SpeechTexter-vaihtoehto, joka toimii selaimen ulkopuolella

Avaa välilehti, puhu ja katso sen kirjoittavan. Se on SpeechTexter.

Kunnia sille, jolle kunnia kuuluu: SpeechTexter tekee yhden asian huolella. Se on ilmainen monikielinen puhe-tekstiksi-verkkosovellus, jolla muutetaan muistiinpanot, asiakirjat, raportit tai blogikirjoitukset tekstiksi äänellä — "kirjoita äänelläsi", kuten sivusto asian ilmaisee. Avaat sivun, klikkaat mikrofonia ja se litteroi reaaliajassa Googlen selainpohjaista puheentunnistusta käyttäen — Web Speech -rajapintaa, joka pyörii palvelinpuolella Googlella. Listalla on yli 70 kieltä.

Yksi ominaisuus, joka SpeechTexterillä on mutta useimmilla selainpohjaisilla sanelujärjestelmillä ei, on mukautettava ääniohjausluettelo. Voit sanoa #newparagraph, #newline, #undo tai #redo, sekä omia komentojasi välimerkkien lisäämiseen, fraasien syöttämiseen tai toimintojen käynnistämiseen — kaikki äänellä. Se myös isontaa alkukirjaimet automaattisesti, tarjoaa kytkettävän litterointiesikatselun ja vie tekstin .doc- tai .txt-tiedostona. SpeechTexterin oma tarkkuusväite on "yli 90 % pitäisi odottaa". Se on heidän lukunsa, ei mittaamani arvo.

Jos sanelet aina vain siihen yhteen editoriin ja kopioit tuloksen sieltä pois, tämä riittää. Ongelmat alkavat siinä hetkessä, kun kirjoittaminen tapahtuu muualla.

Missä SpeechTexter pysähtyy: yksi Chrome-välilehti, ei offline-tilaa, ei muita sovelluksia

Kolme seinää, ja ihmiset törmäävät kaikkiin kolmeen.

Ensimmäinen on selain. Työpöytäkäytössä SpeechTexter vaatii uusimman Google Chrome -selaimen — muita selaimia ei tueta — Windowsilla, Macilla tai Linuxilla. Jos käytät Firefoxia tai Safaria, vaihdat selainta sanellaksesi. Toinen seinä on välilehti itse: teksti ilmestyy SpeechTexterin sivulle, ei sovellukseen, jossa oikeasti kirjoitat. Järjestelmänlaajuista liittämistä Wordiin, Slackiin, Teamsiin, sähköpostiohjelmaan tai koodieditoriin ei ole. Kolmas seinä on verkko. Sovellus käyttää Googlen pilven puheentunnistusmoottoria, joten se tarvitsee internet-yhteyden — sivuston oma vianmääritys osoittaa "verkkovirheeseen" huonon yhteyden aikana, eikä verkkoversiossa ole offline-tilaa. Android-sovellus, jossa kerran oli offline-tuki, ei enää ole tuettu.

Nämä eivät ole bugeja. Ne ovat sitä, mitä selainpohjainen sanelujärjestelmä on. Verkkosivu ei teknisesti pysty kurkottamaan työpöytäsovelluksiisi, eikä Web Speech -työkalu voi litteroida ilman yhteyttä palvelimelle. Jos nämä kolme seinää eivät koskaan haittaa sinua, et tarvitse vaihtoehtoa. Jos olet joskus huomannut sanelleesi SpeechTexteriin ja sen jälkeen kopioineesi tekstin sinne, mihin oikeasti halusit kirjoittaa — se kopiointivaihe on vaihtoehto, joka koputtaa ovelle. Jos sanelu ei käynnisty Chromessa lainkaan, se on oma ongelmansa — kirjoitin ratkaisun yleisimpiin tilanteisiin, joissa äänikirjoitus ei toimi Chromessa, kun ongelma on mikrofonilupa tai itse moottori.

Paina pikanäppäintä ja sanele mihin tahansa sovellukseen

Tässä on kategoriaero yhdellä liikkeellä. Whisper on työpöytäsovellus, ei verkkosivu. Painat pikanäppäintä, puhut, vapautat, ja teksti ilmestyy kursorisi kohdalle missä tahansa avoimessa sovelluksessa — Word-asiakirjassa, Slack-ketjussa, Discord-viestissä, Teams-chatissa, VS Codessa, Notionissa, Obsidianissa, sähköpostiluonnoksessa, selainkentässä, missä tahansa, mihin voit kirjoittaa. Oletuspikanäppäin on Ctrl+Space Windowsilla ja Command+Option Macilla.

Välilehteä ei tarvita. Sovellus, jossa jo olet, pysyy sovelluksena, jossa olet. Ei kopiointia, ei liittämistä, ei vaihtamista Chromeen ensin. Käytin häpeällisen monta iltaa liittää-kursoriin-kohtaan — asia, joka demoissa toimii viidessä sekunnissa mutta vie kuukauden, jotta se toimii luotettavasti jokaisessa sovelluksessa. Minulla on maisterintutkinto.

Tämä on osa, jonka ihmiset aliarvioivat ennen kuin itse kokevat sen. SpeechTexterillä sanelu on paikka, johon menet. Järjestelmänlaajuisella pikanäppäimellä sanelu on asia, jonka teet siellä, missä jo olet. Nuorempi tyttäreni, joka on seitsemän, testasi tämän paremmin kuin mikään spesifikaatiolista olisi voinut. Näytin hänelle kerran — paina, puhu, vapauta, liitä — ja hän kirjoitti 90 sanan sähköpostin isoäidilleen Ukrainaan hampaasta, jonka hän juuri menetti, ja hammaskeijun vaihtokurssista. Hän ei esittänyt yhtään kysymystä työkalusta. Kaksi päivää myöhemmin hän palasi ainoan olennaisen valituksen kanssa: "se ei toimi piirustussovelluksessani." Hän ei tiennyt mikä pikanäppäinkonflikti on. Hän tiesi vain, että sanojen piti ilmestyä sinne, minne hän katsoi. Toimitimme mukautettavat pikanäppäimet sinä iltana. Se on koko rimakorkeus: teksti menee sinne, missä sinä olet.

Se toimii yli 90 kielellä sekä paikallisessa että pilvipalvelutilassa, ja monikielinen malliperhe yltää erityisesti 99+ kieleen automaattisen tunnistuksen kanssa — vain englanniksi toimivat mallivariantit pysyvät englanninkielisinä, joten älä niputa niitä samaan. Monikieliset mallit voivat myös kääntää puheen englanniksi lennossa, mitä selaimen Web Speech -moottori ei tee.

Offline-tilassa omalla koneellasi, ei Googlen palvelimilla

Tässä käytän ainoaa vahvaa mielipidettäni: sanelu ilman offline-vaihtoehtoa — jossa pilvi on ainoa tie, ei valinta — on yksityisyyden katastrofi, joka odottaa litterointivuoroaan. Pomosi palkkataulukko, sähköposti lapsesi koululle, junassa kirjoittamasi lakimuistio — mikään näistä ei tarvitse matkustaa toimittajan palvelimien kautta, vain koska halusit kirjoittaa äänellä. Pilvilitterointi, jonka voit kytkeä päälle halutessasi, on ihan hyvä juttu. Pilvilitterointi, jonka et voi kytkeä pois, on ongelma. SpeechTexter on rehellinen pilvipohjaisuudestaan; se käyttää Googlen puheentunnistusta ja tarvitsee yhteyden toimiakseen. Se on ihan okei ostoslistalle. Mutta arkoihin asioihin, joita et haluaisi lukea ääneen avotoimistossa, se on jo hankalampi pala.

Whisperin paikallinen tila toimii täysin offline-tilassa — internet-yhteyttä ei tarvita litterointiin. Ainoa kerta, kun yhteys tarvitaan, on kertaluonteinen mallin lataus, joka on koosta riippuen noin 140 megatavua tai jopa 3 gigatavua. Alla oleva paikallinen moottori on sama avoimen lähdekoodin OpenAI Whisper -malliperhe, joka pyörittää suuren osan tästä kategoriasta. Sen jälkeen jokainen sana pysyy omalla koneellasi. Lennolla, lukitussa työkannettavassa verkon ollessa poikki, huoneessa, jossa Wi-Fi on teoreettinen käsite — se kirjoittaa silti.

Seurasin tiimiä, jonka kanssa työskentelimme, kun se kerrytti viisinumeroisen pilvilaskun yhden kvartaalin aikana litteroimalla standupinauhoituksia — suurimmaksi osaksi siksi, että "älykäs uudelleenyritys" -silmukka litteroi saman äänen neljä kertaa. Talousjohtaja avasi kojelaudan kvartaalikatsauksessa ja huone hiljentyi. Pilvellä on paikkansa. Sen pitäisi olla valinta, jonka teet, ei ainoa saatavilla oleva tie.

Ilmainen ilman tiliä, mutta ilmainen tarkoittaa eri asioita

Molemmat työkalut ovat ilmaisia aloittaessa, ja tuo sana tekee eri työtä kummassakin tapauksessa. SpeechTexter on ilmainen puhtaimmassa mielessä: ei latausta, ei asennusta, ei rekisteröitymistä — klikkaat mikrofonia ja olet sanellessa. Ei asetettavaa, ei sisäänkirjautumista. Se on aito etu, enkä aio teeskennellä muuta.

Whisperin paikallinen versio on myös ilmainen, mutta ilmainen tarkoittaa tässä sitä, että lataat työpöytäsovelluksen, luot Whisper-tilin ja haet mallin ensimmäisellä kerralla. Muutama minuutti etukäteen nollan sijaan. Näistä minuuteista saat järjestelmänlaajuisen pikanäppäimen, offline-litteroinnin ja kursoria seuraavan käyttäytymisen. Pilvikerros — OpenAI-ominaisuudet ja oman avaimen tuominen — on erillinen maksullinen Pro-taso; älä sekoita ilmaista paikallista sovellusta siihen. Täydellinen erittely löytyy hinnoittelusivulta. Lyhyesti: paikallinen sanelu ei maksa mitään eikä vanhene koskaan.

Rehellisesti sanottuna kyse on vaihtokaupasta. SpeechTexter veloittaa nollan asennuksesta ja nollan tilistä, ja pitää sinut vastineeksi yhdessä välilehdessä pilvipalvelussa. Whisper veloittaa latauksesta ja rekisteröitymisestä, ja antaa vastineeksi kaikki sovellukset ja offline-tilan. Valitse se kustannus, jonka mieluummin maksat.

Milloin SpeechTexter on silti parempi valinta

Muutamissa todellisissa tilanteissa jättäisin työpöytäsovelluksen kokonaan väliin, ja SpeechTexter voittaa ne selvästi.

Jos olet lukitussa koneessa, johon et voi asentaa ohjelmistoja — kirjastotietokone, koulun atk-luokka, työkannettava, johon ylläpitäjä on asettanut rajoitukset — SpeechTexter toimii selaimen välilehdessä eikä pyydä lupaa keneltäkään. Jos sanelet vain satunnaisesti, kappale sieltä täältä, nollaasennuksen ja nollatili-malli on aidosti vähemmän vaivaa kuin mitään lataaminen. Jos tosiasiassa käytät sitä mukautettavaa ääniohjausluetteloa — sanot #newparagraph ja #undo muotoillaksesi samalla — se on erityinen työnkulku, jota varten SpeechTexter on rakennettu, ja pikanäppäintyökalu ei jäljittele sitä samalla tavalla. Ja jos kirjoitat pääasiassa yhteen verkkoeditoriin etkä kovinkaan usein kopioi tekstiä ulos, välilehti ei ole seinä, se on vain paikka, jossa teet töitä. Kaikissa näissä tapauksissa avaa speechtexter.com, klikkaa mikrofonia äläkä mieti liikaa. Tarkoituksena on ohjata sinut oikeaan ilmaiseen työkaluun silloin, kun se on oikea valinta.

Muita sanelujärjestelmiä, jotka kannattaa tuntea

SpeechTexter ja Whisper eivät ole ainoat vaihtoehdot. Nopea rehellinen katsaus alan kenttään:

• Speechnotes — toinen ilmainen selainpohjainen sanelulehtio, samalla välilehtisidonnaisella muodolla kuin SpeechTexter. Jos pohdit sitäkin, tässä on Speechnotes-vertailu vaihtoehtona.
• Dictation.io / Dictanote — ilmaisia Chrome-pohjaisia äänikirjoitustyökaluja; sama selainvälilehden katto, ei järjestelmänlaajuista liittämistä.
• Speechify — tekoälyllinen luku- ja äänituote, joka tekee myös äänikirjoitusta; asemoi itsensä SpeechTexter-vaihtoehtona.
• LilySpeech — Windows-sanelujärjestelmä, joka käyttää Chrome-pohjaista moottoria kirjoittaakseen sovelluksiin; kätevä Windowsilla mutta sidottu tähän asetukseen.
• Apple Dictation — sisäänrakennettu macOS:ään ja iOS:ään, ilmainen, toimii lyhyissä pätkissä, yhden alustan työkalu.
• Windows Voice Typing (Win+H) — sisäänrakennettu Windowsiin, sanellee järjestelmänlaajuisesti useimpiin tekstikenttiin, ilmainen, ei asennusta. Jos se ei toimi oikein, Win+H-vaihtoehtojen opas kertoo, mitä käyttää sen sijaan.

Jako on selvä. Selaintyökalut (SpeechTexter, Speechnotes, Dictation.io) ovat ilmaisia ja vaatimattomia asentaa, mutta sidottuja välilehteen ja pilveen. Käyttöjärjestelmän sanelu (Win+H, Apple) on järjestelmänlaajuinen ja ilmainen, mutta toimii vain yhdellä alustalla ja laatu vaihtelee. Työpöytäsovellukset kuten Whisper ovat järjestelmänlaajuisia, offline-kykyisiä ja alustojen välisiä — lataamisen hinnalla.

Mitä itse asiassa valitsisin

Jos haluat nopeimman mahdollisen sanelun koneella, johon et voi asentaa mitään, pysy SpeechTexterissä — se on ilmainen, välitön, ja ääniohjausluettelo on kiva lisä. Kaikkeen muuhun — kirjoittamiseen eri sovelluksissa, offline-työskentelyyn, arkaluonteisten tekstien pitämiseen omalla koneella — valitsisin työpöytätyökalun, jossa on järjestelmänlaajuinen pikanäppäin. Sanelu kulkee noin 145 sanaa minuutissa verrattuna noin 40 sanaan kirjoittaessa, joten pullonkaula ei koskaan ollut sormet vaan sanojen ympärillä olevat seinät. Valitse työkalu, jolla on vähiten seiniä siihen, mitä teet. Jos haluat tuntea eron, katso, miten äänikirjoitus toimii kaikissa sovelluksissa käytännössä.

SpeechTexter on hyvä ilmaistyökalu, joka tekee täsmälleen sen, mitä se lupaa yhden Chrome-välilehden sisällä. Päivänä, jolloin kirjoittamisesi siirtyy tuon välilehden ulkopuolelle — sähköpostiin, chattiin, editoriin, muistiinpanoihin — on päivä, jolloin alat haluta saneluohjelman seuraavan mukana. Se on ainoa todellinen ero, ja se on iso. Seitsenvuotias tyttäreni selvitti sen kahdessa päivässä ja yhdellä bugilipulla. Meistä muista varmasti myös löytyy kykyjä.