Stemmeskrivnings-app: hvad du skal installere på hver enhed

Telefoner kommer allerede med en stemmeskrivnings-app

Den kedelige sandhed er, at den bedste stemmeskrivnings-app til din telefon er det tastatur, den kom med. På Android klarer Gboard det: tryk på et tekstfelt, tryk på mikrofonen øverst på tastaturet, og tal, når der står "Tal nu". Du kan sige tegnsætningen højt, som "punktum", "komma" og "nyt afsnit", selvom Google bemærker, at tegnsætning og tale-til-tekst ikke er tilgængeligt på alle sprog. På iPhone har tastaturet en mikrofontast, der gør det samme.

Det dækker beskeder, e-mails, søgefelter og noter, hvilket er det meste af, hvad nogen skriver på en telefon. En typisk telefondiktering er et e-mail-svar på 50-150 ord, omkring 30 sekunders tale; den indbyggede mikrofon klarer det uden at kny. De tredjeparts-tastatur-apps, der fylder søgeresultaterne, pakker den selvsamme mikrofon ind i et andet brand, nogle gange med et abonnement hæftet på. Før du installerer en af dem, så prøv den knap, du allerede har. Det er den sjældne produktkategori, hvor den gratis, forudinstallerede mulighed også er den fornuftige.

En ærlig oplysning, eftersom det er her, en leverandør ville svinge over til sin mobil-app: vi har ikke nogen. Whisper by Remskill er en desktop-app til Windows og macOS, punktum. Hvis dit diktér-liv foregår på en telefon, er det indbyggede tastatur min anbefaling, og du kan lukke denne fane med min velsignelse.

Computere er der, hvor de indbyggede værktøjer løber tør

Begge desktop-styresystemer har indbygget stemmeskrivning, og begge er værd at kende, før du installerer noget. På Windows 11 trykker du på Windows-tasten + H, og en lille stemmeskrivnings-widget dukker op. Den kræver tre ting: en internetforbindelse, en fungerende mikrofon og at markøren står i et tekstfelt. Den understøtter 40+ sprog og kan sætte tegnsætning ind for dig, hvis du slår den indstilling til. Internetkravet er det, man skal huske. Win+H er fremragende — lige indtil hotellets Wi-Fi ikke er det.

På en Mac starter Diktering fra mikrofontasten i funktionsrækken, en tastaturgenvej eller Rediger > Start diktering. Der er ingen længdegrænse, men den stopper af sig selv efter 30 sekunders stilhed, hvilket i praksis betyder, at den holder op, mens du stirrer op i loftet og leder efter det rigtige ord. Den sætter tegnsætning på understøttede sprog uden at blive bedt om det, og Apple oplyser, at Diktering ikke er tilgængeligt på alle sprog eller i alle regioner.

Ingen af værktøjerne er dårlige, og begge er fine til en sætning eller tre. Grænserne viser sig, når skriveriet bliver alvor. Brugerdefineret ordforråd til dine produktnavne og kunder står ikke på nogen af funktionslisterne, og det gør AI-oprydning af det "øh, altså"-lag, din tale bærer med sig, heller ikke. På en Mac kan du tjekke, om dikteringen kører på enheden; på Windows bliver værktøjet sort i samme øjeblik, du er offline. De grænser er grunden til, at stemmeskrivnings-apps til computeren findes som en kategori.

Hvad en stemmeskrivnings-app til computeren faktisk bør kunne

Mekanikken er enkel at beskrive. En stemmeskrivnings-app til computeren sidder i baggrunden, holder øje med én global genvejstast, optager, mens du holder den nede, kører lyden gennem en talegenkendelsesmodel og indsætter resultatet lige der, hvor din markør er. Hver del af den sætning er noget at tjekke, før du installerer.

Genvejstasten betyder noget, fordi den gør diktering til en refleks i stedet for en funktion, du går hen og besøger. "Lige der, hvor din markør er"-delen betyder noget, fordi skriveriet sker i e-mail, Slack, et CRM, en kodeeditor og en browserformular; et værktøj, der kun skriver i sit eget vindue, er en notesblok med en mikrofon. Modellen betyder noget på to måder: én gang for nøjagtigheden, én gang for hvor din lyd havner. Lokale modeller kører på din maskine og virker offline. Cloud-modeller sender lyd til en server og transskriberer ofte bedre. En god desktop-app lader dig vælge fra situation til situation i stedet for at vælge for dig.

Hastighed hører også hjemme på tjeklisten, i klare tal. På en M1 MacBook Air med en lille lokal engelsk model går Whisper fra du slipper tasten til indsat tekst på omkring 1,4 sekunder; i cloud-tilstand på en anstændig forbindelse omkring 1,1 sekunder. Et svar i det leje holder diktering i "refleks"-kategorien. Hvis et værktøj får dig til at vente, åbne et vindue eller kopiere tekst ud af et panel, æder gnidningen den hastighedsfordel, du kom efter.

Her er min ene holdning til denne side: det bedste produktivitetstrick er færre trin, ikke hurtigere trin. De fleste værktøjer prøver at gøre skrivningen hurtigere. Stemmeskrivning sletter den. Flowet går fra "stop, sæt dig, skriv" til "tal, færdig", og det er sådan, tale med 145 ord i minuttet slår skrift med 40, uden at nogen skal lære en ny færdighed. En app, der føjer trin på igen, har misforstået pointen med sin egen kategori.

For en grundigere rundtur i selve kategorien — motorer, nøjagtighed, afvejningen mellem lokalt og cloud — har vi en separat forklaring om stemmeskrivnings-software. Denne side holder sig til det snævrere spørgsmål: hvad du skal installere, enhed for enhed.

Sådan håndterer Whisper stemmeskrivning på Windows og Mac

Whisper by Remskill er vores svar på desktop-halvdelen af spørgsmålet. Du holder én genvejstast nede (Ctrl+Space på Windows, Command+Option på en Mac), taler, slipper, og teksten lander lige der, hvor din markør er, i en hvilken som helst app. Mens du taler, svæver et lille overlay på skærmen, så du kan se, at den lytter.

Under motorhjelmen vælger du mellem tre veje, og appen vælger ikke for dig.

• Lokal Whisper — Engelsk-optimerede og flersprogede modelfamilier, fra en Base-model på ~140 MB op til Large v3 på ~3 GB. Den flersprogede familie dækker 90+ sprog inklusive automatisk genkendelse. De engelsk-kun-modeller er præcis det, kun engelsk, så vælg den flersprogede familie, hvis du skifter sprog midt på dagen.
• Lokal Parakeet — Kører 5-10× hurtigere end Whisper på CPU og dækker engelsk plus 24 europæiske sprog. Den hurtige bane til overvejende engelsk diktering.
• Cloud (din egen OpenAI-nøgle) — Forbinder til OpenAI med din egen API-nøgle og bruger gpt-4o-mini-transcribe eller gpt-4o-transcribe til selve talen og gpt-5-mini til den valgfri AI-oprydning.

Alt det lokale er gratis: modellerne kører på din enhed, virker offline, sender intet nogen steder, og der kræves ikke noget kort for at oprette en konto.

Der er ét trick mere værd at kende: et AI-nøgleord. Begynd en optagelse med "Hey whisper", og appen udløser AI-behandling af den transskriberede tekst i stedet for at indsætte den, som den er. Diktering til hverdagens sætninger, en assistent til de øjeblikke, hvor du vil have teksten omformuleret. Samme genvejstast uanset hvad.

Den test, jeg stoler mest på, var ikke en benchmark. Jeg gav Whisper til min yngste datter, viste hende det én gang (tryk, tal, slip, indsæt), og hun dikterede en e-mail på 90 ord til sin mormor om en tabt tand og tandfeens vekselkurs, uden et eneste opfølgende spørgsmål. To dage senere meldte hun, at "genvejstasten ikke virker i min tegne-app", og det var sådan, jeg lærte, at almindelige brugere ikke aner, hvad en genvejstast-konflikt er. De ved bare, at den ikke virker. Indstillingerne for tilpasselige genvejstaster blev sendt af sted samme aften. Hvis en syvårig kan køre løkken, er løkken enkel nok.

Den indlejrede app ovenfor er den rigtige desktop-frontend, ikke et skærmbillede; klik rundt i den. Og for at gentage oplysningen, fordi installationshensigt fortjener et lige svar: Whisper kører på Windows og på Apple Silicon-Mac'er, og ingen andre steder.

En kort tjekliste, før du installerer noget

At installere software er en forpligtelse, selv når softwaren er gratis. Fem spørgsmål afklarer det her hurtigere end nogen anmeldelsesoversigt:

• Hvilken enhed skriver du på, helt ærligt? Mest telefon: behold den indbyggede tastatur-diktering og brug ingenting.
• Skriver den i alle apps? Kig efter en global genvejstast, der indsætter ved markøren, ikke et separat vindue, du kopierer fra.
• Kan den virke offline? Windows-stemmeskrivning kan ikke. Lokale modeller kan. Hvis dit skriveri omfatter ting, der ikke bør besøge en server, kommer dette spørgsmål først.
• Hvilke sprog, talt op per motor? 40+ til Windows-stemmeskrivning, 90+ på Whispers flersprogede modeller, 25 på Parakeet, kun engelsk på .en-modellerne.
• Fik du ordnet mikrofonen først? En USB-mikrofon til $20 gør mere for nøjagtigheden end nogen modelopgradering. Jeg bygger softwaren, og mikrofonen vinder stadig. Ingen i denne branche bryder sig om at sige det højt.

Hvis du kom hertil fra researchvinklen — nøjagtighedstal, hvordan motorerne sammenlignes — dækker forklaringen om tale-til-tekst-app den side. Abonnementerne og hvad der er i dem bor på prissiden; den korte version er, at alt det lokale ikke koster noget.

Hvornår du skal springe Whisper over

Hvis din diktering foregår på en telefon, så spring os over. Vi har ingen mobil-app, og Gboard eller iPhone-tastaturets diktering er gratis og fuldt ud tilstrækkelig. Hvis du skriver en sætning eller to om dagen på en Mac, er Apple Dictation indbygget, starter fra mikrofontasten og sætter tegnsætning for dig.

Hvis du har brug for mødetransskription med flere talere og opsummeringer, er det en anden produktkategori end skrivning-med-stemme, og så bør du kigge i den kategori i stedet. Og hvis du er på Linux eller en Intel-Mac, kører Whisper ikke der, så de indbyggede værktøjer og browserværktøjer er dine ærlige muligheder.

For tyve år siden betød stemmeskrivning, at man læste kalibreringsscripts op for sin computer og håbede. I dag passer den ærlige opsummering på to linjer: din telefon gør det allerede, og din computer kan gøre det ordentligt med én installation. Mikrofonen har været den hurtigste inputenhed på dit skrivebord et godt stykke tid efterhånden. De fleste af os har bare ikke trykket på tasten endnu.