Vaihtoehto Googlen sanelulle: sanele missä tahansa

Mitä Googlen sanelu tekee hyvin – ja missä se loppuu

Kiitos ensin. Googlen sanelu on ilmainen Google-tilillä, ei vaadi minkäänlaista asennusta ja toimii Chromen, Edgen ja Safarin uusimmissa versioissa. Docs-dokumentin sisällä, tai Slidesin puhujan muistiinpanoissa ja tekstityksissä, tunnistus on kohtalainen ja kielilista pitkä. Jos luonnostelet kaiken Docsissa, se ansaitsee paikkansa, ja Google Docsin sanelun läpikäyntimme kattaa asetukset yksityiskohtaisesti.

Rajoitukset ovat yhtä konkreettisia. Välimerkit ovat manuaalisia: sanot "piste", "pilkku", "kysymysmerkki", "uusi kappale". Eikä välimerkkejä ole saatavilla kaikilla kielillä. Muokkaus- ja muotoilukomennot toimivat vain englanniksi, ja vain kun sekä tilisi kieli että dokumentin kieli ovat englanti. (Slidesin puhujan muistiinpanot saavat sanelun, mutta eivät minkäänlaisia äänikomentoja. En tiedä syytä siihenkään.)

Ja se rajalinja, josta tämä artikkeli sai alkunsa: ominaisuus on olemassa kahdessa Googlen pinnassa eikä missään muualla. Gmail, Slack, CRM-järjestelmäsi, koodieditorisi, verkkolomake – hiljaisuus. Mikään tästä ei ole bugi. Se on ilmainen ominaisuus, joka tekee mitä sen oma ohjesivu lupaa, ei enempää. Kysymys on siitä, mahtuuko sinun kirjoittamisesi tuohon laatikkoon. Ja kun se lakkaa kuuntelemasta kesken lauseen, kyse on yleensä mikrofonista, ei sinusta – Google Docsin sanelun korjausvinkkimme käyvät läpi tavallisimmat syyt.

Sanelun vaihtoehto, joka toimii kaikissa sovelluksissa

Whisper lyö vetoa päinvastaisesta: sanelu kuuluu käyttöjärjestelmälle, ei yhdelle verkkosivustolle. Painat pikanäppäintä: Ctrl+Space Windowsilla, tai Macilla pidät Command+Option pohjassa puhe-painikkeena. Puhut. Päästät irti. Teksti laskeutuu sinne missä kohdistin on: sähköpostiin, keskusteluikkunaan, taulukon soluun, commit-viestiin. Kopiointivaihetta ei ole, koska ei ole "lähdedokumenttia" josta kopioida.

Nopeusargumentti on yksinkertaista laskuoppia. Sanelu etenee noin 145 sanaa minuutissa, kun kirjoittaminen yltää noin 40:een – sanotaan 3,6-kertainen ero. M1-pohjaisella MacBook Airilla pienellä englannin mallilla viive näppäimen päästämisestä tekstin näkymiseen on 1,4 sekuntia.

Konepellin alla valitset yhden kolmesta polusta, eikä sovellus valitse puolestasi. Pilvitila yhdistää OpenAI:hin omalla API-avaimellasi ja käyttää gpt-4o-mini-transcribe- tai gpt-4o-transcribe-mallia. Parakeet, NVIDIAn paikallinen moottori, toimii 5–10 kertaa nopeammin kuin Whisper-mallit prosessorilla ja kattaa englannin sekä 24 eurooppalaista kieltä. Ja paikalliset avoimen lähdekoodin Whisper-mallit ulottuvat 140 megatavun englannin mallista 3 gigatavun Large v3:een. Sovellus on saatavilla Windowsille ja Apple Silicon -Maceille.

Googlen sanelu vs. Whisper, vierekkäin

Kriteerit, jotka valittiin ennen taulukkoa: minne työkalu kirjoittaa, missä se toimii, välimerkit, äänikomennot, kielten kattavuus, offline-toiminta ja hinnoittelumalli. Nämä seitsemän asiaa ratkaisivat sen minulle silloin kun vielä käytin Docsin mikrofonia. Google-sarake tulee Googlen omasta ohjesivusta; Whisper-sarake tulee sovelluksen lähdekoodista, jonka näen tästä.

Tuomio vastaa ensimmäistä kappaletta: Whisper on valinta sillä hetkellä kun kirjoittamisesi poistuu Google Docsista. Googlen sanelu on edelleen oikea vastaus niille, joiden kirjoittaminen ei koskaan poistu. Sillä tilanteella on oma osionsa alempana, ja tarkoitan sitä.

Sanelu verkossa vs. sanelu työpöydällä

"Sanelu verkossa" tarkoittaa useimmiten verkkosivustoa, jonka avaat välilehteen: ilmainen sivu mikrofonipainikkeella, joka litteroi tekstikenttään. Nämä työkalut nojaavat selaimen puheentunnistusmoottoriin, ja MDN:n Web Speech API -dokumentaatio on suorasanainen siitä miten se toimii: "Äänesi lähetetään verkkopalveluun tunnistuksen käsittelyä varten, joten se ei toimi offline-tilassa." Sama sivu nimeää kaksi kustannusta: yksityisyyden, koska puheesi poistuu koneelta, ja luotettavuuden, koska ilman yhteyttä ei tule litterointia.

Yksittäiseen muistiinpanoon verkkosanelun sivu on ihan kelpo. Vero näkyy toiston myötä: jokainen sanelu päättyy valitsemiseen, kopioimiseen, vaihtamiseen, liittämiseen. Kerran sanelin ostoslistan väärään välilehteen ja liitin sen budjettitaulukkoon. Noin kymmenen sekunnin ajan kolmannen vuosineljänneksen ennusteisiin kuului "jogurttia, niitä pieniä, ei niitä isoja". Työpöytätyökalu poistaa koko tuon onnettomuusluokan, koska teksti alkaa sieltä mihin se päättyy – kohdistimestasi. Ja kun selaimen mikrofoni temppuilee, korjaus löytyy selaimen asetuksista, mikä on oma iltapäivänsä. Kirjoitimme Chromen sanelun korjausvinkit sen jälkeen kun riittävän moni kysyi.

Välimerkit ja siistintä: muokkausvero, jota kukaan ei laske

Tylsä totuus on, ettei litterointi ollut koskaan se hidas osa. Siistintä on. Googlen sanelulla puhut välimerkkisi ("piste", "uusi kappale"), mikä toimii, mutta tekee sinusta ihmisen joka selostaa pilkkuja. Testasin komennot tätä artikkelia varten, ja testidokumenttiini päätyi sana "pilkku" yksitoista kertaa. Tapa seuraa myös kotiin: olen sittemmin päättänyt puhutun lauseen, oikeassa keskustelussa, sanaan "piste".

Whisper ohjaa raakalitteraation sen sijaan tekoälysiistinnän läpi: kielioppi korjataan, täytesanat poistetaan, välimerkit asetetaan paikoilleen. Paikallisessa tilassa se kulkee Ollaman kautta; pilvitilassa se käyttää OpenAI:n malleja, oletusparantelijana gpt-5-mini. Aloita lause sanoilla "Hey whisper", niin tekoäly kohtelee sen jälkeen tulevaa ohjeena eikä kirjoitettavana tekstinä: "Hey whisper, tee tästä vastauksesta kohtelias mutta jämäkkä" on todellinen työnkulku, ei demo. Tuntuman eroa on vaikea liioitella. Toinen työkalu pyytää sinua suorittamaan muotoilun. Toinen antaa sinun puhua kuin ihminen ja ojentaa takaisin jotain, jonka lähettäisit sellaisenaan.

Yksityisyys: minne äänesi menee

Tässä on mielipide, jota puolustan: sanelu, joka lähettää äänesi palvelimelle jota et hallitse, on yksityisyysongelma – ja joissakin töissä se on este. Selainpohjainen sanelu toimii lähettämällä äänen ulos käsiteltäväksi. Ostoslistalle se sopii. Aivan toinen keskustelu se on luonnossopimuksen, potilastiedon tai sen lapsesi kouluasiaa koskevan sähköpostin kohdalla.

Näin tämän opetuksen kustannuspuolen läheltä. Eräs tiimi jonka kanssa työskentelin oli teettänyt alihankkijalla sisäisen tekoälysanelun prototyypin, joka kutsui pilvi-API:a jokaisesta lausahduksesta. Vuosineljänneksen lopussa esimies avasi kustannuksia näyttävän koontinäytön: viisinumeroinen lasku, josta suurin osa syntyi siitä että yksi tiimi litteroi standup-nauhoituksia neljä kertaa, koska uudelleenyrityslogiikka oli liian innokas. Alihankkija ehdotti kehotteen optimointia. Talousjohtaja ehdotti, ettei makseta palvelimelle palaverien kuuntelusta joista oli jo muistiinpanot. Molemmat olivat oikeassa jossakin.

Whisperin paikallinen tila sulkee kysymyksen sen sijaan että väittelisi siitä: malli toimii koneellasi, mikään ei poistu laitteelta, eikä internetiä tarvita lainkaan. Sama pikanäppäin, sama kulku, nolla ääntä matkalla.

Milloin jättää Whisper väliin ja pysyä Googlessa

Jos jokainen sanelemasi sana laskeutuu Google Dociin, pysy Googlen sanelussa. Se ei maksa mitään, se on jo Työkalut-valikossa, ja Docsin sisällä se hoitaa hommansa – sitä yhdistelmää on vaikea kiistää, enkä teeskentele toisin. Sama pätee jos sanelet kahdesti kuukaudessa: työpöytäsovelluksen asentaminen kahden kopioi-liitä-vaiheen säästämiseksi on ylimitoittamista, ja sanon sen ammattilaisena. Whisper ansaitsee paikkansa kun kirjoittamisesi poistuu säännöllisesti dokumentista (sähköposti, chat, lomakkeet, muistiinpanot), tai kun välimerkit tekoälyltä, offline-käyttö tai äänen pitäminen koneellasi on tärkeää. Siihen asti ilmainen sisäänrakennettu työkalu on oikea työkalu.

Se opettajalle menevä viesti sivun alusta lähti lopulta – saneltuna suoraan Gmailiin, ilman kiertotietä Docin kautta, välimerkit mukana ilman että sanoin niistä sanaakaan. Google Docsin välilehti pysyi suljettuna. Siinä on koko vertailu yhdessä hetkessä: ilmainen työkalu pyytää kirjoittamistasi tulemaan luokseen, ja vaihtoehto menee sinne missä kirjoittaminen jo on. Valitse kumpi suunta sopii sinun päivääsi.