Alternativ til Google stemmeindtastning: dikter hvor som helst

Hvad Google stemmeindtastning gør godt, og hvor det stopper

Først ros. Google stemmeindtastning er gratis med en Google-konto, kræver nul installation og virker i de nyeste versioner af Chrome, Edge og Safari. Inde i et Docs-dokument, eller talernoter og undertekster i Slides, er genkendelsen udmærket, og sproglisten er lang. Hvis du skriver alt i Docs, gør den nytte, og vores gennemgang af stemmeindtastning i Google Docs dækker opsætningen i detaljer.

Stoppene er lige så konkrete. Tegnsætning er manuel: du siger "punktum", "komma", "spørgsmålstegn", "nyt afsnit". Og tegnsætning er ikke tilgængelig på alle sprog. Redigerings- og formateringskommandoerne virker kun på engelsk, og kun når både dit kontosprog og dokumentsproget er engelsk. (Talernoter i Slides får stemmeindtastning, men slet ingen stemmekommandoer. Jeg ved heller ikke hvorfor.)

Og grænsen, der startede denne artikel: funktionen findes inde i to Google-flader og ingen andre steder. Gmail, Slack, dit CRM, din kodeeditor, en webformular — stilhed. Intet af dette er en fejl. Det er en gratis funktion, der gør, hvad dens egen hjælpeside siger, den gør, hverken mere eller mindre. Spørgsmålet er, om din skrivning passer ind i den kasse. Og når den holder op med at lytte midt i en sætning, er det som regel mikrofonen, ikke dig — vores løsninger til stemmeindtastning i Google Docs dækker de sædvanlige årsager.

Et alternativ til stemmeindtastning der virker i enhver app

Whisper satser på det modsatte: diktering tilhører operativsystemet, ikke ét website. Du trykker på en genvejstast: Ctrl+Space på Windows, eller Command+Option holdt nede på en Mac som tryk-og-tal. Du taler. Du slipper. Teksten lander, hvor end din markør står: en e-mail, et chatvindue, en celle i et regneark, en commit-besked. Der er ingen kopieringstrin, fordi der ikke er noget "kildedokument" at kopiere fra.

Hastighedsargumentet er simpel hovedregning. Diktering kører med omkring 145 ord i minuttet mod cirka 40 for tastning — kald det en forskel på 3,6 gange. På en M1 MacBook Air med den lille engelske model er der 1,4 sekunder mellem, at du slipper tasten, og at du ser tekst.

Under motorhjelmen vælger du én af tre veje, og appen vælger ikke for dig. Cloud-tilstand forbinder til OpenAI med din egen API-nøgle og bruger gpt-4o-mini-transcribe eller gpt-4o-transcribe. Parakeet, NVIDIAs lokale motor, kører 5-10x hurtigere end Whisper-modeller på CPU og dækker engelsk plus 24 europæiske sprog. Og de lokale open source Whisper-modeller spænder fra en 140 MB engelsk model til 3 GB Large v3. Appen leveres til Windows og til Apple Silicon-Mac'er.

Google stemmeindtastning vs. Whisper, side om side

Kriterierne, valgt før tabellen: hvor værktøjet skriver, hvad det kører i, tegnsætning, stemmekommandoer, sprogdækning, offline-adfærd og prisform. Det er de syv ting, der afgjorde det for mig, dengang jeg stadig brugte Docs-mikrofonen. Google-kolonnen kommer fra Googles egen hjælpeside; Whisper-kolonnen kommer fra appens kildekode, som jeg kan se herfra.

Dommen passer til det første afsnit: Whisper er valget i det øjeblik, din skrivning forlader Google Docs. Google stemmeindtastning er fortsat det rigtige svar for folk, hvis skrivning aldrig gør det. Det tilfælde får sit eget afsnit nedenfor, og jeg mener det.

Stemmeindtastning online vs. stemmeindtastning på dit skrivebord

"Stemmeindtastning online" betyder oftest et website, du åbner i en fane: en gratis side med en mikrofonknap, der transskriberer ind i en tekstboks. Disse værktøjer hviler på browserens talegenkendelsesmotor, og MDN's dokumentation for Web Speech API er ligefrem om, hvordan det virker: "Din lyd sendes til en webtjeneste til genkendelsesbehandling, så den virker ikke offline." Den samme side nævner de to omkostninger: privatliv, fordi din tale forlader maskinen, og driftssikkerhed, fordi ingen forbindelse betyder ingen transskription.

Til en enkeltstående note er en side til stemmeindtastning online fin. Skatten dukker op ved gentagelse: hver diktering ender med markér, kopiér, skift, indsæt. Jeg dikterede engang en indkøbsliste ind i den forkerte fane og indsatte den i et budgetregneark. I omkring ti sekunder indeholdt Q3-prognoserne "yoghurt de små, ikke de store". Et desktop-værktøj fjerner hele den slags uheld, fordi teksten starter, hvor den ender — ved din markør. Og når browserens mikrofon driller, bor løsningen i browserindstillingerne, hvilket er sin egen eftermiddag. Vi skrev løsningerne til diktering i Chrome sammen, efter nok folk spurgte.

Tegnsætning og oprydning: redigeringsskatten ingen tæller

Den kedelige sandhed er, at transskription aldrig var den langsomme del. Oprydningen er. Med Google stemmeindtastning siger du din tegnsætning højt ("punktum", "nyt afsnit"), hvilket virker, men gør dig til en person, der oplæser kommaer. Jeg testede kommandoerne til denne artikel, og mit testdokument endte med at indeholde ordet "komma" elleve gange. Vanen følger også med hjem: jeg har siden afsluttet en talt sætning, i en rigtig samtale, med "punktum".

Whisper sender i stedet det rå transskript gennem en AI-oprydning: grammatik rettet, fyldord fjernet, tegnsætning placeret, hvor den hører til. I lokal tilstand kører det gennem Ollama; i cloud-tilstand bruger det OpenAI-modeller, med gpt-5-mini som standard-forbedrer. Start en sætning med "Hey whisper", og AI'en behandler det følgende som en instruktion i stedet for tekst, der skal skrives: "Hey whisper, gør dette svar høfligt men bestemt" er et rigtigt arbejdsflow, ikke en demo. Forskellen i følelse er svær at overdrive. Det ene værktøj beder dig om at udføre formateringen. Det andet lader dig tale som et menneske og giver noget tilbage, du ville sende, som det er.

Privatliv: hvor din stemme går hen

Her er den holdning, jeg vil forsvare: diktering, der sender din stemme til en server, du ikke styrer, er et privatlivsproblem, og for noget arbejde er det en showstopper. Browserbaseret stemmeindtastning virker ved at sende lyd ud til behandling. Det er fint til en indkøbsliste. Det er en anden samtale for et kontraktudkast, en patientjournal eller e-mailen om dit barns situation i skolen.

Jeg så omkostningssiden af den lektion på nært hold. Et team, jeg arbejdede med, fik en konsulent til at bygge en intern AI-dikteringsprototype, der kaldte et cloud-API for hver ytring. Ved kvartalets slutning åbnede lederen omkostningsoversigten: en regning på fem cifre, det meste af det ét team, der transskriberede standup-optagelser fire gange, fordi genforsøgslogikken var for ivrig. Konsulenten foreslog at optimere prompten. CFO'en foreslog ikke at betale en server for at lytte til møder, der allerede havde noter. De havde begge ret i noget.

Whispers lokale tilstand lukker spørgsmålet i stedet for at diskutere det: modellen kører på din maskine, intet forlader enheden, og der er slet ikke brug for internet. Samme genvejstast, samme flow, nul lyd undervejs.

Hvornår du skal springe Whisper over og blive hos Google

Hvis hvert ord, du dikterer, lander i et Google-dokument, så bliv hos Google stemmeindtastning. Det koster ingenting, det er allerede i menuen Værktøjer, og inde i Docs gør det arbejdet — det er en svær kombination at argumentere imod, og jeg vil ikke lade som om andet. Det samme gælder, hvis du dikterer to gange om måneden: at installere en desktop-app for at spare to kopier-indsæt er overudvikling, og det siger jeg professionelt. Whisper gør sig fortjent, når din skrivning regelmæssigt forlader dokumentet (e-mail, chat, formularer, noter), eller når tegnsætning-via-AI, offline-brug eller at holde lyden på din maskine betyder noget. Indtil da er det gratis indbyggede værktøj det rigtige værktøj.

Den lærer-e-mail fra toppen af siden blev sendt til sidst — dikteret direkte ind i Gmail, ingen omvej gennem et Doc, tegnsætning inkluderet uden at jeg sagde et ord af det. Fanen med Google Docs forblev lukket. Det er hele sammenligningen i ét øjeblik: det gratis værktøj beder din skrivning om at komme til sig, og alternativet går derhen, hvor skrivningen allerede er. Vælg den retning, der passer til din dag.