Moderni diktointisovellus

Paina pikanäppäintä, puhu ja sanat ilmestyvät kursorille

Tässä on mekaniikka, joka määrittelee tietokonepohjaisen diktointisovelluksen. Painat näppäintä — oletuksena Ctrl+Space Windowsissa, uudelleenmääriteltävä push-to-talk-pikakuvake. Puhut lauseen. Vapautat näppäimen. Hetken kuluttua teksti ilmestyy täsmälleen sinne, missä kursori vilkkui.

"Kursorille, missä tahansa sovelluksessa" — tämä erottaa oikean diktointisovelluksen litterointisivustosta. Litterointityökalu ottaa nauhoitetun tiedoston ja palauttaa sinulle tekstimassan, joka täytyy kopioida jonnekin. Diktointisovellus ohittaa tiedoston kokonaan. Kohta, johon kirjoitat, on myös se, johon teksti ilmestyy. Se on sama ero kuin kirjeen sanelu ja itse luetun nauhoituksen litterointi.

Nopeus yllättää useimmat. Tyypillinen kirjoitusnopeus on noin 40 sanaa minuutissa. Puhenopeus on noin 145. Se on noin kolme ja puoli kertaa nopeampaa — siksi sekunnin painallus voi säästää merkittävän siivun iltapäivästä. Sähköpostiruuhkan, kokousmuistiinpanot, ne kaksitoista kylmäviesti-versiota ennen lounasta.

Tietokoneessasi on jo sellainen — ja joskus se riittää

Ennen kuin asennat mitään, tiedä, että sinulla on lähes varmasti jo diktointityökalu. Molemmat suuret käyttöjärjestelmät toimittavat sen ilmaiseksi.

Windows 11:ssä paina Windows-näppäin + H, niin äänityspalkki ilmestyy. Se toimii — yhdellä varauksella: se käyttää Azuren verkkopohjaista puheentunnistusta, joten se vaatii internetyhteyden. Ei yhteyttä, ei diktointia. Se voi lisätä välimerkit automaattisesti, jos otat sen käyttöön.

Macissa Apple Dictation löytyy kohdasta Järjestelmäasetukset → Näppäimistö, ja sen voi käynnistää mikrofoninäppäimellä tai valitsemallasi pikanäppäimellä. Applen versio voi toimia kokonaan laitteella, kun olet ladannut puhemalli — se toimii siis myös ilman verkkoyhteyttä eikä äänesi poistu koneelta. Se tukee kymmeniä kieliä: Applen ominaisuussivun mukaan 54 verkossa ja 43 offline-tilassa. Mitä se ei tee: ei mukautettua sanastoa, ei tekoälyn tekstisiistimistä eikä mahdollisuutta valita, mikä litterointimalli käynnistyy.

Rehellinen totuus on, että lyhyeen, arkiseen diktointiin — 30 sanan viesti, pikainen haku, yksirivinen vastaus — sisäänrakennettu työkalu on aidosti riittävä. Se on ilmainen, jo valmiina, eikä sinun tarvitse lisätä neljättä ikonia valikkopalkille lähettääksesi viesti äidillesi. Jos tämä on kaikki mitä teet, sulje tämä välilehti ja paina Win+H tai Macin diktointinappia. Tarkoitan sen tosissani.

Jos diktoitat myös puhelimella tai tabletilla, mikä äänityyssovellus sopii millekin laitteelle käy valinnan läpi alusta kohdealustaan.

Milloin erillinen diktointisovellus ansaitsee paikkansa

Milloin sisäänrakennettu työkalu siis ei enää riitä? Yleensä kolmessa tilanteessa. Ensimmäinen on aito offline-yksityisyys. Windowsin äänityöskentely vaatii pilven. Erillinen sovellus voi pyörittää kaiken omalla suorittimellasi, joten lapsen koululle kirjoittamasi sähköposti tai kesken oleva juridinen asiakirja ei lähde minnekään. Toinen on tarkkuus ja hallinta: voit valita suuremman mallin, lisätä sanoja, joita sovellus toistuvasti kuulee väärin, ja siistittää sanamuotosi automaattisesti. Kolmas on se, minkä sisäänrakennetut hiljaisesti sivuuttavat — toimia samalla tavalla jokaisessa sovelluksessa, aina, ilman yllätyksiä.

Tähän Whisper by Remskill asettuu. Se on työpöytäsovellus Windowsille ja macOS:lle Apple Silicon -laitteille. Koko paikallinen prosessi on ilmainen kaikille kirjautuneille käyttäjille — ei korttia rekisteröityessä. Tähän sisältyvät paikalliset litterointimoottorit, tekoälypuhdistus, historia, mukautetut sanat ja jopa kolmen oman laitteen rekisteröinti.

Moottoria ei tarjoilla valmiiksi valittuna. Sinä valitset. Paikallinen Parakeet on nopein vaihtoehto: noin 600 MB, 5–10 kertaa nopeampi kuin Whisper suorittimella, tukee englantia ja 24:ää muuta eurooppalaista kieltä. Paikallinen Whisper on hitaampi, mutta tukee 99 kieltä, voi kääntää puheen englanniksi ja antaa enemmän hallintaa: mukautetun sanaston ja hienosäätömahdollisuuksia; suurin malli on noin 3 GB. Jos haluat OpenAI:n uusimmat pilvipalvelumallit ja reaaliaikaiset verkkohaut, on valinnainen Pro-pilvipalvelu, johon tuot oman API-avaimesi — Remskill ei ota välistä. Kolme polkua, sinä valitset sen mukaan, mikä sinulle on tärkeintä: nopeus, kielituki vai uusin pilvipohjainen laatu.

Rehellinen mielipide: useimmat "tekoälydiktointi"-sovellukset ovat hintakorotus, eivät malli

Tässä on yksi vahva näkemykseni, ja perustelen sen numerolla. Suuri osa viimeisen kahden vuoden aikana lanseeratuista diktointisovelluksista on pohjimmiltaan sama asia: puhemalli, jonka voisit itsekin ajaa, siisti käyttöliittymä päälle ja kuukausittainen lasku, jolla on hyvin vähän tekemistä laskennan todellisten kustannusten kanssa. Kalliimmat pyytävät noin kolmekymmentä dollaria kuukaudessa.

Myyntipuhe sanoo "tekoälyn voimaannuttama." Niin on myös asuntolainani hakemus. Lauseella ei enää ole mitään merkitystä. Pilvipohjainen sovellus myy sinulle mukavuuden — jonkun muun ajama malli — sekä yksityisyyskustannuksen: äänesi poistuu kannettavaltasi prosessointia varten. Jos työ on arkaluonteista, se ei ole mukavuus, se on vastuu.

Tästä syystä pidän tiukasti kiinni siitä, että ilmainen paikallinen ratkaisu on lähtötaso, ei lisämyynti. Kannettavassasi on mikrofoni ja suoritin. Yhtä kappaletta varten ei tarvita palvelinta.

Rehellinen pikatutustuminen muihin diktointisovelluksiin

On hyvä tuntea kenttä ennen kuin tekee valintansa. Tässä ne, joita kannattaa tietää — yksi lause kustakin, tunnustus sinne missä se kuuluu.

Jätin muutaman pois. Tarkoitus ei ole opetella ulkoa listaa. Piste on, että "diktointisovellus" on täynnä toimijoita: ilmaisia sisäänrakennettuja, avoimen lähdekoodin projekteja, kiillotetut tilaukset ja yritystason ääniohjaussviitit. Valitse sen mukaan, mitä todella teet — ei sen mukaan, kenen aloitussivun satuit näkemään ensin.

Miksi "paina vain yhtä näppäintä" on vaikeampaa kuin miltä kuulostaa

Lyhyt tarina, koska se selittää, miksi pienet yksityiskohdat kiinnostavat minua. Annoin sovelluksen nuoremmalle tyttärelleni, joka on seitsemän, lauantaina. Yksi demo: paina, puhu, vapauta, liitä. Hän kirjoitti 90 sanan sähköpostin isoäidilleen kairanneesta hampaasta, hammasfeen vaihtokorssista ja tanssiluokasta — ilman yhtään kysymystä.

Kaksi päivää myöhemmin hän tuli takaisin: "pikanäppäin ei toimi piirto-ohjelmassani." Tavallinen käyttäjä ei tiedä, mikä on pikanäppäinkonflikti. He vain tietävät, että se lakkasi toimimasta. Sinä yönä julkaisin mukautettavan pikanäppäimen asetukset. Diktointisovellus elää tai kuolee pieniin yksityiskohtiin: ennakoimaton konflikti, Windowsin phantom key release, joka kerran aiheutti kuudelle laukaukselle per painallus — se maksoi minulle useita päiviä ja 300 ms:n debounce-korjauksen. Minulla on maisterin tutkinto. Debounce nöyryytti silti.

Milloin diktointisovellusta ei tarvita

Tämä on se osa, jonka useimmat artikkelit ohittavat — joten tässä se suoraan sanottuna. Et tarvitse erillistä diktointisovellusta, jos jokin seuraavista pitää paikkansa.

• Diktoitat vain lyhyitä, arkisia asioita. Viestejä, hakuja, satunnaisen yksirivisen vastauksen. Sisäänrakennettu työkalu hoitaa sen ilmaiseksi.
• Olet aina verkossa etkä koskaan käsittele mitään arkaluonteista. Silloin pilvipohjaiset sisäänrakennetut tai pelkkä pilvipohjainen maksullinen sovellus sopivat; paikallisesta ei juuri hyödy.
• Diktoitat aina vain yhdessä paikassa, kuten yhdellä selaimen välilehdellä. Selainlaajennus hoitaa sen ilman järjestelmälaajuista sovellusta. Voice In on esimerkiksi Chrome-laajennus, joka toimii vain selaimen sisällä.
• Haluat hands-free-ohjauksen koko tietokoneellesi, et vain tekstinsyöttöä. Se on ääniohjauksen aluetta, ja Dragon tekee sen paremmin kuin yksikään diktointi-ensisijainen työkalu.

Erillinen sovellus alkaa maksaa vaivansa pidemmässä, tiheämmässä, yksityisemmässä ja monikielisemmässä käytössä — karkeasti sen jälkeen, kun diktoitat oikeita kappaleita, joka päivä, eikä haluasi niiden lähtevän koneeltasi. Sen rajan alapuolella säästä rahasi. Laajempaan vertailuun ilmaisista vaihtoehdoista löytyy opas ilmaisiin diktointiohjelmistoihin, laajempi katsaus äänityöskentelyn ohjelmistoihin, ja jos tulit tänne jonkin tietyn sovelluksen kautta, niin superwhisper-vaihtoehto -vertailu.

Jos muistat vain yhden asian

Diktointisovellus on yksinkertaisesti "paina näppäintä, puhu, sanat ilmestyvät sinne missä kirjoitat." Tietokoneesi sisäänrakennettu työkalu tekee jo tämän helpon version ilmaiseksi. Erillinen sovellus on sen arvoinen, kun tarvitset offline-yksityisyyttä, todellista monikielistä tarkkuutta tai yhdenmukaista toimintaa jokaisessa sovelluksessa — muulloin voit jättää sen väliin.

Whisper by Remskill pitää koko paikallisen prosessin ilmaisena juuri tästä syystä: sinun pitää pystyä löytämään oma rajasi maksamatta ensin. Valinnaisen pilvi-Pro-tason hinnoittelu löytyy hinnoittelusivulta. Seitsenvuotiaani löysi rajan yhtenä lauantaina. Sinä löydät sen todennäköisesti nopeammin.