Launch HN: Aqua Voice (YC W24) – वॉइस-चालित टेक्स्ट एडिटर

Hacker News चर्चा ↗

समग्र प्रतिक्रिया

  • कई टिप्पणीकारों को डेमो “wow”-स्तर पर प्रभावशाली और तुरंत उपयोगी लगा, खासकर पिछले dictation टूल्स की तुलना में।
  • कई लोगों ने तुरंत सब्सक्राइब कर लिया या कहा कि अगर यह उनके workflows के साथ बेहतर integrate हो जाए तो वे “खुशी से pay” करेंगे।
  • दूसरों को उत्साह तो था, लेकिन latency, clunkiness, या missing features की वजह से वे जल्दी ही हट गए और cancel कर दिया।

Use cases और target users

  • मजबूत रुचि इन समूहों से:
    • RSI, neuropathy, disabilities, और dyslexia वाले लोग जो voice पर निर्भर रहते हैं या उसे प्राथमिकता देते हैं।
    • Papers, email, और note‑taking के लिए students और knowledge workers।
    • Healthcare (doctors, dentists, radiologists), जहाँ dictation पहले से सर्वव्यापी है।
    • Developers और power users जो IDE/editor integration (VS Code, JetBrains, Obsidian, Joplin, Notion, Raycast) चाहते हैं।
  • आकांक्षात्मक use cases: background “day-long” note-taking, walking/cycling monologues, meeting/whiteboard transcription, interview review, recipes, speeches, screenplays।

Interaction model: natural language vs commands

  • Product speech-only से intent समझने वाले “command-less” approach की ओर झुकता है।
  • कुछ users इसे सही long-term दिशा मानते हैं; others का तर्क है कि natural language alone कभी explicit commands जितनी efficient नहीं होगी।
  • बार-बार अनुरोध किए गए:
    • एक hybrid model: natural language + user-defined commands/macros/aliases।
    • Structured formats (tables, screenplay, code) और domain vocabularies (acronyms, custom dictionaries) के लिए बेहतर support।

Technical / product details

  • Intent के लिए custom “fusion” model और rewriting/transformations के लिए fine-tuned GPT-4 का उपयोग।
  • आज browser app; Mac app अस्थिर स्थिति में; strong demand for:
    • Native desktop और mobile apps।
    • सभी text fields में system-level “keyboard” style integration।
    • API access ताकि दूसरे plugins और native wrappers बना सकें।
  • रिपोर्ट की गई समस्याएँ: Firefox audio errors, Edge problems, mic selection friction, accent errors (जैसे Scottish), AirPods quality, और कभी-कभी over-conservative editing।

Pricing, tokens, और business model

  • “tokens” को user-facing unit के रूप में लेकर भ्रम और असंतोष; सुझाव कि words, minutes, या time-based trials इस्तेमाल किए जाएँ।
  • कुछ लोग subscriptions की जगह pay-as-you-go/credits चाहते हैं।
  • चिंता कि free allocation daily use को meaningful तरीके से evaluate करने के लिए बहुत छोटी लगती है।

Privacy, data, और platform concerns

  • कई users पूछते हैं कि audio/text cloud में क्या भेजा जाता है, उसे कितनी देर रखा जाता है, और क्या उसे training के लिए उपयोग किया जाता है।
  • कुछ strict deletion/no-training modes के लिए extra pay करने को तैयार होंगे।
  • Google OAuth-only signup पर मजबूत आपत्ति; email-based accounts और non-Google options की माँग।
  • privacy, cost, और reliability के लिए local/offline models की इच्छा; कुछ का सुझाव है “personal use local, business use paid cloud.”