Proč je hlasové zaznamenávání budoucností sledování kalorií (a proč většina aplikací tuto funkci nemá)

Většina lidí, kteří se pokusí sledovat kalorie, to vzdá během dvou týdnů. Důvodem není nedostatek motivace ani nezájem o zdraví. Je to tření. Každé jídlo se stává povinností: odemknout telefon, otevřít aplikaci, hledat každou potravinu, procházet desítkami podobných výsledků, upravit velikost porce a opakovat to pro každý komponent jídla. Jednoduchý oběd zabere 2-3 minuty na zaznamenání. Když to vynásobíte třemi jídly a dvěma svačinami denně, strávíte 10-15 minut denně zadáváním dat.

Hlasové zaznamenávání toto tření zcela eliminuje a představuje nejvýznamnější pokrok ve sledování kalorií od doby skenování čárových kódů. Popis jídla je 3-4x rychlejší než psaní a hledání, funguje bez použití rukou, nevyžaduje žádnou křivku učení a odráží způsob, jakým lidé přirozeně popisují jídlo. Přesto méně než 5 % aplikací na sledování kalorií v roce 2026 tuto funkci skutečně nabízí. Důvodem není nedostatek poptávky — je to proto, že vybudovat přesné zaznamenávání hlasu do výživy je jednou z nejtěžších technických výzev v oblasti spotřebitelské zdravotní technologie.

Rychlost: Mluvení vs Psaní vs Skenování

Nejdůležitějším měřítkem pro jakoukoli metodu sledování kalorií je čas potřebný na zaznamenání. Každá sekunda tření snižuje pravděpodobnost, že uživatel bude zaznamenávat pravidelně. Zde je srovnání hlasového zaznamenávání s ostatními metodami zadávání:

Metoda zaznamenávání	Průměrný čas na jídlo	Počet kroků	Bez použití rukou	Funguje pro složitá jídla
Hlasové zaznamenávání	8-15 sekund	1 (mluvit)	Ano	Ano
AI foto zaznamenávání	10-20 sekund	2 (vyfotit + potvrdit)	Ne	Ano
Skenování čárového kódu	5-10 sekund na položku	2 na položku (naskenovat + potvrdit)	Ne	Ne (pouze balené)
Manuální vyhledávání	45-90 sekund	4-6 na položku (psát, hledat, vybrat, upravit)	Ne	Únavné
Rychlé přidání / Oblíbené	5-10 sekund	2 (vybrat + potvrdit)	Ne	Pouze pro uložená jídla

Hlasové zaznamenávání není jen rychlejší než manuální zadávání. Je to zásadně jiný interakční model. Místo toho, abyste své jídlo přetvářeli na sérii interakcí v aplikaci, jednoduše popisujete, co jste jedli, tak, jak byste to řekli příteli. "Měl jsem velký talíř špaget s boloňskou omáčkou, česnekovým chlebem a sklenicí červeného vína." Hotovo. Jedna věta. AI se postará o všechno ostatní.

U tří položkového oběda trvá manuální vyhledávání a zaznamenávání v průměru 90-120 sekund. Hlasové zaznamenávání zabere 10-15 sekund. To je 8-10x zlepšení rychlosti. Během měsíce ušetří konzistentní uživatel přibližně 2-3 hodiny tím, že používá hlas místo manuálního zadávání.

Proč je hlasové zaznamenávání přístupnější než jakákoli jiná metoda zadávání

Rychlost je hlavní výhodou, ale přístupnost může být důležitějším dlouhodobým faktorem pro přijetí hlasového zaznamenávání.

Fyzická přístupnost

Manuální zaznamenávání jídla vyžaduje jemnou motorickou kontrolu: psaní na malém klávesnici, procházení seznamy, klepání na přesné prvky uživatelského rozhraní. Pro lidi s artritidou, třesem, zrakovými problémy nebo dočasnými zraněními rukou je to obtížné nebo nemožné. Hlasové zaznamenávání vyžaduje pouze schopnost mluvit. Otevírá tak sledování kalorií milionům lidí, kteří jsou efektivně vyloučeni z dotykových rozhraní.

Situational Accessibility

I pro plně schopné uživatele existuje nespočet každodenních situací, kdy je dotykové zaznamenávání nepraktické:

• Vaření: Ruce jsou mokré, mastné nebo pokryté moukou. Dotýkat se telefonu je nehygienické a nepohodlné.
• Řízení: Nikdy byste neměli psát na telefonu při řízení, ale bezpečně můžete mluvit o popisu jídla (jako byste to řekli spolujezdci).
• Cvičení: Zaznamenávání po tréninku se zpocenýma nebo křídou pokrytýma rukama je nepříjemné.
• Jídlo s ostatními: Vytáhnout telefon a strávit 2 minuty zaznamenáváním v restauraci nebo u stolu je sociálně trapné. Rychlé popisování šeptem zabere sekundy.
• Nesení věcí: Chůze domů s nákupními taškami, nesení dítěte nebo držení jídla.

Věk a technická gramotnost

Starší dospělí a lidé, kteří nejsou příliš zruční s aplikacemi na chytrých telefonech, často bojují s vícestupňovým procesem manuálního zaznamenávání jídla. Mluvení je intuitivní. Každý ví, jak popsat, co jedl. Není zde žádná křivka učení, žádné rozhraní k navigaci a žádná syntaxe vyhledávání k pochopení.

Výhoda přirozeného jazyka

Lidé popisují jídlo verbálně po tisíce let. Děláme to v restauracích ("Dám si grilovaného lososa s přílohou salátu"), doma ("Uvařil jsem velký hrnec kuřecí polévky s nudlemi") a v konverzaci ("Právě jsem měl úžasný burrito s guacamole a extra sýrem").

Tato verbální zdatnost v oblasti jídla je důvodem, proč je hlasové zaznamenávání tak snadné. Neučíte se novou dovednost. Používáte dovednost, kterou už máte. Porovnejte to s manuálním zaznamenáváním, které vyžaduje:

1. Rozložit jídlo na jednotlivé vyhledatelné položky
2. Znáte názvosloví aplikace (je to "kuřecí prsa" nebo "kuře, prsa, bez kostí"?)
3. Odhadnout porce v gramech, uncích nebo šálcích místo přirozeného jazyka ("velká porce")
4. Procházet databázi pro každou položku zvlášť

Hlasové zaznamenávání vám umožňuje to všechno přeskočit. Přirozeně popisujete jídlo a AI se postará o rozložení, pojmenování, odhad porcí a vyhledávání v databázi. Kognitivní zátěž se přesune z uživatele na stroj, což je přesně tam, kde patří.

Proč většina aplikací na sledování kalorií nenabízí hlasové zaznamenávání

Pokud je hlasové zaznamenávání rychlejší, přístupnější a přirozenější, proč má méně než 5 % aplikací na sledování kalorií tuto funkci? Protože správné vybudování je extrémně obtížné. Zde jsou důvody.

Výzva 1: Potravinově specifické NLP není jen převod řeči na text

Převod řeči na text je vyřešený problém. Apple, Google a OpenAI nabízejí API pro převod řeči na text s vysokou přesností. Ale převod řeči na strukturovaná nutriční data je zcela jiná výzva.

Když uživatel říká "Měl jsem střední sladký brambor s lžící másla a špetkou skořice," systém musí:

• Identifikovat tři odlišné položky: sladký brambor, máslo, skořice
• Zpracovat množství pro každou: střední (sladký brambor), lžíce (máslo), špetka (skořice)
• Pochopit modifikátory: "střední" je velikost, nikoli způsob vaření
• Zpracovat vztahovou strukturu: máslo a skořice jsou přílohy k sladkému bramboru, nikoli samostatná jídla
• Přiřadit "špetku" k přibližnému množství (přibližně 0,5-1 gram)

To je potravinově specifické rozpoznávání pojmenovaných entit (NER) kombinované s extrakcí množství a vztahovým zpracováním. Obecné NLP modely si s tímto neporadí, protože nejsou trénovány na specifické vzorce potravinového jazyka.

Výzva 2: Přesnost je neúprosná

Většinou aplikací hlasové AI je malá chyba tolerovatelná. Pokud hlasový asistent špatně slyší "přehrát jazzovou hudbu" jako "přehrát jazzovou hudební playlist," uživatel stále dostane jazzovou hudbu. Dostačující.

Ve sledování kalorií může malá nesprávná interpretace způsobit extrémně chybná data. Záměna "lžíce olivového oleje" (120 kalorií) s "šálkem olivového oleje" (1 900 kalorií) je 16x chyba. Zaznamenání "smaženého kuřete" místo "grilovaného kuřete" přidává přibližně 100 kalorií na porci. Nesprávné pochopení "Já jsem NEjedl chléb" jako zaznamenání chleba je falešně pozitivní, což kazí data za den.

Uživatelé, kteří vidí nepřesné záznamy, okamžitě ztrácejí důvěru. A jakmile je důvěra ztracena, přestanou používat hlasové zaznamenávání úplně a vrátí se k manuálnímu zadávání, nebo pravděpodobně přestanou sledovat úplně. Přesnost pro hlasové zaznamenávání potravin je mnohem vyšší než pro obecné hlasové asistenty, a splnění této úrovně vyžaduje specializované modely a rozsáhlé testování.

Výzva 3: Kvalita databáze určuje vše

Hlasové zaznamenávání je dobré pouze tak, jak dobrá je potravinová databáze, na kterou se mapuje. Zde je problém: většina aplikací na sledování kalorií používá crowdsourced databáze, kde může kdokoli přidávat záznamy. Tyto databáze obsahují:

• Duplicitní záznamy pro stejné jídlo s různými počty kalorií
• Uživatelsky přidané záznamy s nesprávnými nutričními daty
• Neúplné záznamy chybějící makroživiny nebo mikroživiny
• Regionální konflikty v názvosloví (např. "biscuit" v USA vs UK)

Když hlasový systém identifikuje "kuřecí tikka masala," musí se mapovat na jeden přesný záznam v databázi. Pokud databáze obsahuje 47 různých záznamů "kuřecí tikka masala" s počty kalorií od 250 do 650 na porci, hlasový systém hádá. Uživatel dostává nespolehlivá data bez ohledu na to, jak dobrá je hlasová AI.

Proto Nutrola používá databázi potravin ověřenou nutričními specialisty místo crowdsourced záznamů. Když hlasová AI identifikuje potravinovou položku, mapuje ji na jeden autoritativní záznam s ověřenými kaloriemi a makroživinami. Databáze je základem. Bez spolehlivé databáze produkuje hlasové zaznamenávání sebevědomě znějící, ale nepřesné výsledky.

Výzva 4: Real-time NLP zpracování je nákladné

Zpracování přirozeného jazyka v reálném čase, identifikace potravinových entit, zpracování množství, vyřešení nejasností a mapování do databáze stojí značné výpočetní zdroje na žádost. Pro aplikaci, která obsluhuje stovky tisíc uživatelů zaznamenávajících více jídel denně, jsou náklady na infrastrukturu značné.

Většina aplikací na sledování kalorií funguje na tenkých maržích nebo modelech podporovaných reklamou. Přidání real-time NLP zpracování pro každé zaznamenání jídla může zvýšit náklady na servery 5-10x ve srovnání s jednoduchými vyhledáváními v databázi. To je hlavní důvod, proč aplikace podporované reklamou nemohou ospravedlnit tuto investici. Jednotková ekonomika nefunguje, když váš příjem na uživatele je zlomek centu z bannerových reklam.

Předplatitelský model Nutrola za 2,5 EUR měsíčně (bez reklam ve všech úrovních) podporuje infrastrukturu potřebnou pro hlasové a foto zaznamenávání poháněné AI. Ceny financují výpočetní výkon, ověřenou databázi a průběžné zlepšování modelu, které udržuje vysokou přesnost.

Jak Nutrola vytvořila hlasové zaznamenávání jako konkurenční výhodu

Vytvoření hlasového zaznamenávání pro sledování kalorií vyžadovalo současné vyřešení všech čtyř výzev: potravinově specifické NLP, vysoké standardy přesnosti, ověřenou databázi a škálovatelnou infrastrukturu. Zde je, jak se Nutrola k tomu postavila.

Potravinově specifický trénink AI: Hlasová AI Nutrola není obecný jazykový model s přidaným potravinovým promptem. Je trénována specificky na popisy potravin, kontexty jídel a vzorce nutričního jazyka. Rozumí tomu, že "šplouchnutí" je něco jiného než "šálek", že "suché" kuře znamená bez omáčky a že "plněné" pečené brambory znamenají máslo, zakysanou smetanu, sýr a slaninu.

Integrace ověřené databáze: Každá potravinová položka, kterou hlasová AI identifikuje, se mapuje na ověřenou databázi Nutrola. Není zde žádná nejasnost ohledně toho, který záznam "kuřecí Caesar salát" použít, protože databáze neobsahuje 50 konfliktních verzí. Jeden ověřený záznam. Přesná data.

Multi-modalní zaznamenávání: Hlasové zaznamenávání funguje vedle AI foto zaznamenávání Nutrola, skenování čárových kódů (95%+ pokrytí produktů) a manuálního vyhledávání. Uživatelé si mohou vybrat nejrychlejší metodu pro každou situaci. Balená svačina? Naskenujte čárový kód. Domácí jídlo? Vyfoťte nebo popište hlasem. Jídlo v restauraci? Hlas je obvykle nejrychlejší.

Nepřetržitý cyklus zlepšování: Každý záznam hlasového zaznamenávání poskytuje tréninkový signál. Když uživatel opraví zpracovaný výsledek, tato oprava zlepšuje budoucí přesnost. Systém se časem zlepšuje, což znamená, že počáteční investice do hlasového zaznamenávání se kumulativně zvyšuje do stále širšího náskoku v přesnosti oproti konkurentům, kteří ještě nezačali.

Tato kombinace schopností vytváří skutečnou konkurenční výhodu. Konkurent, který se dnes rozhodne přidat hlasové zaznamenávání, by potřeboval 12-18 měsíců na vybudování a trénink potravinově specifického NLP systému, kuraci ověřené databáze a iteraci na přesnosti. Do té doby se systém Nutrola dále zlepší.

Evoluce sledování kalorií: Od manuálního k automatizovanému

Hlasové zaznamenávání není konečným stavem technologie sledování kalorií. Je to nejnovější krok v jasné evoluční trajektorii:

Éra 1: Manuální zadávání (2005-2012)

První aplikace na sledování kalorií byly digitální potravinové deníky. Psali jste název jídla, hledali v databázi, vybrali správný záznam a upravili porci. Bylo to lepší než sledování na papíře, ale stále únavné. Míra dodržování byla nízká, protože časová investice na jedno jídlo byla vysoká.

Éra 2: Skenování čárových kódů (2012-2018)

Skenování čárových kódů transformovalo sledování pro balené potraviny. Naskenujte čárový kód, potvrďte záznam, hotovo. To dramaticky zkrátilo čas zaznamenávání pro položky s čárovými kódy, ale nic to neudělalo pro domácí jídla, restaurace nebo čerstvou zeleninu. Skenovač čárových kódů Nutrola pokrývá 95%+ balených produktů, což z něj činí nejlepší volbu pro tuto aplikaci.

Éra 3: Foto zaznamenávání (2020-2024)

AI poháněné foto zaznamenávání používá počítačové vidění k identifikaci potravin z obrázků. Vyfoťte talíř a AI identifikuje potraviny a odhaduje porce. To byl významný skok pro domácí jídla a jídla v restauracích. AI foto zaznamenávání Nutrola dokáže identifikovat více položek na talíři a odhadnout porce s rozumnou přesností.

Éra 4: Hlasové zaznamenávání (2024-současnost)

Hlasové zaznamenávání přidává rychlost a schopnost fungovat bez použití rukou. Je obzvlášť silné pro jídla, která se obtížně fotografují (polévky, smoothies, smíšená jídla) a situace, kdy nemůžete použít ruce. Hlasové a foto zaznamenávání jsou doplňkové, nikoli konkurenční, a aplikace, které nabízejí obě, poskytují uživatelům největší flexibilitu.

Éra 5: Plně automatizované sledování (budoucnost)

Konečným cílem je pasivní sledování kalorií: nositelné senzory, chytré talíře, propojené kuchyňské spotřebiče a AI, která dokáže odhadnout váš příjem bez jakéhokoli manuálního vstupu. To je stále několik let od připravenosti pro spotřebitele, ale trajektorie je jasná. Každá éra snižuje úsilí uživatele. Hlasové zaznamenávání je aktuální hranicí a přibližuje nás k bezproblémovému sledování, které učiní počítání kalorií skutečně bez námahy.

Data: Proč je snížení tření důležité pro dodržování

Výzkum v oblasti zdravotního chování konzistentně ukazuje, že snížení tření zvyšuje dodržování. Studie z roku 2024 publikovaná v Journal of Medical Internet Research zjistila, že dodržování sledování kalorií klesá přibližně o 50 % po prvním týdnu při používání aplikací pouze pro manuální zadávání. Uživatelé, kteří měli přístup k alespoň jedné alternativní metodě zadávání (skenování čárových kódů, foto zaznamenávání nebo hlasové zaznamenávání), vykázali o 30-40 % vyšší míru udržení po 30 dnech.

Mechanismus je jednoduchý: každá další sekunda času potřebného na zaznamenání zvyšuje pravděpodobnost, že uživatel vynechá jídlo. Vynechaná jídla vedou k nepřesným denním celkům. Nepřesné celky podkopávají důvěru v data. Ztracená důvěra vede k opuštění.

Hlasové zaznamenávání útočí na tento řetězec na samotném prvním článku. Snížením času na zaznamenání na méně než 15 sekund i pro složitá jídla minimalizuje okamžiky, kdy uživatel přemýšlí "Zaznamenám to později" (a nikdy to neudělá).

Pro lidi, kteří sledují kalorie kvůli řízení hmotnosti, zdravotním stavům jako diabetes, sportovnímu výkonu nebo obecné zdravotní uvědomělosti, je konzistentní sledování rozdílem mezi dosažením cílů a jejich nedosažením. Metoda zadávání je důležitější, než si většina lidí uvědomuje.

Kdo nejvíce těží z hlasového zaznamenávání

Hlasové zaznamenávání je užitečné pro každého, ale některé skupiny z toho těží nepřiměřeně:

Lidé, kteří často vaří doma. Domácí jídla jsou nejtěžší na manuální zaznamenávání, protože zahrnují více ingrediencí v různých množstvích. Hlasové zaznamenávání vám umožňuje přirozeně popsat jídlo, aniž byste ho museli rozkládat na jednotlivé vyhledávání v databázi.

Zaneprázdnění profesionálové. Pokud jíte mezi schůzkami, zaznamenáváte mezi úkoly nebo sledujete na časovém plánu, rychlost hlasu je významná. Patnáct sekund oproti dvěma minutám se sčítá u každého jídla.

Lidé se zdravotním postižením nebo omezením pohybu. Hlasové zaznamenávání zpřístupňuje sledování kalorií lidem, kteří mají potíže s dotykovými rozhraními kvůli artritidě, třesu, zrakovým problémům nebo jiným podmínkám.

Rodiče. Zaznamenávání jídla při zvládání dětí, nesení dítěte nebo přípravě jídel vhodných pro děti vedle vašich vlastních je dramaticky snazší s hlasem než s manuálním zadáváním.

Atleti a fitness nadšenci. Zaznamenávání po tréninku se zpocenýma nebo křídou pokrytýma rukama, zaznamenávání během přípravy jídla na týden nebo rychlé zachycení svačiny před tréninkem na cestě do posilovny všechny preferují hlasový vstup.

Starší dospělí. Bezproblémová povaha hlasového zaznamenávání z něj činí nejpřístupnější metodu sledování pro lidi, kteří nejsou příliš zruční v navigaci složitými rozhraními aplikací.

Jak začít s hlasovým zaznamenáváním na Nutrola

Hlasové zaznamenávání Nutrola je k dispozici na iOS i Android. Zde je, jak začít:

1. Stáhněte si Nutrola a začněte svou 3denní bezplatnou zkušební verzi
2. Otevřete obrazovku pro zaznamenávání jídla a klepněte na ikonu mikrofonu
3. Mluvte přirozeně o tom, co jste jedli — popište celé jídlo v jedné větě nebo několika větách
4. Zkontrolujte zpracované výsledky: Nutrola vám ukáže každou identifikovanou potravinovou položku s kaloriemi a makry
5. Potvrďte nebo upravte jakékoli položky a poté záznam uložte

Tipy pro nejlepší výsledky:

• Uveďte konkrétní množství, když je znáte ("200 gramů kuřete," "velké jablko," "dvě lžíce arašídového másla")
• Zahrňte způsoby vaření ("grilované," "smažené," "párované"), protože ovlivňují počty kalorií
• Uveďte značky, když je to relevantní ("Chobani řecký jogurt," "Starbucks flat white")
• Popište celé jídlo najednou, místo abyste zaznamenávali položky jednu po druhé

Hlasové zaznamenávání funguje vedle AI foto zaznamenávání Nutrola, skenování čárových kódů, AI Diet Assistant a synchronizace s Apple Health / Google Fit. Vyberte metodu, která se hodí k dané situaci.

Často kladené otázky

Jak přesné je hlasové zaznamenávání ve srovnání se skenováním čárových kódů?

Skenování čárových kódů je nejpřesnější metodou pro balené potraviny, protože čte přesný produkt s nutričními daty poskytnutými výrobcem. Hlasové zaznamenávání je nejpraktičtější metodou pro nebalené, domácí a restaurace, kde čárový kód neexistuje. U standardních jídel s běžnými ingrediencemi je přesnost hlasového zaznamenávání srovnatelná s manuálním vyhledáváním a výběrem, pokud je podpořena ověřenou databází, jako je ta od Nutrola.

Může hlasové zaznamenávání zvládat jídla v několika jazycích?

Hlasové zaznamenávání Nutrola podporuje popisy potravin, které zahrnují mezinárodní názvy jídel, regionální potravinové termíny a specifickou slovní zásobu kuchyní. Ať už řeknete "ramen," "pho," "moussaka" nebo "feijoada," AI tyto pokrmy rozpoznává a mapuje je na odpovídající nutriční data. Systém je navržen tak, aby zvládl způsob, jakým lidé skutečně popisují jídlo, což často zahrnuje neanglické termíny bez ohledu na jazyk, kterým mluví.

Proč nemají bezplatné aplikace na sledování kalorií hlasové zaznamenávání?

Skutečné hlasové zaznamenávání vyžaduje potravinově specifické NLP modely, ověřené databáze a infrastrukturu pro zpracování v reálném čase. Tyto náklady jsou vysoké na výstavbu a provoz. Bezplatné aplikace se spoléhají na příjmy z reklam, které generují mnohem méně na uživatele než náklady na výpočetní výkon AI poháněného zpracování hlasu. Proto je hlasové zaznamenávání obvykle nalezeno v aplikacích na bázi předplatného, jako je Nutrola (začínající na 2,5 EUR měsíčně), spíše než v bezplatných alternativách podporovaných reklamou.

Funguje hlasové zaznamenávání bez internetového připojení?

Hlasové zaznamenávání obvykle vyžaduje internetové připojení, protože převod řeči na text a zpracování potravinového NLP probíhá na cloudových serverech. To zajišťuje nejvyšší přesnost pomocí nejnovějších AI modelů a nejaktuálnější databáze potravin. Pro offline situace nabízejí skenování čárových kódů a manuální vyhledávání Nutrola alternativní metody zaznamenávání.

Jak hlasové zaznamenávání zvládá nejasné popisy potravin?

Když AI narazí na nejasnost, dělá rozumné předpoklady na základě běžných interpretací a prezentuje výsledky k vaší revizi. Například "káva" se předpokládá jako černá káva, a můžete upravit, abyste přidali mléko nebo cukr. "Salát" vyzve systém, aby se zeptal nebo předpokládal běžný typ salátu. Vždy vidíte zpracované výsledky před potvrzením, takže můžete opravit jakoukoli nesprávnou interpretaci před uložením.

Je hlasové zaznamenávání rychlejší než pořízení fotografie mého jídla?

Ve většině situací ano. Hlasové zaznamenávání trvá 8-15 sekund včetně času na revizi. Foto zaznamenávání trvá 10-20 sekund a vyžaduje, abyste měli jídlo vizuálně uspořádané a dobře osvětlené. Nicméně, foto zaznamenávání může být rychlejší pro vizuálně odlišná jídla, kde jedna fotografie zachycuje vše, a vyžaduje méně verbálního popisu. Nutrola nabízí obě metody a mnoho uživatelů mezi nimi přepíná v závislosti na situaci.

Jaké typy jídel jsou pro hlasové zaznamenávání nejtěžší?

Vysoce přizpůsobená jídla s mnoha úpravami (např. "burrito s polovinou normální rýže, extra fazolemi, bez sýra, s lehkou zakysanou smetanou a dvojnásobným kuřetem") mohou být pro jakýkoli hlasový systém náročná. Jídla s velmi neobvyklými nebo hyperlokálními potravinami, které nejsou v databázi, mohou také vyžadovat manuální zadávání. Přesto hlasová AI Nutrola zvládá většinu každodenních jídel, objednávek v restauracích a domácích pokrmů s vysokou přesností.

Mohu upravit záznam zaznamenaný hlasem po jeho uložení?

Ano. Každý záznam zaznamenaný hlasem v Nutrola lze po uložení plně upravit. Můžete upravit množství, vyměnit potravinové položky, přidat chybějící komponenty nebo odstranit nesprávné záznamy. Hlasové zaznamenávání je navrženo tak, aby vás dostalo na 90 %+ cesty během několika sekund, s jednoduchou manuální úpravou pro zbývající detaily, když je to potřeba.