Praktische Erfahrungen mit Tencents Chatterfly: Ist die nächste Station der Spracheingabe erreicht?

Im vergangenen Jahr haben sich KI-Spracheingabeprodukte wie Typeless und Wispr Flow zunehmend verbreitet, was viele Menschen dazu veranlasst hat, die Tastatur beiseite zu legen und Text direkt durch Sprechen einzugeben. Das, was mich an diesen Produkten am meisten fasziniert, ist, dass wir endlich nicht mehr gleichzeitig sprechen und uns über Floskeln, wiederholte Ausdrücke und ungeordnete Satzstrukturen Gedanken machen müssen.

Selbst wenn man spricht, was einem gerade einfällt, kann die KI am Ende daraus einen klaren, flüssigen Text erstellen.

Aber kürzlich habe ich Tencents Chatterfly im Rahmen eines geschlossenen Betatests ausprobiert und habe nun andere Vorstellungen und Eindrücke von Spracheingabeprodukten im KI-Zeitalter. Wenn man Chatterfly zum ersten Mal kennenlernt, denkt man vielleicht leicht an Typeless: Beide können Spracheingaben per KI verfeinern und markierten Text direkt umschreiben und übersetzen.

Aber nach eingehender Nutzung habe ich festgestellt, dass Chatterfly einige interessante Ansätze verfolgt. Insbesondere nach der Einführung von Skills kann es Inhalte für Aufgaben wie Arbeitsberichte oder Vibe Coding gezielt optimieren. Gleichzeitig berücksichtigt es die von chinesischen Nutzern vertraute Gewohnheit der Pinyin-Eingabe und der zugehörigen Wörterbücher und bietet so ein völlig neues Erlebnis eines KI-Sprachassistenten.

Aber wie viel praktischen Nutzen bringen diese Designs für Technikredakteure, die täglich Berichte schreiben, Produkte recherchieren und häufig mit KI zu tun haben?

Von Sprache-zu-Text-Umwandlung zum fertigen Text nach dem Sprechen

Zuerst ist zu erwähnen, dass Chatterfly derzeit noch in der Einladungsbetaphase ist, es gibt Versionen für macOS und Windows, während Versionen für iOS und Android noch nicht erschienen sind. Die folgenden Ausführungen spiegeln ausschließlich unsere Nutzungserfahrung mit der aktuellen Version (1.0.10.13541) wider.

Um ehrlich zu sein, hatte ich zu Beginn des Ausprobierens von Chatterfly keine sehr hohen Erwartungen. Schließlich ist die Spracherkennung heutzutage sowohl bei Sogou- als auch bei WeChat-Eingabemethoden und bei Typeless bereits ausgereift genug. Was das Nutzungserlebnis tatsächlich beeinflusst, ist die Arbeit nach der genauen Erkennung.

Mündliche Ausdrücke in der realen Umgebung sind normalerweise nicht so streng, es gibt viele Wiederholungen, Sprechgewohnheiten, manchmal fällt einem mitten im Sprechen plötzlich eine zu ergänzende Information ein, manchmal widerruft man gerade gemachte Gedanken. Wenn man alles nur unverändert aufzeichnet, muss man am Ende den Text selbst noch einmal neu ordnen.

Eines der Kernerlebnisse von Chatterfly besteht darin, diese zusätzliche Arbeit zu ersparen. Wenn ich zum Beispiel in der täglichen Arbeit eine bemerkenswerte Entwicklung in der Technikbranche sehe, fallen mir vielleicht zuerst ein paar verstreute Fragen ein: Warum bringt dieses Unternehmen plötzlich dieses Produkt auf den Markt? Was unterscheidet es von Konkurrenten? Spiegelt dies nicht eine gewisse Veränderung in der Branche wider?

Früher war ich es gewohnt, diese Fragen zuerst zu relativ vollständigen Texten zu ordnen und sie dann der KI für erste Recherchen zu übergeben. Jetzt kann ich die Gedanken in meinem Kopf direkt aussprechen und Chatterfly direkt bei der Ordnung helfen lassen.

Das Interessante an Chatterfly ist außerdem, dass es für unterschiedliche Nutzungsszenarien spezielle Skills anbietet.

In der derzeit getesteten Betaversion bietet Chatterfly bereits zahlreiche Skills wie Prompt-Optimierung, Projektfortschrittsverfolgung, Marketingtexte, Arbeitsberichte und Sitzungsprotokolle an. Wenn man sie nach eigenen Bedürfnissen aktiviert, wählt Chatterfly anschließend passende Skills intelligent aus, um den Text je nach aktuellem Eingabeszenario zu verfeinern und zu ordnen.

Insbesondere die „Prompt-Optimierung“ ist sehr nützlich. Heutzutage ist die Nutzung von KI zum Abrufen von Informationen, zur Analyse von Problemen und sogar zum Vibe Coding kleiner Alltagstools bereits Teil meiner täglichen Arbeit. Das Problem ist, dass man oft viele Hintergründe, Einschränkungen und spezifische Anforderungen angeben muss, damit die KI eine Aufgabe genau erledigt.

Zum Beispiel habe ich kürzlich versucht, ein kleines Tool basierend auf dem Bildspeicher von Leikeji zu entwickeln. Vibe Coding macht das Schreiben von Code zwar viel einfacher, aber damit die KI die Entwicklungsanforderungen genau versteht, muss man trotzdem Funktionen, Interaktion und verschiedene Einschränkungen klar angeben. Insbesondere bei komplexen Anforderungen kostet das Schreiben des Prompts selbst viel Zeit.

Chatterfly bietet eine entspanntere Art des Vibe Codings. Ich spreche die Anforderungen einfach mündlich aus, sage, was mir gerade einfällt, muss keine Rücksicht auf Sprechgewohnheiten oder Pausen nehmen und kann Anforderungen jederzeit ergänzen oder ändern. Am Ende kann Chatterfly mithilfe der Skills daraus einen strukturell klareren Prompt erstellen, der für die KI leicht verständlich und ausführbar ist.

Auch bei der Arbeitskommunikation, wenn man Kollegen oder Vorgesetzten den Arbeitsfortschritt mitteilt, einfach klar sagt, was man bisher getan hat, welche Probleme man festgestellt hat und wie es weitergehen soll, muss man keine Zeit für spezielle Ausdrücke aufwenden. Chatterfly kann den Text je nach Arbeitsszenario zu einer klar gegliederten Nachricht ordnen.

Natürlich kommt man als Technikredakteur bei Spracheingaben nicht um eine große Anzahl von Fachbegriffen herum. Zum Beispiel sagen wir bei der Fujifilm X-T5 manchmal direkt „Cha-T5“, Chatterfly kann dies im Kontext zu „X-T5“ standardisieren. Außerdem unterstützt es ein persönliches Wörterbuch: Man kann nicht nur das lokale Wörterbuch der Sogou-Eingabemethode importieren, sondern das Tool lernt auch automatisch Vokabeln anhand der Korrekturen, die man nach der normalen Spracheingabe vornimmt.

Zum Beispiel verfolge ich derzeit alle farbigen KI-Brillen, einschließlich der bereits veröffentlichten Rokid Color und der angekündigten Thunderbird iO+. Bei der ersten Spracheingabe macht Chatterfly noch Fehler, aber nach der Korrektur merkt es sich den Begriff automatisch und lernt ihn.

Vom Eingeben zum Ausführen: Chatterfly kann noch viel mehr

Wenn Spracheingabe und intelligente Verfeinerung die Ausdrucksweise nur einfacher machen, haben mich die letzten Updates von Chatterfly dazu veranlasst, eine andere Art der KI-Nutzung auszuprobieren.

Mithilfe von Sprachbefehlen kann Chatterfly jetzt bereits Online-Fragen beantworten, fortlaufende Nachfragen stellen und vorhandene Inhalte ändern. Nutzer müssen keinen Text eingeben und ihn dann in ein anderes KI-Chatfenster kopieren, sondern können direkt aussprechen, was sie erledigen möchten.

Nehmen wir zuerst ein alltäglicheres Beispiel: Am Wochenende fährt eine ganze Familie mit Kind auf einen Ausflug, sie fährt vom Bahnhof Shenzhen Nord ab, fährt nicht selbst mit dem Auto und möchte das Gesamtbudget der Familie auf unter 300 Yuan begrenzen. Wenn man Chatterfly diese Anforderungen und Bedingungen einfach mitteilt, kann Chatterfly dabei helfen, geeignete Reiseziele zu suchen und zu vergleichen.

Wenn man weitere Anforderungen hinzufügt, wie z. B. den Eintritt in das Museum um 10 Uhr morgens, das Ende um 1 Uhr nachmittags und die Notwendigkeit, das Mittagessen zu planen, kann Chatterfly den Reiseplan weiter vervollständigen und genauere Verkehrsrouten, Restaurants in der Nähe und Reiseabläufe angeben.

Während des gesamten Prozesses kann man wie in einem Gespräch ständig Anforderungen ergänzen, was den Aufwand für wiederholtes Suchen und Ordnen von Informationen erspart, und man muss nicht zwischen Suchmaschinen, Karten und KI-Chatfenstern hin und her wechseln.

Das ist der grundlegende Unterschied zu herkömmlichen Spracheingabetools. Die Aufgabe herkömmlicher Spracheingabewerkzeuge besteht im Wesentlichen darin, Sprache in Text umzuwandeln, während echte Informationsabrufe und Aufgabenverarbeitung oft erst mit anderen Produkten erledigt werden müssen. Chatterfly kombiniert beide Funktionen und lässt eine einmalige Spracheingabe natürlich zu einem fortlaufenden Aufgabenverarbeitungsprozess werden:

Man fängt mit dem Sprechen sofort an zu arbeiten.

Aber mehr als die Online-Fragebeantwortung interessiert mich die Fähigkeit von Chatterfly, vorhandenen Text direkt zu ändern. Beim täglichen Schreiben von Manuskripten begegne ich oft einer Situation: Ein Textabschnitt ist im Wesentlichen fertig geschrieben, liest sich aber nicht flüssig, es gibt möglicherweise wiederholte Ausdrücke oder die Reihenfolge einiger Sätze muss angepasst werden.

Früher habe ich den Text entweder selbst wiederholt geändert oder den betreffenden Text in ein KI-Chatfenster kopiert, die spezifischen Anforderungen hinzugefügt und nach der Ausgabe der KI wieder zurückkopiert. Mit Chatterfly kann ich den vorhandenen Inhalt direkt markieren, der KI mündlich meine spezifischen Meinungen und Gedanken mitteilen und die Änderung direkt abschließen.

Wenn zum Beispiel ein Arbeitsbericht viele redundante Ausdrücke enthält, kann man verlangen, Wiederholungen zu löschen, die Struktur anzupassen und gleichzeitig die Begriffe zu vereinheitlichen. Bei bestimmten Abschnitten im Manuskript kann man Fakten und wichtige Urteile beibehalten und nur die Satzstruktur, wiederholte Ausdrücke und unnatürliche Formulierungen bearbeiten. Man kann auch ausdrücklich verlangen, Argumente und Logik zu ergänzen.

Wie das Sprichwort sagt: „Zwischen zwei Punkten ist die Gerade die kürzeste.“ Einen oder mehrere Sätze oder Abschnitte zu ändern, anstatt einen zusätzlichen KI-Assistenten öffnen zu müssen, damit die KI die Änderung direkt in der ursprünglichen Arbeitsoberfläche erledigt, ist zweifellos eine natürlichere und bequemere Interaktionsweise.

Chatterfly hat außerdem einen Übersetzungsmodus hinzugefügt, der es Nutzern ermöglicht, direkt Chinesisch zu sprechen und Englisch als Ausgabe zu erhalten. Wenn man zum Beispiel eine E-Mail an einen ausländischen Hersteller senden möchte, um nach den technischen Spezifikationen eines neuen Produkts, dem Markteinführungszeitpunkt oder der Möglichkeit eines Interviews zu fragen, kann man die Anforderung direkt auf Chinesisch aussprechen und sie dann in Ausdrücke umwandeln lassen, die den Gewohnheiten englischer E-Mails entsprechen.

Eine weitere Funktion, die leicht übersehen wird, aber die Nutzungshäufigkeit von Chatterfly direkt beeinflusst, ist die globale Aktivierung.

In dem letzten Versionsupdate unterstützt Chatterfly die Aktivierung der Spracheingabe über eine globale Tastenkombination. Selbst wenn man derzeit eine andere Eingabemethode verwendet, muss man nicht extra zu Chatterfly wechseln, um die Sprachfunktion direkt aufzurufen.

Das schätze ich sehr. Für Nutzer, die sich bereits an eine bestimmte Eingabemethode und Tastenkombinationen gewöhnt haben, ist es nicht unerheblich, das Haupt-Eingabetool plötzlich zu wechseln. Insbesondere für Menschen, die täglich eine große Menge Text eingeben, sind die Nutzung der Pinyin-Eingabe und der Vorschläge bereits zur Muskelgedächtnis geworden, genauso wie die schnellen Bedienvorgänge.

Anstatt Nutzer zu zwingen, ihre Gewohnheiten zu ändern, wählt Chatterfly den Weg, die KI-Sprachfunktion jederzeit in den vorhandenen Arbeitsabläufen verfügbar zu machen – das macht es viel einfacher, es auszuprobieren.

Schneller, natürlicher: Eine andere Art der KI-Nutzung

Nach dieser Zeit der Nutzung ist mein größter Eindruck von Chatterfly, dass KI sich viel natürlicher in die tägliche Arbeit integrieren kann. Insbesondere in Szenarien wie dem Schreiben von Prompts, dem Ordnen von Arbeitsnachrichten und dem Ändern von Texten lassen sich viele Dinge, die früher wiederholte Vorgänge erforderten, jetzt einfach durch Sprechen erledigen.

Für sich genommen spart man jedes Mal vielleicht nur ein paar Minuten, aber für Menschen, die täglich große Mengen an Informationen verarbeiten und häufig KI nutzen, ist diese Verbesserung des Nutzungserlebnisses sehr deutlich spürbar.

Die Iterationsgeschwindigkeit des Produktteams von Chatterfly hat mich ebenfalls beeindruckt. Aus den Versionsveröffentlichungen geht hervor, dass Chatterfly in der Betaphase im Wesentlichen ein wöchentliches Iterationsrhythmus beibehält. Von Sprachbefehlen, globaler Aktivierung und Übersetzungsmodus bis hin zur Erkennung von Fachbegriffen, automatischem Lernen von Vokabeln und Verwaltung von Sprachverläufen werden viele Funktionen ständig verbessert.

Und das ist noch lange nicht die „Vollversion“ von Chatterfly. Neben der Eingabe auf dem Desktop gibt es tatsächlich auch eine große Anzahl von Anforderungen an Spracheingaben auf Mobilgeräten. Deshalb freue ich mich sehr darauf, dass das Chatterfly-Team bald Versionen für iOS und Android veröffentlicht – nicht nur weil ich der Meinung bin, dass man auch auf dem Handy Eingabeprodukte mit dem KI-nativen Ansatz wie Chatterfly braucht, sondern auch weil die Ergänzung der mobilen Version es dem Produkt ermöglicht, in komplexeren, aber realeren praktischen Szenarien schnell zu iterieren.