Dikter til Gemini

Kan man allerede tale med Gemini?

Ja. Gemini har inbygget taleindtastning. I Gemini-appen på din telefon trykker du på mikrofonen og stiller dit spørgsmål; på en understøttet enhed kan du endda starte håndfrit. På nettet via gemini.google.com er der også en mikrofon i promptområdet. Så hvis dit mål er «at spørge Gemini om noget højt og få et svar», behøver du intet andet. Funktionen er inbygget i produktet.

Det vil jeg gøre klart fra starten, for mange artikler for dette søgeord springer over det og går direkte til at sælge dig noget. Geminis egne taleindtastning er oprigtigt god til hurtige mundtlige spørgsmål. «Hvad er vejret i København», «omregn 200 gram til deciliter», «opsummer denne artikel» — tal, lyt, færdigt. Hvis det er alt, hvad du gør, er dette en kort artikel: brug mikrofonen, der allerede er der.

Forskellen viser sig i det øjeblik, din prompt bliver længere eller mere gennemtænkt, og i det øjeblik du vil bruge præcis den samme vane et sted, der ikke er Gemini. Det er resten af denne artikel.

Hvorfor skrive prompten ind i stedet for bare at tale

Når du taler direkte ind i en chatbots mikrofon, går dine ord ind, og svaret kommer ud — men du ser aldrig prompten som redigerbar tekst først. For et enlinjes spørgsmål er det fint. For en omhyggelig prompt er det det ikke. Du sagde «opsummer dette i en formel tone», mikrofonen hørte «opsummer dette i en formal tone», og nu gør modellen noget lidt forkert, og du optager det hele igen. At skrive prompten ind i boksen først betyder, at du læser den, inden den køres.

Den anden grund er, at vanen rejser med dig. En genvej, der skriver din tale ind i en tekstboks, er ligeglad med hvilken boks. Gemini i dag, ChatGPT i morgen, en Claude-prompt dagen efter, en Slack-besked, en commit-beskrivelse, en e-mail til dit barns lærer. Ét muskelhukommelse, alle apps. Geminis mikrofon fungerer kun inden i Gemini — præcis hvad man ville forvente, men det betyder, at et andet værktøj, der fungerer overalt, ikke er overflødigt — det har en anden form.

Den hurtigste måde: en systemdækkende genvej

Her er det, en dedikeret app gør en forskel. Whisper by Remskill er ikke et Gemini-plugin, en Chrome-udvidelse eller en Google-integration. Det er en desktop-app, der opfører sig som dit tastatur: tryk på en genvej, tal, og transskriptet indsættes ved din markør — i enhver app, inklusiv Geminis promptboks. Det fungerer ens i browseren og på skrivebordet, fordi din computer bare opfatter det som, at du taster.

Opsætningen er kort:

Det er hele løkken. Transskriptet vises i boksen, du læser det, retter det, der er forkert, sender.

Dikter en prompt direkte ind i Gemini

Når det kører, er oplevelsen ubemerket på den bedste måde. Du placerer markøren i Geminis promptboks, holder tasten nede, siger din prompt, slipper. Omtrent et sekund senere sidder teksten der, som om du havde tastet den. Nu gør du det, live-mikrofonen ikke lader dig gøre: du læser den. Lange prompts — de tre afsnit med baggrund plus det egentlige spørgsmål — er meget lettere at få rigtigt, når du kan se dem, inden de køres.

Fordi den lokale transskription kører på din maskine (rent Rust, ingen Python-sidecar, ingen server i løkken), fungerer den offline, og lyden af det, du dikterer, forlader aldrig din laptop. Du taster prompten med stemmen og sender den derefter selv til Gemini — dikteringstrinnet og AI-trinnet er adskilt, hvilket er hele grunden til, at du kan redigere derimellem.

AI-oprydning fjerner «øh»-erne

Talt sprog er rodet. Du siger «øh», du genstarter sætninger, du ender i en lyd, der betyder «du ved, hvad jeg mener». Whisper har et valgfrit AI-forbedringsstep, der trimmer fyldord og rydder op i formuleringen, inden den indsættes. Så «øh, kan du, kan du skrive mig sådan en, en kort e-mail der afslår dette» bliver til «Kan du skrive mig en kort e-mail, der afslår dette». En renere prompt giver typisk et renere svar, så dette betyder faktisk mere for AI-prompting end for almindelige noter.

Den oprydning kører lokalt via Ollama, gratis, på din egen maskine. Pro-brugere kan rutte det via skyen i stedet, men fordelen ved at fjerne fyldord kræver ikke Pro; den er i den gratis lokale pipeline. Du kan også slå det fra og indsætte rå-transskriptet, hvilket er fint, når du alligevel vil læse og redigere prompten.

Den samme genvej fungerer i ChatGPT, Claude, overalt

Det er den del, der gør det separate værktøj det værd. Genvejen ved ikke, hvad Gemini er. Den indsætter tekst, hvor din markør er, så den præcise vane, du netop har lært, fungerer i ChatGPT, i Claude, i Perplexity, i et Google-dokument, i din e-mailklient, i kommentarfeltet til en pull request. Du lærer ét greb og stopper med at tænke på, hvilken AI du prompter i dag. Geminis inbyggede mikrofon hjælper af design kun inden i Gemini.

Jeg hopper mellem tre eller fire AI-værktøjer i en normal uge afhængigt af, hvad jeg laver. Det, jeg ikke ønskede, var en anden taleknap i hver af dem, der opfører sig lidt anderledes. Én genvej, der taster ind i dem alle, er mindre at huske, og den fortsætter med at fungere, når en af dem lancerer et redesign.

Sådan ser den fulde Whisper-app ud

Genvejen er den del, du bruger mest, men der er en indstillingsflade bag den. Du vælger din transskriptionsmotor: Whisper-modeller, hvis flersprogede varianter dækker 99 sprog, og de engelsksprogede .en-builds dækker præcis ét, eller NVIDIAs Parakeet, ca. 600 MB, 5 til 10 gange hurtigere end Whisper på CPU, der dækker engelsk plus 24 europæiske sprog. Du indstiller din genvej, håndterer historik og gemmer forudindstillinger. Intet af dette er nødvendigt for at diktere én prompt ind i Gemini. Det er der, når du vil finjustere.

Hvornår Geminis egen mikrofon er nok

Hvis du kun vil stille Gemini hurtige mundtlige spørgsmål, spring den separate app over helt. Åbn Gemini, tryk på eller klik på mikrofonen, tal. Det er inbygget, det er gratis, og for et enlinjes spørgsmål er der intet at vinde med et andet værktøj — du ville tilføje et trin, ikke fjerne et. Det samme gælder talefunktionerne i de andre store chatbots, når du kun arbejder i den ene app.

En dedikeret genvej trækker foran på tre steder: lange prompts, du vil læse inden afsendelse, fyldords-oprydningen, og brugen af den samme dikteringsvane på tværs af alle apps i stedet for kun Gemini. Jo mere dine prompts ligner rigtig skrivning — kontekst, instruktioner, et spørgsmål — og jo flere værktøjer du skifter imellem, desto mere betyder det.

Vælg det mindste værktøj, der løser dit problem. For ét mundtligt spørgsmål er det mikrofonen allerede i Gemini. For lange prompts dikteret på tværs af Gemini og ChatGPT og en halvfærdig e-mail, holder den systemdækkende genvej op med at føles som overkill omkring det andet afsnit, du ikke behøvede at taste.

Hvad Whisper koster

Den lokale dikterings-pipeline — transskription og AI-oprydning via Ollama — er gratis for enhver indlogget bruger, uden kort ved tilmelding. At diktere prompts ind i Gemini med Whisper koster altså ingenting. Whisper Pro tilføjer skyfunktionerne (OpenAI-transskription, sky-AI-forbedring, talesøgning på nettet) og har en separat prøveperiode. De præcise tal findes på prissiden, ikke her, fordi priser ændrer sig, og et blogindlæg er et dårligt sted at holde dem opdateret.

Gemini kan allerede høre dig, og for et hurtigt spørgsmål er det slutningen på historien — brug mikrofonen, der er der. Grunden til at diktere prompten ind i boksen i stedet er den del, mikrofonen ikke kan gøre: du kan læse den, inden den køres, og du kan gøre det på samme måde i alle andre apps, du taler med. To værktøjer, to jobs. Det meste af tiden er det mindste nok.