Puheesta tekstiksi -sovellukset, joita kannattaa käyttää

Mitä puheesta tekstiksi -sovellus tekee

Puheesta tekstiksi -sovellus tekee kaksi tehtävää, jotka kuulostavat yhdeltä. Ensin automaattinen puheentunnistus kuuntelee mikrofoniasi ja kirjoittaa sanat muistiin. Toiseksi muotoiluvaihe lisää pilkut, isot alkukirjaimet ja kappalejaot, joita raaka puhe ei tuo mukanaan. Jotkin sovellukset pysähtyvät tähän. Paremmat lisäävät tekoälysiistimisvaiheen, joka korjaa täytesanat ja tiivistää ilmaisua. Whisper laukaisee tämän vaiheen avainsanalla "Hey whisper".

Tärkein osa on se, mihin teksti päätyy. Otterin kaltainen kokouslitteroija nauhoittaa keskustelun ja antaa sinulle litteraation jälkikäteen. Sanelusovellus tekee päinvastoin: painat näppäintä, puhut, ja sanat ilmestyvät juuri sinne, missä kohdistimesi jo on – kirjoittamaasi sähköpostiin tai asiakirjaan. Nämä ovat eri työkaluja eri tehtäviin, ja suurin yksittäinen virhe, jonka ihmiset tekevät, on maksaa väärästä. Joku ostaa kokouslitteroijan kirjoittaakseen sähköposteja tai kirjoitustyökalun tallentaakseen webinaarin, ja ihmettelee sitten, miksi tuntuu kuin sovellus taistelisi häntä vastaan. Vika ei ole sovelluksessa. Vika on kategoriassa.

Puheentunnistus vaati ennen myös harjoittelua. Luit sanalistaa ääneen neljäkymmentäviisi minuuttia, jotta ohjelmisto oppi äänesi, ja silti se arvasi joka kolmannen lauseen väärin. (Eräs sukulaiseni heitti kerran kuulokkeet huoneen poikki. Kuulokkeet selvisivät; sanelukokeilu ei.) Nykyaikaiset sovellukset ohittavat tuon kaiken. Malli saapuu jo osaten 99 kieltä Whisperin monikielisissä versioissa tai keskitetyt 25 nopeammassa Parakeet-moottorissa, ja se toimii korostuksellasi heti laatikosta.

Paina pikanäppäintä, puhu, teksti ilmestyy

Vuorovaikutus on koko tuote. Pidät näppäintä pohjassa, puhut, vapautat, ja teksti liitetään kohdistimeen. Ei ikkunaa avattavana, ei nauhoituspainiketta etsittävänä, ei kopiointia ja liittämistä jälkikäteen.

Windowsissa oletuspikanäppäin on Ctrl+Space. Macissa pidät Command- ja Option-näppäimiä yhtä aikaa ja vapautat jommankumman lopettaaksesi. Molemmat ovat muokattavissa, millä on enemmän väliä kuin miltä kuulostaa. Ensimmäisellä kerralla, kun käyttäjä kertoi pikanäppäimeni törmäävän hänen piirustussovellukseensa, opin että "paina yhtä näppäintä" on yksi näppäin liikaa, kun se on väärä näppäin. Olin kovakoodannut sen, julkaissut sen ja tunsin itseni nokkelaksi noin viikon ajan.

Suurimman osan ajasta sanelusovellus on näkymätön – vain pikanäppäin ja tuo peittokuva. Asetuksissa valitset, miten se käyttäytyy: mikä moottori toimii, onko tekoälysiistiminen päällä, mitä kieltä odotetaan. Tuo valinta on juuri se, mitä käyttöjärjestelmän sisäänrakennetut työkalut eivät anna sinulle.

Paikallinen vai pilvi, ja miksi se ratkaisee yksityisyytesi

Tässä on jako, joka ratkaisee kaiken muun. Paikallinen tarkoittaa, että litterointi tapahtuu omalla kannettavallasi, offline-tilassa, eikä mikään lähde koneelta. Whisperin paikallinen putki ajaa kahta moottoria näin: monikieliset Whisper-mallit 99 kielelle ja englanniksi kääntämiseen, tai NVIDIA:n Parakeet, joka on 5–10 kertaa nopeampi suorittimella mutta kattaa 25 kieltä eikä mitään aasialaisia kirjoitusjärjestelmiä. Pilvi tarkoittaa, että ääni menee palvelimelle. Whisperin Cloud-tila on tuo-oma-avaimesi OpenAI: toimitat oman API-avaimesi, se kattaa noin 57 kieltä, ja ääni on ainoa asia, joka lähtee laitteeltasi.

Useimmat sisäänrakennetut sovellukset valitsevat hiljaa pilven puolestasi. Windowsin puhekirjoitus esimerkiksi tarvitsee internetyhteyden. Microsoft sanoo niin suoraan omalla ohjesivullaan. Gboardin offline-käyttäytyminen riippuu siitä, oletko ladannut laitteella olevan kielipaketin, mikä vaihtelee puhelimittain. Aidot offline-vaihtoehdot ovat kapeampia kuin kategoria antaa ymmärtää: iPhonen Dictate toimii ilman yhteyttä iPhone 6s:ssä tai uudemmassa, Macin Dictate voi käsitellä yleistekstiä laitteella, ja Whisperin paikallinen tila pitää kaiken koneellasi.

Jos sanelet palkkataulukkosi tai oikeudellisen sähköpostiluonnoksen, sen tietäminen, lähteekö tuo ääni kannettavaltasi, ei ole nörttien yksityiskohta. Se on ero yksityisen ja kirjatun työkalun välillä. Pilvisovellukset hyvittävät tämän yhdellä asialla, jonka pelkät käyttöjärjestelmän työkalut ohittavat: tekoälysiistimisvaiheella, joka muuttaa lauseen "öö, lähetä se, öö, huomenna" sellaiseksi, jonka lähettäisit.

Sovellukset, joihin itse tarttuisin

Riittävästi pohjustusta. Tässä on, mitä kertoisin koulun portilla ystävälle, joka kysyisi – laitteittain.

• Puhelimessa käytä näppäimistön mikrofonia. Sekä Androidin Gboardissa että iOS-näppäimistössä on mikrofonipainike: napauta sitä, puhu, valmista. Se on ilmainen, jo asennettu, ja tekstiviestiin tai pikamuistiinpanoon se on kaikki mitä tarvitset. Puhelimeen ei kannata asentaa erillistä työpöytäsovellusta tähän tarkoitukseen.

• Windowsissa aloita Win+H:lla. Paina Windows-näppäintä ja H:ta missä tahansa tekstikentässä, niin puhekirjoitus avautuu järjestelmänlaajuisesti, ilman Microsoft 365 -tilausta. Se tarvitsee internetin, mutta se on ilmainen ja toimii kaikkialla.
• Macissa aloita Dictate-toiminnolla. Ota se käyttöön Järjestelmäasetuksissa, paina mikrofoninäppäintä, ja se kirjoittaa missä tahansa sovelluksessa. Yleistekstin osalta se voi toimia laitteella sen sijaan, että soittaisi Applen palvelimille.
• Kun sisäänrakennettu ei riitä, asenna työpöytäsovellus. Whisper on se, jota minä rakennan: järjestelmänlaajuinen pikanäppäin, valintasi paikallisen tai pilvimoottorin välillä, tekoälysiistiminen ja offline-tila, jota käyttöjärjestelmän työkalut eivät tarjoa. Koko paikallinen putki on ilmainen kenelle tahansa kirjautuneelle käyttäjälle ilman korttia rekisteröityessä. Jos olet yhdellä alustalla, Windows-läpikäynti ja Mac-läpikäynti käyvät asennuksen läpi vaihe vaiheelta.

Muita tuntemisen arvoisia sovelluksia

Muutama nimi nousee esiin aina kun joku etsii tätä, joten tässä rehelliset yhden rivin kuvaukset.

• Wispr Flow mainostaa yli 100 kieltä automaattisella tunnistuksella ja toimii Macissa, Windowsissa, iPhonessa ja Androidissa. Se on maksullinen monialustainen vaihtoehto, jos haluat yhden työkalun kaikkialle; teimme perusteellisemman Wispr Flow -vertailun, jos punnitset sitä.
• Dragon Professional on vanha kaarti. Nuance mainostaa jopa 99 %:n tarkkuutta ensikäytöstä lähtien ja kolme kertaa kirjoittamista nopeampaa sanelua, vain Windowsille. Se on vakavasti otettava, maksullinen ammattilaistuote.
• Otter.ai on kokouslitteroija, ei sanelutyökalu. Sen ilmaistaso antaa 300 minuuttia kuukaudessa, ja se on rakennettu nauhoittamaan keskusteluja, ei kirjoittamaan kohdistimeesi. Oikea työkalu, väärä kategoria useimpiin "puheesta tekstiksi -sovellus" -hakuihin – sama ansa, joka käsitellään litterointiohjelmisto-oppaassamme.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Milloin jättää erillinen sovellus väliin ja käyttää sisäänrakennettua

Jos vain nakkaat kolmenkymmenen sanan tekstiviestejä ja silloin tällöin muistiinpanon, älä asenna mitään. Apple Dictate on ilmainen, sisäänrakennettu Maciin ja iPhoneen, ja toimii jokaisessa sovelluksessa, johon voit kirjoittaa. Windows-käyttäjillä on Win+H samalla hinnalla. Sisäänrakennetut työkalut alkavat kärsiä pidemmän, muotoillun kirjoittamisen kohdalla: ei tekoälysiistimistä, ei moottorivalintaa, ja Windowsissa ei offline-tilaa. Siinä menee raja. Sen alapuolella ilmainen vaihtoehto, jonka Apple ja Microsoft jo antoivat sinulle, on oikea valinta, ja käyttäisin mieluummin sitä kuin asentaisin omani tehtävään, jota se ei tarvitse.

Hinnan suhteen pätee sama rehellisyys. Sisäänrakennetut vaihtoehdot tulevat laitteesi mukana eivätkä maksa mitään. Whisperin paikallinen putki on myös ilmainen kenelle tahansa kirjautuneelle käyttäjälle ilman maksutapaa aloittamiseen; maksullinen Cloud-pinta ja sen nykyiset numerot löytyvät hinnoittelusivulta. Puhelimen ja pikamuistiinpanojen käyttöön sinun ei pitäisi maksaa kenellekään mitään. Järjestelmänlaajuiseen työpöytäsaneluun offline-tilalla ja tekoälysiistimisellä maksullinen työkalu alkaa olla järkevä.

Viime tiistaina tein eväslaatikoita samalla kun vastasin lupalappuun, kurkku toisessa kädessä, pikanäppäin toisen alla, sanellen "allekirjoitan lapun, lähetän sen huomenna" sen kohdan välissä, jossa nuorempi kysyi, miksei kuu ollut joskus paikalla. Sähköposti lähti. Eväät tulivat tehdyiksi. Ennen tuohon meni viisitoista minuuttia yhdellä kädellä kirjoittamista. Minkä sovelluksen tästä listasta valitsetkin, juuri sen hetken ostat takaisin.