Launch HN: Aqua Voice (YC W24) – Editor de texto controlado por voz

Discusión en Hacker News ↗

Reacción general

  • Muchos comentaristas encontraron la demo impresionante a nivel de “wow” e inmediatamente útil, especialmente en comparación con herramientas de dictado anteriores.
  • Varios se suscribieron al instante o dijeron que “pagarían encantados” si se integrara mejor con sus flujos de trabajo.
  • Otros se entusiasmaron, pero se retiraron por la latencia, la torpeza o la falta de funciones, cancelando rápidamente.

Casos de uso y usuarios objetivo

  • Fuerte interés de:
    • Personas con RSI, neuropatía, discapacidades y dislexia que dependen de la voz o la prefieren.
    • Estudiantes y trabajadores del conocimiento para artículos, correo electrónico y toma de notas.
    • Sanidad (médicos, dentistas, radiólogos), donde el dictado ya es ubicuo.
    • Desarrolladores y usuarios avanzados que buscan integración con IDE/editor (VS Code, JetBrains, Obsidian, Joplin, Notion, Raycast).
  • Casos de uso aspiracionales: toma de notas “todo el día” en segundo plano, monólogos caminando o en bicicleta, transcripción de reuniones/pizarras, revisión de entrevistas, recetas, discursos, guiones.

Modelo de interacción: lenguaje natural vs comandos

  • El producto se inclina hacia la comprensión de intención “sin comandos” a partir solo de la voz.
  • Algunos usuarios ven esto como la dirección correcta a largo plazo; otros argumentan que el lenguaje natural por sí solo nunca será tan eficiente como los comandos explícitos.
  • Peticiones repetidas de:
    • Un modelo híbrido: lenguaje natural + comandos/macros/alias definidos por el usuario.
    • Mejor soporte para formatos estructurados (tablas, guion, código) y vocabularios de dominio (acrónimos, diccionarios personalizados).

Detalles técnicos / de producto

  • Usa un modelo “fusion” personalizado para la intención y GPT-4 ajustado para reescritura/transformaciones.
  • Hoy es una app web; la app para Mac está en evolución; hay una fuerte demanda de:
    • Apps nativas de escritorio y móviles.
    • Integración a nivel de sistema, estilo “teclado”, en todos los campos de texto.
    • Acceso a API para que otros puedan crear plugins y envoltorios nativos.
  • Problemas reportados: errores de audio en Firefox, problemas con Edge, fricción al seleccionar el micrófono, errores con acentos (p. ej., escocés), calidad de AirPods y, a veces, edición demasiado conservadora.

Precio, tokens y modelo de negocio

  • Confusión y rechazo de “tokens” como unidad visible para el usuario; se sugieren palabras, minutos o pruebas basadas en tiempo en su lugar.
  • Algunos quieren pago por uso/créditos en lugar de suscripciones.
  • Preocupación de que la asignación gratuita parezca demasiado pequeña para evaluar de forma significativa el uso diario.

Privacidad, datos y preocupaciones de plataforma

  • Varios usuarios preguntan qué audio/texto se envía a la nube, cuánto tiempo se conserva y si se usa para entrenamiento.
  • Algunos pagarían extra por modos estrictos de eliminación/sin entrenamiento.
  • Fuerte rechazo al registro solo con Google OAuth; se piden cuentas basadas en correo electrónico y opciones no basadas en Google.
  • Deseo de modelos locales/sin conexión por privacidad, coste y fiabilidad; algunos sugieren “uso personal local, uso empresarial nube de pago”.