Tale-til-tekst-apps der er værd at bruge

Hvad en tale-til-tekst-app gør

En tale-til-tekst-app udfører to opgaver, der lyder som én. For det første lytter automatisk talegenkendelse til din mikrofon og skriver ordene ned. For det andet tilføjer et formateringstrin de kommaer, store bogstaver og afsnitsskift, som rå tale ikke kommer med. Nogle apps stopper der. De bedre tilføjer et AI-oprydningstrin, der retter fyldord og strammer formuleringen op. Whisper udløser det trin med nøgleordet "Hey whisper".

Det, der betyder noget, er, hvor teksten lander. En mødetransskriber som Otter optager en samtale og giver dig et referat bagefter. En dikteringsapp gør det modsatte: du trykker på en tast, taler, og ordene dukker op lige der, hvor din markør allerede er – i den e-mail eller det dokument, du er ved at skrive. Det er forskellige værktøjer til forskellige opgaver, og den allerstørste fejl, folk begår, er at betale for det forkerte. Nogen køber en mødetransskriber for at skrive e-mails, eller et skriveværktøj for at fange et webinar, og undrer sig så over, hvorfor det føles, som om appen kæmper imod dem. Det er ikke appen. Det er kategorien.

Talegenkendelse plejede også at kræve træning. Du læste en liste af ord højt i femogfyrre minutter, så softwaren kunne lære din stemme at kende, og selv da gættede den forkert i hver tredje sætning. (En slægtning af mig kastede engang headsettet tværs over rummet. Headsettet overlevede; dikteringseksperimentet gjorde ikke.) Moderne apps springer alt det over. Modellen ankommer og kender allerede 99 sprog på Whispers flersprogede varianter, eller fokuserede 25 på den hurtigere Parakeet-motor, og den virker på din accent fra første færd.

Tryk på en genvejstast, tal, teksten dukker op

Interaktionen er hele produktet. Du holder en tast nede, du taler, du slipper, teksten indsættes ved markøren. Intet vindue at åbne, ingen optageknap at finde, ingen kopier-indsæt bagefter.

På Windows er standardgenvejstasten Ctrl+Space. På en Mac holder du Command og Option nede sammen og slipper en af tasterne for at stoppe. Begge kan tilpasses, hvilket betyder mere, end det lyder. Første gang en bruger fortalte mig, at min genvejstast kolliderede med deres tegneapp, lærte jeg, at "tryk på én tast" er én tast for meget, når det er den forkerte tast. Jeg havde hardkodet den, sendt den ud og følt mig smart i cirka en uge.

Det meste af tiden er en dikteringsapp usynlig – bare en genvejstast og det overlay. Indstillingerne er der, hvor du vælger, hvordan den opfører sig: hvilken motor der kører, om AI-oprydning er slået til, hvilket sprog der forventes. Det valg er netop det, OS'ets indbyggede funktioner ikke giver dig.

Lokalt eller sky, og hvorfor det afgør dit privatliv

Her er det skel, der afgør alt andet. Lokalt betyder, at transskriptionen sker på din egen bærbare, offline, uden at noget forlader maskinen. Whispers lokale pipeline kører to motorer på den måde: de flersprogede Whisper-modeller til 99 sprog og oversættelse til engelsk, eller NVIDIAs Parakeet, der er 5 til 10 gange hurtigere på en CPU, men dækker 25 sprog og ingen asiatiske skriftsystemer. Sky betyder, at lyden sendes til en server. Whispers Cloud-tilstand er OpenAI med din egen nøgle – du leverer din egen API-nøgle, den dækker cirka 57 sprog, og lyden er det eneste, der forlader din enhed.

De fleste indbyggede apps vælger stille og roligt sky for dig. Windows-taleskrivning kræver for eksempel en internetforbindelse. Microsoft siger det rent ud på deres egen hjælpeside. Gboards offline-adfærd afhænger af, om du har downloadet en sprogpakke til enheden, hvilket varierer fra telefon til telefon. De reelle offline-muligheder er smallere, end kategorien antyder: iPhone-diktering virker uden forbindelse på en iPhone 6s eller nyere, Mac-diktering kan behandle almindelig tekst på enheden, og Whispers lokale tilstand holder alt på din maskine.

Hvis du dikterer dit løn-regneark eller et udkast til en juridisk e-mail, er det ikke en nørdedetalje at vide, om den lyd forlader din bærbare. Det er forskellen mellem et privat værktøj og et logget et. Sky-apperne gør det godt igen med én ting, de rå OS-værktøjer springer over: et AI-oprydningstrin, der forvandler "øh, send den, øh, i morgen" til en sætning, du faktisk ville sende.

De apps, jeg selv ville gribe efter

Nok om rammerne. Her er, hvad jeg ville fortælle en ven ved skoleporten, der spurgte – fordelt på enhed.

• På din telefon, brug tastaturmikrofonen. Gboard på Android og iOS-tastaturet har begge en mikrofonknap: tryk på den, tal, færdig. Den er gratis, allerede installeret, og til en sms eller en hurtig note er det alt, du behøver. Der er ingen skrivebordsapp, det er værd at installere på en telefon til det her.

• På Windows, begynd med Win+H. Tryk på Windows-tasten og H i et hvilket som helst tekstfelt, og taleskrivning åbner på tværs af hele systemet, uden at der kræves et Microsoft 365-abonnement. Den kræver internet, men den er gratis, og den virker alle vegne.
• På en Mac, begynd med Dictation. Slå den til i Systemindstillinger, tryk på mikrofontasten, og den skriver i enhver app. Til almindelig tekst kan den køre på enheden i stedet for at ringe til Apples servere.
• Når det indbyggede ikke er nok, installér en skrivebordsapp. Whisper er den, jeg bygger: en systemdækkende genvejstast, dit valg af lokal eller sky-motor, AI-oprydning og en offline-tilstand, som OS-værktøjerne ikke tilbyder. Hele den lokale pipeline er gratis for enhver logget-ind bruger uden kort ved tilmelding. Hvis du er på én platform, dækker Windows-gennemgangen og Mac-gennemgangen opsætningen trin for trin.

Andre apps værd at kende

Et par navne dukker op hver gang, nogen søger på det her, så her er ærlige one-liners.

• Wispr Flow reklamerer med 100+ sprog med automatisk registrering og kører på Mac, Windows, iPhone og Android. Det er en betalt løsning på tværs af platforme, hvis du vil have ét værktøj over det hele; vi skrev en mere fyldig Wispr Flow-sammenligning, hvis du overvejer den.
• Dragon Professional er den gamle garde. Nuance reklamerer med op til 99 % nøjagtighed fra første brug og diktering, der er tre gange hurtigere end at skrive, kun på Windows. Det er et seriøst, betalt professionelt produkt.
• Otter.ai er en mødetransskriber, ikke et dikteringsværktøj. Dens gratis niveau giver 300 minutter om måneden, og den er bygget til at optage samtaler, ikke til at skrive ved din markør. Rigtigt værktøj, forkert kategori for de fleste "tale-til-tekst-app"-søgninger – den samme fælde, som vi dækker i vores guide til transskriptionssoftware.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Hvornår man skal droppe en dedikeret app og bruge det indbyggede

Hvis du kun fyrer tredive-ords-beskeder af og en og anden note, så installér ikke noget. Apple Dictation er gratis, indbygget i din Mac og iPhone, og virker i enhver app, du kan skrive i. Windows-brugere har Win+H for de samme penge. De indbyggede værktøjer begynder at gøre ondt omkring længere, formateret skrivning: ingen AI-oprydning, intet valg af motor, og på Windows ingen offline-tilstand. Det er grænsen. Under den er den gratis mulighed, Apple og Microsoft allerede har givet dig, det rigtige valg, og jeg vil hellere have, at du brugte den, end at du installerede min til en opgave, den ikke behøver.

Når det gælder pris, gælder den samme ærlighed. De indbyggede muligheder følger med din enhed og koster ingenting. Whispers lokale pipeline er også gratis for enhver logget-ind bruger, uden at der kræves en betalingsmetode for at komme i gang; den betalte Cloud-flade og dens aktuelle priser bor på prissiden. Til brug på telefon og hurtige noter bør du ikke betale nogen noget som helst. Til systemdækkende skrivebordsdiktering med offline-tilstand og AI-oprydning begynder et betalt værktøj at give mening.

Sidste tirsdag lavede jeg madpakker, mens jeg svarede på en tilladelsesseddel, agurk i den ene hånd, genvejstast under den anden, og dikterede "underskriver sedlen, sender den i morgen" ind imellem det øjeblik, hvor min yngste spurgte, hvorfor månen nogle gange ikke var der. E-mailen blev sendt. Madpakkerne blev lavet. Det plejede at tage femten minutters enhåndsskrivning. Uanset hvilken app du vælger fra denne liste, er det øjeblik det, du køber tilbage.