Tale til tekst i Discord

Har Discord indbygget tale-til-tekst?

Nej, ikke den slags du mener. Discord har ingen funktion der omdanner din tale til skrevet tekst i beskedboksen. Det der lyder nærmest er Text-to-Speech: skriv /tts efterfulgt af en besked, eller aktiver det i indstillinger, og Discord læser den besked op for alle i kanalen. Det er tekst der bliver tale. Du er ude efter tale der bliver tekst. Samme ord, omvendt pil.

Det forvirrer folk konstant, og det er ikke deres fejl. "Text-to-speech" og "speech-to-text" adskiller sig kun med et omstillet ordpar, og Discord leverer kun et af dem. Jeg klikkede rundt i indstillingerne og ledte efter det andet længere end jeg vil indrømme, før jeg accepterede at det ikke gemte sig i en undermenu. Det er simpelthen ikke der.

Så hvis du vil have din stemme til at blive en skrevet Discord-besked, lever det værktøj der gør det uden for Discord: dit styresystem, eller en dedikeret dikteringsapp. Begge er nedenfor. Det der transskriberer andre der taler i en stemmekanal er en tredje mulighed, og det er endnu et andet værktøj. Vi kommer til alle tre.

At skrive i alle kanaler vs. bare at tale

Argumentet for at diktere i Discord er enkelt. Tale løber på cirka 145 ord i minuttet; skrivning er for de fleste nærmere 40. Det er cirka tre og en halv gange hurtigere, og det frigiver hænderne, hvilket betyder noget når en af dem er på en mus eller controller. Over en travl aften med servere lægger forskellen sig op.

Det ærlige modvægt: mange Discord-beskeder er tre ord lange. "gg." "er på vej." "ét sekund." Diktering gør intet for dem — du ville miste tid på at skifte tilstand. Stemmeskrivning tjener sin plads på de længere ting: raid-planen, bugrapporten på en dev-server, det afsnit du normalt ville udskyde fordi det er besværligt at skrive på telefonen. Det er tærsklen. Korte pings, bliv ved med at skrive. Alt forbi en sætning eller to, tal.

Den hurtigste måde: en systemdækkende genvejstast

Her ændrer en dedikeret app regnestykket. Whisper by Remskill er ikke en Discord-bot, en serverintegration eller en browserudvidelse. Det er en desktopapp der fungerer som et tastatur: tryk på en genvej, tal, og transskriptet indsættes ved markøren, i en hvilken som helst app, Discord-chatboksen inkluderet. Det fungerer på samme måde i Discord-desktopappen og i Discord åbnet i en browser, fordi din computer bare ser at du skriver.

Opsætningen er kort:

Det er hele løkken. Transskriptet vises i skrivefeltet, du læser det, du trykker Enter.

Du taler, og beskeden vises i Discord

Når det kører, er oplevelsen bemærkelsesværdig ordinær. Du sætter markøren i kanalen, holder tasten nede, taler, slipper. Et sekund eller så senere sidder teksten i Discords beskedboks som om du havde skrevet den. Ingen kopier-og-indsæt, intet separat vindue at fiske teksten ud af, ingen stemmeklip som venner skal søge igennem.

Fordi den lokale transskription kører på din maskine (ren Rust, ingen Python-sidecar, ingen server i løkken) fungerer den offline. Det betyder mere end det lyder for Discord specifikt. Du er ofte allerede i en stemmekanal, på en forbindelse du helst ikke vil belaste yderligere, og lyden af det du dikterer forlader aldrig din laptop. Windows' eget indbyggede stemmeskrivning har brug for en internetforbindelse for at fungere overhovedet; Whispers lokale tilstand har ikke.

Hvordan den fulde Whisper-app ser 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-versioner dækker præcis ét, eller NVIDIAs Parakeet, cirka 600 MB, 5 til 10 gange hurtigere end Whisper på CPU, der dækker engelsk plus 24 europæiske sprog. Du indstiller din genvej, administrerer historik og gemmer forudindstillinger. Intet af dette er påkrævet for at diktere én Discord-besked. Det er der når du vil finjustere.

Rydde op i dikterede beskeder med AI

Talt sprog er rodet. Du siger "øh", genstarter sætninger, taber bort 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 det indsættes. Så "øh, ja, altså den, den patch gik live, jeg tror vi er, vi er okay" bliver "Patchen gik live, jeg tror vi er okay." Om det er det værd på Discord afhænger af kanalen; en dev-server, sandsynligvis; en meme-kanal, sandsynligvis ikke.

Den oprydning kører lokalt via Ollama, gratis, på din egen maskine. Pro-brugere kan i stedet route det via skyen, men fordelen med fyldordsrensning kræver ikke Pro; det er i den gratis lokale pipeline. Du kan også bare slukke for det og indsætte råtransskriptet, hvilket på Discord ofte er præcis den rigtige beslutning.

At transskribere en stemmekanal er et andet job

Det er den del de ærlige guider springer over, så lad mig være direkte. Whisper omdanner din tale til en skrevet besked. Det transskriberer ikke en Discord-stemmekanal, hvilket betyder at det ikke vil sidde i et opkald og skrive ned hvad alle andre siger. Det er noget folk virkelig ønsker, og det er et genuint andet værktøj: en Discord-bot.

De bots der er bygget til dette — Scripty er den mest almindelige — tilslutter sig en stemmekanal og poster et løbende transskript af samtalen i en tekstkanal. Scriptys kernetransskription er gratis, kører på omtrent 55 sprog og behandler lyd uden at give det til tredjeparter. Andre i dette rum inkluderer SeaVoice og DiscMeet. Hvis dit mål er "undertekst hele opkaldet", brug en af dem, ikke Whisper. Hvis dit mål er "lad mig sige min egen besked i stedet for at skrive den", er det Whisper, eller dit styresystem. To forskellige problemer der tilfældigvis bor i den samme app.

Hvornår du springer en dikteringsapp over og bare bruger dit styresystem

Hvis du kun har brug for at diktere en besked indimellem, installer intet. Din computer gør det allerede gratis. På Windows, tryk Windows logo key + H og stemmeskrivning åbner i en hvilken som helst tekstboks, Discords chatfelt inkluderet, uden abonnement. På en Mac gør den indbyggede Diktering-genvej (eller mikrofontasten) det samme, og på Apple silicon kører den på enheden uden internet. På din telefon dikterer tastaturets mikrofonikon direkte ind i Discords mobile beskedfelt; det er iOS eller Gboard der gør arbejdet, ikke Discord, men det virker.

Den ene afvejning der er værd at kende: Windows' Win+H har brug for en internetforbindelse, mens macOS-diktering og Whispers lokale tilstand ikke har. For et hurtigt "5 min forsinket, start uden mig" er styresystemsværktøjet det rigtige valg. Hvor en dedikeret app tager føringen er volumen, fyldordsrensningen og offline-diktering midt i et opkald: jo længere og oftere du gør det, desto mere betyder det.

Vælg det mindste værktøj der løser dit problem. For én besked er det tasten du allerede har. For en hel aften med lange beskeder på fem servere holder den dedikerede app op med at føles som overkill rundt om det andet eller tredje afsnit du ikke behøvede at skrive.

Hvad Whisper koster

Den lokale dikteringspipeline — transskription og AI-oprydning via Ollama — er gratis for enhver indlogget bruger, uden kort ved tilmelding. Så at få din stemme ind i Discord med Whisper koster ingenting. Whisper Pro tilføjer skyfunktionerne (OpenAI-transskription, sky-AI-forbedring, stemmesøgning på nettet) og har en separat prøveperiode. De præcise tal findes på prissiden snarere end her, fordi priser bevæger sig og et blogindlæg er et dårligt sted at holde dem opdaterede.

Discord vil sandsynligvis sende rigtig diktering på et tidspunkt, på den måde apps plejer at gøre det når nok folk skriver /tts og forventer at det gør den anden ting. Indtil da har din computer allerede funktionen, der er en app til når den indbyggede version ikke er hurtig nok, og der er en bot til det helt separate job med at undertekste et opkald. Tre værktøjer, tre problemer. Det meste af tiden har du brug for det mindste.