Dictation.io-vaihtoehto, joka toimii jokaisessa sovelluksessa

Mitä Dictation.io on (ilmainen verkkosanelu)

Dictation.io on ilmainen, selainpohjainen puheentunnistustyökalu, joka muuntaa puheen tekstiksi reaaliajassa — suunniteltu sähköpostien ja asiakirjojen kirjoittamiseen äänellä. Sen on tehnyt Digital Inspiration — Amit Agarwal, sama henkilö kuin labnol.org:n takana. Ei latausta, ei asennusta, ei rekisteröitymistä: avaa sivu Chromessa ja aloita sanelu. Hinnoittelusivua tai maksullista tasoa ei myöskään ole. Ilmainen tarkoittaa tässä aidosti ilmaista, ja se on koko viehätys.

Kaksi asiaa tekee siitä enemmän kuin pelkän tekstilaatikon. Ensinnäkin puhekomennot: sano "New line" siirtyäksesi seuraavalle riville, "New paragraph" kappaleenvaihtoon tai jopa "Smiling Face" lisätäksesi :-). Välimerkit, muotoilu ja hymiöt äänellä — pieni mutta kiva lisä, jonka useimmat pikasanelut jättävät pois. Toiseksi moottori: Dictation.io käyttää transkriptioon Google Speech Recognitionia, selaimen Web Speech API:a. Se on Dictation.io:n oma kuvaus, ja se selittää sekä sen vahvuudet että rajoitukset.

Nämä rajoitukset eivät ole piilossa — ne seuraavat suunnittelusta. Sivusto listaa Google Chromen järjestelmävaatimuksiinsa. Se toimii Windowsilla, Macilla ja Linuxilla, mutta vain Chrome-välilehdessä. Ja koska Googlen puheentunnistus toimii pilvipalvelussa, internet-yhteys on pakollinen — offline-tilaa ei ole.

Selaimen välilehden katto

Tässä on katto, selkeästi. Dictation.io:n teksti elää Chrome-välilehden editorikentässä. Koko järjestelmän kattavaa liitäntää ei ole — kopioit tekstin ja liität sen sinne, minne se oikeasti tarvitaan. Tuo kopioi-ja-liitä-askel kuulostaa pieneltä, kunnes teet sen neljäkymmentä kertaa työpäivässä.

Mieti, minne sanasi oikeasti tarvitsevat päästä. Vastaukseen Slackissa. Tikettiin Jirassa. Kommenttiin koodieditorissa. Viestiin Teamsissa, jota esimiehesi odottaa. Dictation.io ei pysty kirjoittamaan suoraan mihinkään näistä, koska se ei näe oman välilehtensä ulkopuolelle. Selaimen hiekkalaatikko tekee työtään; se ei vain ole sinun työtäsi.

Kyse on myös pelkästä transkriptiosta — ei tekoälyn puhdistusta raakaan tekstiin. Saat juuri sen mitä sanoit, sana sanalta, äännähdykset ja väärät alut mukaan lukien, ja siistit sen itse. Yhdelle hätäiselle kappaleelle se riittää. Kymmenennelle aamun sähköpostille siistiminen on juuri se työ, jonka yritit ohittaa.

Tylsä totuus on, että selaimen sanelutyypit ovat kirjoitusongelmia mikrofoni kädessä. Ne siirtävät pullonkaulan sormistasi leikepöydällesi. Ratkaisu ei ole nopeampi kopioi-liitä — se on se, ettei kopioi-liitä:ta tarvita ollenkaan.

Sanelu, joka kirjoittaa mihin tahansa sovellukseen

Tämä on se osa, jonka selaimen välilehti ei rakenteellisesti kykene tekemään. Whisper on työpöytäsovellus, ei verkkosivu, joten se ei ole sidottu mihinkään. Pidät pikanäppäintä, puhut, vapautat, ja teksti ilmestyy kursorin kohdalle — missä tahansa sovelluksessa, jossa jo olet.

Oletuspikanäppäin on Ctrl+Space Windowsilla ja Command+Option Macilla. Se toimii Wordissa, Slackissa, Discordissa, Teamsissa, VS Codessa, Notionissa, Obsidianissa, sähköpostiohjelmissa, selaimen kentissä ja käytännössä missä tahansa, mikä hyväksyy kirjoitetun tekstin. Ei välilehteä pidettäväksi fokusoituna. Ei kopiointia vaativaa tekstilaatikkoa. Kulku kutistuu "avaa sivu, sanele, valitse, kopioi, vaihda sovellusta, liitä" → "paina, puhu, vapauta." Vähemmän vaiheita, ei nopeampia vaiheita — siinä on koko desktop-tekemisen pointti.

Whisper myös siistii raakaa transkriptiota sen sijaan, että jättäisi sinulle sananmukaisen sotkun. Tekoälytehostus toimii transkription päällä — ilmaiseksi paikallisessa tasossa, pilvioptiona Prossa — ja Prossa on myös verkkohaut. Dictation.io antaa sinulle tarkalleen sen mitä sanoit; Whisper voi antaa siistin version. Omissa paikallisen tilan testeissämme transkriptiotarkkuus on tyypillisesti 95–99 %, ja suurimmat mallit ovat asteikon yläpäässä.

Yksi rehellinen huomio "ilmaisesta", koska sana tarkoittaa eri asioita eri paikoissa. Dictation.io on ilmainen ilman mitään asetettavaa: ei tiliä, ei asennusta, yksi klikkaus. Whisperin paikallinen putki on myös ilmainen kaikille kirjautuneille, eikä korttia vaadita rekisteröityessä. Mutta Whisper pyytää tilin ja yhden mallin latauksen ennen ensimmäistä sanelua. Tämä vaihtokauppa — muutama minuutti asennusta kerran — ostaa koko järjestelmän kattavan pikanäppäimen ja offline-tilan. Onko se sen arvoista riippuu siitä, kuinka usein sanelet selaimen ulkopuolella. Jos haluat saman paina-ja-liitä-kulun, oppaamme nopeampaan kirjoittamiseen äänellä käy sen läpi.

Offline ja yksityinen oletuksena

Tässä ero lakkaa olemasta pelkästä mukavuudesta ja alkaa koskea sitä, minne äänesi menee.

Dictation.io sanoo tallentavansa muunnetun tekstin paikallisesti selaimessasi, eikä "mitään tietoja ladata minnekään". Se pitää paikkansa — tekstin osalta. Ääni on eri juttu. Koska tunnistus toimii Googlen Speech Recognition -pilvipalvelussa, puheesi virtaa Googlen palvelimille transkriptoitavaksi. Paikallisen tallennuksen lupaus koskee tuloksena syntyvää tekstiä, ei sitä tuottavaa ääntä. Joten Dictation.io ei ole "täysin yksityinen". Teksti pysyy paikallaan; ääni ei.

Tämä ei ole hyökkäys nimenomaan Dictation.io:ta vastaan — näin jokainen Web Speech API -työkalu toimii. Selain lähettää äänen pilvitunnistimelle. Jos haluat ymmärtää rajoitteen lähteellä, Mozillan Web Speech API -dokumentaatio selittää tarkasti, mitä selain tekee ja mitä ei tee laitteella.

Meidän kesken: vain pilvipalvelussa toimiva sanelu ilman offline-vaihtoehtoa on yksityisyyskatastrofi odottamassa transkriptiota. Esimiehesi palkkataulukko, sähköposti lapsesi koululle, laadimasi oikeudellinen asiakirja — mikään näistä ei pitäisi poistua koneeltasi vain siksi, että halusit kirjoittaa äänellä. Whisperin paikallinen tila pitää äänen laitteella. Se toimii täysin offline-tilassa; ainoa kerta, jolloin tarvitset yhteyden, on kertaluonteinen mallin lataus, joka on kooltaan noin 140 MB–3 GB valitusta mallista riippuen. Sen jälkeen verkko voi olla pois päältä ja sanelu silti toimii. Kenelle tahansa säännellyllä alalla työskenteleville tämä ei ole mukavuusominaisuus. Se on vaatimus.

Yli 100 kieltä välilehdessä vs. 90+ omalla koneellasi

Tätä on helppo kierrellä, mutta en aio kierrellä. Dictation.io:n oma kielisivu kertoo, että sen Google Speech -moottori voi transkriptoida "yli 100 kieltä", ja taulukossa on noin 130 alueellista varianttia. Se on todellinen ja suuri luku. Se on myös pilviluku: nämä kielet asuvat Googlen palvelimilla, Chrome-välilehden kautta tavoitettavissa.

Whisper tukee yli 90 kieltä sekä paikallisessa että pilvi-tilassa. Monikieliset mallit yltävät 99:ään automaattisen tunnistuksen kanssa; englannille optimoidut .en-mallit ovat vain englanniksi, joten älä laske niitä monikieliseen kokonaismäärään. Rehellinen muotoilu ei ole "meillä on enemmän kieliä". Se on "meillä ne toimivat omalla koneellasi." Dictation.io:n suurempi otsikkoluku syntyy streamaamalla äänesi Googlelle; Whisperin 90+ toimivat laitteella, offline-tilassa, ilman välilehteä ja ilman latausta. Valitse sen perusteella, minne haluat äänesi menevän, ei sen perusteella, kumpi luku on suurempi.

Muut ilmaiset verkossa toimivat sanelutyypit

Dictation.io ei ole yksin selainpohjaisessa sanelukategoriassa, ja jos se ei sovi, sen lähimmät sukulaisetkaan eivät sovi — ne jakavat saman Chrome-välilehden katon.

• Speechnotes — ilmainen verkko-"sanelublokki", sidottu selainvälilehteen kuten Dictation.io. Käsittelimme työpöytävaihtoehtoa Speechnotes-vaihtoehtoppassamme.
• SpeechTexter — ilmainen monikielinen selainsanelu, vain Chrome-selaimessa työpöydällä, omalla muokattavalla puhekomentoluettelollaan. Sama kategoria; SpeechTexter-vaihtoehtoanalyysi käy läpi samat kompromissit.
• Dictanote ja vastaavat — selainpohjaiset äänikirjoitussivut, jotka nojaavat Chromen puheentunnistukseen. Käteviä välilehdessä, ei koko järjestelmän liittämistä.
• Google Docs Voice Typing — sisäänrakennettu Docsiin, ilmainen, toimii hyvin siinä yhdessä dokumentissa, sidottu siihen välilehteen.
• Windows Voice Typing (Win+H) ja Apple Dictation — sisäänrakennettu käyttöjärjestelmään, ilmainen, ei asennettavaa, ja aidosti koko järjestelmän kattava. Kumpikin on yhden alustan ratkaisu ja laatu vaihtelee, mutta jos olet yhdellä käyttöjärjestelmällä ja haluat nolla-asennuksia, ne kannattaa kokeilla ensin.

Malli kaikkien osalta: ilmainen ja kätevä selaimessa tai yhdessä käyttöjärjestelmässä, ei offline-tilaa eikä sovellusten välistä liittämistä verkkopuolella. Siinä on aukko, jonka työpöytäsovellus täyttää. Jos selainsanelu on lakannut toimimasta sinulla kokonaan, kyseessä on yleensä Chromen käyttöoikeuksiin liittyvä ongelma — miksi äänikirjoittaminen lakkaa toimimasta Chromessa kattaa korjauksen.

Milloin Dictation.io on silti parempi valinta

En aio teeskennellä, että Whisper voittaa joka tilanteessa. Joskus Dictation.io on oikea vastaus, ja tässä on tarkalleen milloin.

Jos sanelee aina vain yhdessä Chrome-välilehdessä ja internet-yhteys on luotettava, Dictation.io on ilmainen, avautuu yhdellä klikkauksella eikä vaadi mitään asennettavaa. Kertakäyttöiseen saneluboksiin minkään asentaminen on ylikuormitusta. Lukitulle työkoneelle, johon ei voi asentaa ohjelmia, selaintyökalu saattaa olla ainoa sallittu vaihtoehto. Ja jos käytät Linuxia, Dictation.io toimii siellä Chromessa, kun taas Whisper-työpöytä ei — me toimitamme vain Windowsille ja macOS:lle. Se on aito Dictation.io-voitto, ei alaviite. (Olen viettänyt enemmän iltoja kuin myöntäisin saadakseni työpöytäbuildin toimimaan eri käyttöjärjestelmillä; "se vain toimii Chromessa" on reilu ylpeilyaihe.) Sen puhutuista puhekomennot välimerkeille ja hymiöille ovat pieni, aito viehätys, jos niin haluaa sanella.

Raja on yksinkertainen. Satunnainen, selainpohjainen, vain verkossa toimiva sanelu: Dictation.io, eikä siinä tarvitse miettiä sen enempää. Päivittäinen sanelu, jonka täytyy päätyä oikeisiin sovelluksiin, toimia offline-tilassa ja pitää ääni omalla koneella — siinä työpöytäsovellus ansaitsee paikkansa.

Mitä Whisper maksaa

Whisperin paikallinen putki — työpöytäsanelu, koko järjestelmän pikanäppäin, offline-tila, tekoälypuhdistus — on ilmainen kaikille, joilla on tili, eikä korttia vaadita rekisteröityessä. Se kattaa koko yllä olevan vertailun. Whisper Pro lisää pilvi-tason — pilvitranskriboinnin, pilvi-tekoälytehostuksen, äänipohjaisen verkkohaut — ilmaisen paikallisen tason päälle. Luvut ja mitä kukin taso sisältää löytyvät hinnoittelusivulta. Siirtyminen Dictation.io:sta työpöytäsaneluun ei maksa mitään kokeiltavaksi.