Tale til tekst i VS Code, den ærlige version

VS Codes stemme-situation: VS Code Speech-udvidelsen

VS Code har ikke tale til tekst slået til som standard. Du tilføjer det med én officiel udvidelse. Åbn Extensions-visningen, søg efter VS Code Speech, bekræft at udgiveren er Microsoft (ms-vscode.vscode-speech på Marketplace), og installer. Der er ingen API-nøgle, ingen tilmelding og intet betalt niveau. Den henter en lille lokal talemodel, og så kører du.

For at diktere ind i editoren skal du køre kommandoen Voice: Start Dictation in Editor — Ctrl+Alt+V på Windows og Linux, Opt+Cmd+V på Mac. Stop med Voice: Stop Dictation in Editor, bundet til Escape. Tryk og hold den samme genvej for det, Microsoft kalder "walky-talky mode": genkendelsen forbliver tændt, mens du holder tasterne nede, og sender afsted i samme øjeblik, du slipper. Det er det tætteste, editoren kommer på en hold-for-at-tale-knap.

Den samme udvidelse gør en anden, separat ting: stemmechat med GitHub Copilot. Kør Chat: Start Voice Chat (Ctrl+I / Cmd+I), eller slå "Hey Code"-vækkeordet til og tal med Copilot Chat håndfrit. Intet generelt dikteringsværktøj kan kopiere det. Hvis det er at tale med Copilot, du kom efter, er VS Code Speech svaret, og der findes ikke et nummer to.

En enkelt oprydningsnote: den officielle VS Code-dokumentation lister 26 understøttede sprog, sat via indstillingen accessibility.voice.speechLanguage. Du kan støde på en ældre microsoft/vscode-wikiside, der siger "kun engelsk" — den er forældet. Den levende dokumentation vinder.

Den kører på din maskine, offline — og det betyder mindre, end du skulle tro

VS Code Speech kører lokalt på enheden. Ifølge den officielle dokumentation om VS Codes stemmesupport bliver "optagelser aldrig sendt til nogen onlinetjeneste, men beregnet lokalt på din maskine". Der kræves ingen internetforbindelse, når modellen er hentet; dine talte kommentarer bliver på den bærbare.

Jeg vil være ærlig om det her, for det er der, mange "alternativ"-artikler bliver lusket. Whispers lokale tilstand er også fuldt offline, og lyd forlader aldrig maskinen. Så offline er ikke en gevinst, kun Whisper har. Det er ligestilling. Det samme gælder prisen — VS Code Speech er gratis, og Whispers lokale pipeline er gratis uden kort ved tilmelding. Hvis nogen siger, du skal skifte værktøj "fordi det er offline og gratis", sælger de dig noget, du allerede har.

Den ærlige forskel er rækkevidde. VS Code Speech kører lokalt og er gratis inde i VS Code. Spørgsmålet er, hvad du gør, når teksten lever et andet sted.

Det VS Code Speech ikke kan nå: alt uden for VS Code

VS Code Speech dikterer ind i editoren og ind i chatten. Det er rækkevidden, helt bevidst — den skriver ikke i den integrerede terminal som almindeligt input, når ikke browseren og rører ikke Slack, Jira eller din git-GUI. Intet af det er en fejl. En editor-udvidelse, der stille kaprede hele dit tastatur, ville være en dårligere udvidelse.

Men tænk over, hvor udviklerprosa faktisk lever. Commit-beskeden i en terminal eller en separat git-klient. PR-beskrivelsen på GitHub i en browser. Fejlreproduktionen, du indsætter i en Jira-sag eller et GitHub-issue. Slack-beskeden, der forklarer, hvorfor buildet er rødt. Næsten intet af det sker i editor-ruden. Det sker i fem andre vinduer, og editor-udvidelsen kan ikke følge med dig derhen.

Det er hullet — editoren er ét vindue ud af otte.

Whisper til prosaen omkring din kode, i enhver app

Whisper er en desktop-app til Windows og macOS, ikke en VS Code-udvidelse. Fordi den sidder på operativsystem-niveau, indsætter den transskriptionen ved markøren i enhver app, hvor du kan skrive — VS Code-editoren og den integrerede terminal, ja, men også browseren, Slack, Teams, Gmail, din JetBrains-IDE, Notion. Én genvejstast, hvert vindue.

Genvejstasten er Ctrl+Space på Windows og Command+Option (hold for at tale) på macOS. Hold den nede, tal, slip, og teksten lander, hvor din markør allerede var. Hvis Command+Option ligner VS Code Speechs Opt+Cmd+V ret meget — godt øje. Samme modifikationstaster, forskellige mekanismer: den ene er en kommando inde i VS Code, den anden en systemdækkende genvejstast, du kan ombinde i Indstillinger. De slås ikke; de lever i forskellige lag.

Det her er den ene holdning, jeg vil bruge plads på her: det bedste produktivitets-trick er færre trin, ikke hurtigere trin. At skifte vindue, at finde den rette stemmekommando til den app, at huske hvilket værktøj der dikterer hvor — det er trin. En enkelt systemdækkende genvejstast, der virker ens i terminalen som i browseren, sletter trinnet. Hastigheden er rar, men den egentlige gevinst er, at du slipper for at tænke over, hvilket vindue du er i.

Hele appen, live

Det er den rigtige desktop-app ovenfor — indstillinger, tilstande, det hele. Whisper understøtter over 90 sprog i både lokal og cloud-tilstand (den flersprogede modellinje når 99+; .en-byggene er kun engelske). VS Code Speech dækker 26. Jeg ville dog aldrig sige, at du skulle skifte for antallets skyld. Du ville skifte for rækkevidden.

Ryd op i dikteringen automatisk

Her er den ene ting, rå diktering ikke kan gøre for dig. Whisper har et valgfrit AI-oprydningstrin, der forvandler en udflydende commit-besked til ren prosa — lokalt via Ollama i gratis tilstand eller OpenAI i Pro. Du siger "øh, fiks det med login-knappen, der, du ved, ikke virker på Safari", og det kommer ud som en sætning, du faktisk ville sætte i et commit. Jeg shippede engang et commit, der bare lød "fix the thing". Fremtidige mig takkede ikke fortidige mig. VS Code Speech laver ren diktering; oprydningstrinnet er en Whisper-ting. For commit-beskeder og PR-beskrivelser er det forskellen mellem diktering, der sparer tid, og diktering, du laver om i hånden.

Diktér ikke selve koden

Det her er grænsen, og et udviklerpublikum lugter den med det samme, hvis jeg er vag, så jeg siger det lige ud: skriv ikke kildekode med stemmen, og stol ikke på noget værktøj, der påstår, du kan. De sytten tegn på en linje TypeScript gør tale til kode langsommere end den pegeplade, du forsøgte at undgå. Whisper er til prosaen omkring koden, ikke koden. Kommentarer, commit-beskeder, markdown-dokumenter, README-filer, PR-tekst, Slack-tråden. Hvor du skriver almindeligt sprog, vinder stemmen. Hvor du skriver syntaks, har tastaturet allerede vundet.

Og for at være lige så tydelig den anden vej: Whisper laver ikke Copilot-stemmechat. Den er ikke en erstatning for VS Code Speech — den er værktøjet til de otte andre vinduer.

Når VS Code Speech er det bedste valg

Jeg mister hellere dig til det rigtige værktøj end beholder dig på det forkerte. Så, helt ligefrem: hvis alt du har brug for er at diktere inde i VS Code-editoren eller at tale med Copilot Chat med stemmen, så installer VS Code Speech og spring Whisper helt over. Den er gratis, officiel, lokal på enheden, understøtter 26 sprog og laver "Hey Code"-vækkeordet, som intet generelt dikteringsværktøj kan kopiere. Tilføj ikke en ekstra app til en opgave, den indbyggede allerede klarer.

To tilfælde til. For det første, Linux — VS Code Speech findes på Linux; Whisper desktop er kun Windows og macOS. Hvis du er på Linux, er spørgsmålet allerede besvaret. For det andet, kun-i-editoren-arbejdsgange — hvis din diktering reelt kun foregår i editor-ruden, løser en systemdækkende genvejstast et problem, du ikke har. Grib Whisper, når prosaen lever uden for VS Code. Ellers er den indbyggede nok, og "nok" er et godt sted at stoppe.

Hvis editoren er det eneste sted, du dikterer, blev du færdig med denne artikel tre afsnit tilbage, og det er et godt udfald. VS Code Speech er den rigtige standard, den er gratis, og den taler med Copilot. Den dag din stemme skal lande i terminalen, browseren og en commit-besked, uden at du holder styr på, hvilket vindue du er i — det er da en systemdækkende genvejstast tjener sit værd. Jeg dikterede det meste af denne artikel uden at røre editoren. Koden, naturligvis, skrev jeg.