Puhe tekstiksi Discordissa

Onko Discordissa sisäänrakennettu puhe tekstiksi?

Ei, ei sellaista jota tarkoitat. Discordissa ei ole ominaisuutta joka muuntaisi puheen kirjoitetuksi tekstiksi viestiruutuun. Lähinnä kuulostava on Text-to-Speech: kirjoita /tts ja viesti tai ota se käyttöön asetuksista, ja Discord lukee viestin ääneen kaikille kanavalla. Se on tekstistä tulevaa puhetta. Sinä haet puhetta josta tulee teksti. Samat sanat, nuoli käänteisesti.

Tämä hämmentää ihmisiä jatkuvasti, eikä se ole heidän vikansa. "Text-to-speech" ja "speech-to-text" eroavat vain yhdellä vaihdetulla sanaparilla, ja Discord toimittaa vain toisen niistä. Klikkasin asetuksissa pitkään etsiessäni toista ennen kuin hyväksyin ettei se piiloudu alivalikkoon. Se ei yksinkertaisesti ole siellä.

Jos siis haluat äänesi muuttuvan kirjoitetuksi Discord-viestiksi, siihen tarvittava työkalu on Discordin ulkopuolella: käyttöjärjestelmäsi tai erillinen sanelutoiminto. Molemmat ovat alla. Se joka litteroi muita ihmisiä puhumassa äänikanavalla on kolmas vaihtoehto ja jälleen eri työkalu. Tulemme kaikkiin kolmeen.

Kirjoittaminen joka kanavalla vs. pelkästään puhuminen

Perustelu sanelulle Discordissa on yksinkertainen. Puhuminen menee noin 145 sanaa minuutissa; useimmilla ihmisillä kirjoittaminen on lähempänä 40:tä. Se on noin kolme ja puoli kertaa nopeampaa, ja se vapauttaa kädet — mikä merkitsee kun toinen on hiirellä tai ohjaimella. Vilkkaan serverien illan aikana ero summautuu.

Rehellinen vastapaino: monet Discord-viestit ovat kolme sanaa pitkiä. "gg." "tulossa." "hetki." Sanelu ei tee mitään niille — menetät aikaa tilan vaihtamiseen. Äänikirjoittaminen ansaitsee paikkansa pidemmissä asioissa: ryöstösuunnitelmassa, bugraportissa dev-serverillä, kappaleessa jonka normaalisti lykkäisit koska sen kirjoittaminen puhelimella on vaivaa. Se on kynnys. Lyhyet pingit, jatka kirjoittamista. Mikä tahansa yli lauseen tai kaksi, puhu.

Nopein tapa: järjestelmänlaajuinen pikanäppäin

Tässä erillinen sovellus muuttaa laskentaa. Whisper by Remskill ei ole Discord-botti, palvelinintegraatio tai selainlaajennus. Se on tietokoneen sovellus joka toimii kuin näppäimistö: paina pikanäppäintä, puhu, ja litterointi liitetään kursorin kohdalle missä tahansa sovelluksessa, myös Discordin chat-ruudussa. Se toimii samalla tavalla Discordin työpöytäsovelluksessa ja selaimessa avatussa Discordissa, koska tietokoneellesi se näyttää vain kirjoittamiselta.

Asennus on lyhyt:

Siinä koko silmukka. Litterointi ilmestyy kirjoituskenttään, luet sen, painat Enter.

Puhut, ja viesti ilmestyy Discordiin

Kun se on käynnissä, kokemus on parhaalla tavalla mitäänsanomaton. Sijoitat kursorin kanavalle, pidät näppäintä painettuna, puhut, päästät irti. Sekunnin parin kuluttua teksti istuu Discordin viestiruudussa ikään kuin olisit kirjoittanut sen. Ei kopioi-liitä, ei erillistä ikkunaa josta kalastat tekstin, ei ääniklipin jota kavereiden täytyy selata.

Koska paikallinen litterointi toimii koneellasi (puhdas Rust, ei Python-sivuohjelmaa, ei palvelinta silmukassa), se toimii offline-tilassa. Se merkitsee enemmän kuin miltä kuulostaa Discordin kohdalla erityisesti. Olet usein jo äänikanavalla, yhteydellä jota et haluaisi kuormittaa enempää, ja sanelemasi ääni ei koskaan poistu kannettavaltasi. Windowsin sisäänrakennettu äänikirjoitus tarvitsee internet-yhteyden toimiakseen ollenkaan; Whisperin paikallinen tila ei.

Miltä koko Whisper-sovellus näyttää

Pikanäppäin on osa jota käytät eniten, mutta sen takana on asetusliittymä. Valitset litterointimoottorin: Whisper-mallit, joiden monikielisistä varianteista 99 kieltä kattavia ja pelkästään englannin .en-versiot kattavat täsmälleen yhden, tai NVIDIAn Parakeet, noin 600 MB, 5–10 kertaa nopeampi kuin Whisper CPU:lla, kattaa englannin lisäksi 24 eurooppalaista kieltä. Asetat pikanäppäimen, hallitset historiaa ja tallennat esiasetuksia. Mitään näistä ei tarvita Discord-viestin sanelemiseen. Ne ovat siellä kun haluat hienosäätää.

Saneltujen viestien siistiminen tekoälyllä

Puhuttu kieli on sotkuinen. Sanot "öm", aloitat lauseet uudelleen, häivyt ääneen joka tarkoittaa "tiedät mitä tarkoitan". Whisperin valinnainen tekoälynparannusvaihe karsii täytesanat ja siistii sanamuodon ennen liittämistä. Joten "öm, joo, se, se pätsi meni live, luulen että ollaan, ollaan oke" muuttuu "Pätsi meni live, luulen että ollaan oke." Onko se Discordissa vaivan arvoista riippuu kanavasta; dev-serverillä todennäköisesti kyllä, meemi-kanavalla todennäköisesti ei.

Siistiminen toimii paikallisesti Ollaman kautta, ilmaiseksi, omalla koneellasi. Pro-käyttäjät voivat reitityksen pilven kautta, mutta täytesanojen siistiminen ei vaadi Prota — se on ilmaisessa paikallisessa pipelinessa. Voit myös yksinkertaisesti kytkeä sen pois päältä ja liittää raakana litterointia, mikä Discordissa on usein täsmälleen oikea ratkaisu.

Äänikanavan litterointi on eri työ

Tämä on se osa jonka rehelliset oppaat ohittavat, joten ollaan suorasanaisia. Whisper muuntaa puheesi kirjoitetuksi viestiksi. Se ei litteroi Discord-äänikanavaa — se ei istu puhelussa kirjoittamassa mitä kaikki muut sanovat. Se on jotain mitä ihmiset todella haluavat, ja siihen tarvitaan aidosti erilainen työkalu: Discord-botti.

Tähän rakennetut botit — Scripty on yleisin — liittyvät äänikanavaan ja julkaisevat keskustelun juoksevan litteroinnin tekstikanavalle. Scriptyn perustitterointi on ilmainen, toimii noin 55 kielellä ja käsittelee ääntä luovuttamatta sitä kolmansille osapuolille. Muita tässä tilassa ovat SeaVoice ja DiscMeet. Jos tavoitteesi on "tekstittää koko puhelu", käytä jotain niistä, ei Whisperia. Jos tavoitteesi on "antaa minun sanoa oma viestini sen kirjoittamisen sijaan", se on Whisper tai käyttöjärjestelmäsi. Kaksi eri ongelmaa, jotka sattuvat asumaan samassa sovelluksessa.

Milloin jättää sanelutoiminto ja käyttää käyttöjärjestelmää

Jos sinun täytyy sanella vain satunnainen viesti, älä asenna mitään. Tietokoneesi tekee sen jo ilmaiseksi. Windowsissa paina Windows logo key + H ja äänikirjoitus avautuu missä tahansa tekstikentässä, Discordin chattipalkki mukaan lukien, ilman tilausta. Macilla sisäänrakennettu Sanelu-pikanäppäin (tai mikrofoni-näppäin) tekee saman, ja Apple siliconilla se toimii laitteella ilman internetiä. Puhelimella näppäimistön mikrofonikuvake sanelee suoraan Discordin mobiiliviestipohjakenttään; iOS tai Gboard tekee työn, ei Discord, mutta se toimii.

Yksi kompromissi on tietämisen arvoinen: Windowsin Win+H tarvitsee internet-yhteyden toimiakseen, kun taas macOS-sanelu ja Whisperin paikallinen tila eivät. Nopeaan "5 min myöhässä, aloittakaa ilman minua" -viestiin käyttöjärjestelmän työkalu on oikea valinta. Erillinen sovellus ottaa johdon, kun käyttömäärä kasvaa, täytesanojen siistimisessä ja offline-saneluksessa puhelun aikana: mitä pidempään ja useammin teet sitä, sitä enemmän niillä on merkitystä.

Valitse pienin työkalu joka ratkaisee ongelmasi. Yhdelle viestille se on näppäin joka sinulla jo on. Koko illaksi pitkiä viestejä viidelle serverille erillinen sovellus ei enää tunnu liioittelulta suunnilleen toisen tai kolmannen kappaleen kohdalla jonka sinun ei tarvinnut kirjoittaa.

Mitä Whisper maksaa

Paikallinen sanelupipeline — litterointi ja tekoälysiivoaminen Ollaman kautta — on ilmainen kaikille kirjautuneille käyttäjille ilman korttia rekisteröitymiseen. Äänesi saaminen Discordiin Whisperin avulla ei siis maksa mitään. Whisper Pro lisää pilviominaisuudet (OpenAI-litterointi, pilvi-tekoälyparannukset, ääniverkkohaku) ja sillä on erillinen kokeilujakso. Tarkat numerot löytyvät hinnoittelusivulta eikä täältä, koska hinnat muuttuvat eikä blogikirjoitus ole hyvä paikka pitää niitä ajantasaisina.

Discord todennäköisesti julkaisee oikean sanelun jossain vaiheessa, niin kuin sovellukset yleensä tekevät kun tarpeeksi moni kirjoittaa /tts odottaen sen tekevän toisen asian. Siihen asti tietokoneellasi on jo toiminto, sovellus on olemassa kun sisäänrakennettu versio ei ole tarpeeksi nopea, ja botti on olemassa täysin erilliselle tehtävälle puhelun tekstittämiseen. Kolme työkalua, kolme ongelmaa. Useimmiten tarvitset pienimmän.