می‌خواهد تا به‌صورت دستی روی گزینه «Download speech to text» کلیک کند تا فایل‌های ضروری برای این قابلیت دریافت شوند. در این زمینه، ابزارهای پیشرفته‌تری مانند Wispr Flow استانداردهای جدیدی را برای تبدیل گفتار به متن تعریف کرده‌اند، اما Dicio بر سادگی و پردازش محلی تمرکز دارد.
- هوش مصنوعی کلمه بیدارباش: کاربران باید در کارت مربوط به «Set up wake word» مجوزهای لازم را صادر کرده و سپس روی دکمه Download ضربه بزنند تا مدل AI خاص مورد نیاز برای بازشناسی صدا دریافت شود.
پس از پیکربندی، دستیار به عبارت «Hey, Dicio» (که به صورت «دیس-ای-او» تلفظ می‌شود) پاسخ می‌دهد.
محک عملکرد در دنیای واقعی
در تست‌های عملی، Dicio چندین وظیفه قدیمی را با قابلیت اطمینان بالا انجام می‌دهد. ویژگی‌های زیر دقیقاً طبق انتظار عمل می‌کنند:
- تماس بدون دست: برقراری تماس با مخاطبان به‌صورت آسان و پیش‌بینی‌پذیر.
- ناوبری: یکپارچگی مناسب با Google Maps برای دریافت مسیرهای صوتی.
- کنترل رسانه: مدیریت بدون نقص پخش موسیقی در Spotify.
- وظایف سیستمی: تنظیم تایمر، خواندن اعلان‌ها و روشن کردن چراغ قوه.
- اطلاعات: به‌روزرسانی وضعیت آب‌وهوا، یافتن متن آهنگ‌ها و انجام جست‌وجوهای اینترنتی.
- سرگرمی: تعریف جوک و انجام ترجمه متون.
با این حال، این ابزار هنوز جایگزین کاملی نیست. در حال حاضر Dicio در نوشتن یا ارسال ایمیل‌ها و پیام‌ها از طریق صوت شکست می‌خورد. قابلیت‌های یادداشت‌برداری و ضبط صدا نیز در آن غایب هستند. همچنین برخی برنامه‌های جانبی (مانند اسپاتیفای در برخی موارد) با وجود اینکه دستیار ادعا می‌کند آن‌ها را اجرا کرده است، باز نمی‌شوند. علاوه بر این، یک باگ شناخته‌شده در حال حاضر مانع از انجام محاسبات ریاضی توسط برنامه می‌شود.
شخصی‌سازی و تنظیمات
کاربران از طریق منوی سه خط افقی در گوشه بالای سمت چپ پنجره به تنظیمات دسترسی دارند. منوی Settings اجازه تغییر موارد زیر را می‌دهد:
- ترجیحات مربوط به زبان و تم ظاهری.
- روش‌های ورودی و متدهای خروجی جست‌وجو.
- متدهای بازشناسی کلمه بیدارباش و گزینه پخش صدا هنگام شروع شنود برنامه.
- آستانه حداکثری سکوت پیش از شروع پردازش گفتار.
- قابلیت ارسال مستقیم نتیجه‌ی پنجره‌ی پاپ‌آپ تبدیل گفتار به متن.
لازم به ذکر است که اگرچه گزینه‌ای برای وارد کردن کلمه بیدارباش سفارشی وجود دارد، اما این ویژگی احتمالاً برای کاربران اندروید در نظر گرفته نشده است، زیرا نصب آن نیازمند Python Pip و استفاده از خط فرمان (Command Line) است.
شکاف Android Auto
بزرگ‌ترین محدودیت، نبود یکپارچگی با Android Auto است. از آنجا که گوگل Dicio را به‌عنوان یک دستیار صوتی معتبر برای رابط خودرو نمی‌شناسد، این برنامه را نمی‌توان به لانچر اندروید اتو اضافه کرد.
برای کارکرد Dicio در خودرو، گوگل باید سیاست فعلی خود را درباره شناسایی دستیارهای شخص ثالث تغییر دهد. تا آن زمان، کاربرانی که می‌خواهند از Dicio برای تماس‌های بدون دست استفاده کنند، باید اتصال اندروید اتو را قطع کرده و از رابط بومی گوشی استفاده کنند. با وجود اینکه این کار بخشی از هدف یک دستیار خودرویی را از بین می‌برد، اما برای کسانی که مدیریت محلی داده‌ها را بر خدمات ابری ترجیح می‌دهند، همچنان یک انتخاب ارجح است.
پیامدهای حریم خصوصی و هزینه
Dicio به نگرانی‌های مربوط به «اشتراکی شدن» (Subscription-ification) هوش مصنوعی پاسخ می‌دهد. در حالی که ویژگی‌های پایه Gemini رایگان است، گوگل طرح Gemini AI Plus را با قیمت ۷.۹۹ دلار در ماه عرضه کرده است. این سطح پرداخت‌شده دسترسی به موارد زیر را فراهم می‌کند:
- مدل Gemini Flash 3.5
- اپلیکیشن Gemini به همراه قابلیت Omni
- سرویس Google Flow با Gemini Omni
- بخش Daily Brief در اپلیکیشن Gemini
- اینباکس هوشمند AI در Gmail
با انتقال استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — به لبه، Dicio خطر شنود شخص ثالث و احتمال قرار گرفتن ویژگی‌های پایه دستیار پشت دیوارهای پرداخت در آینده را حذف می‌کند. این نگرانی وجود دارد که با وابستگی آینده گوگل به هوش مصنوعی، نسخه‌های رایگان محدودتر یا سطوح اشتراکی جدیدی ایجاد شود که کاربران را بیشتر به سمت جایگزین‌های متن‌باز سوق دهد. این موضوع در حالی است که حتی کاربران نسخه‌های پیشرفته‌تر نیز با مشکلاتی روبرو هستند و راهکارهای متعددی برای رفع لگ و مسدودسازی جست‌وجو در Gemini Advanced پیشنهاد شده است.
این حرکت به سمت دستیارهای روی دستگاه نشان می‌دهد که اشتهای کاربران برای «هوش مصنوعی کوچک» که چند کار را بی‌نقص انجام دهد، بیشتر از «هوش مصنوعی بزرگ» است که همه کارها را به‌طور متوسط انجام دهد. برای کاربر عادی، این معامله — یعنی از دست دادن اندروید اتو در ازای حریم خصوصی و قابلیت اطمینان — در حال تبدیل شدن به یک پیشنهاد جذاب است.
اگر از پیش‌بینی‌ناپذیری Gemini خسته شده‌اید، می‌توانید همین امروز Dicio را از پلی استور دانلود کنید تا پیش از تعطیلی سپتامبر، قابلیت‌های استنتاج محلی آن را تست کنید.
گام بعدی شما
- اگر به حریم خصوصی داده‌های صوتی خود اهمیت می‌دهید، Dicio را از پلی استور نصب کرده و قابلیت استنتاج محلی آن را تست کنید.
- برای جایگزینی کامل، ابتدا لیست مخاطبان و دسترسی‌های Maps خود را با این برنامه هماهنگ کنید.
- در صورت استفاده از اندروید اتو، به یاد داشته باشید که برای دستورات صوتی باید به رابط گوشی بازگردید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه چگونه تراشه‌های جدید پردازش محلی را ممکن می‌کنند، به تحلیل ما درباره‌ی NPUها مراجعه کنید.
گفتگو