Puheesta tekstiksi Logseqissä

Onko Logseqissä sisäänrakennettua sanelua?

Ei. Logseqin työpöytäsovelluksessa ei ole sisäänrakennettua puheentunnistusta, sanelua tai puhekirjoitusta lohkoon kirjoittamista varten. Lohkossa ei ole mikrofonipainiketta, ei äänikomentoa, ei piilotettua asetusta. Jos olet kammannut asetuksia sen perään, voit lopettaa. Sitä ei ole siellä.

Mitä on olemassa, on joukko yhteisön lisäosia, joiden nimessä on "whisper", ja juuri tässä ihmiset menevät sekaisin. Nuo lisäosat muuntavat äänitiedoston tai YouTube-linkin tekstiksi jälkikäteen. Ne ovat hyödyllisiä, mutta ne eivät ole reaaliaikaista sanelua. Et voi viedä kohdistinta tämän päivän päiväkirjaan, puhua ja katsoa sanojen ilmestyvän. Ne käsittelevät nauhoitusta; ne eivät kirjoita puolestasi, kun ajattelet. Näiden kahden sekoittaminen maksaa iltapäivän, ja mieluummin säästäisin sinulta sen iltapäivän.

Mobiilipuoli on oma juttunsa, ja yhden lauseen arvoinen, ettet lähde jahtaamaan sitä väärällä laitteella: uudempi Logseqin mobiilisovellus on lisännyt jonkin verran puheen muuntamista, mutta se on puhelimen ominaisuus, ja puhelimessa käyttäisit muutenkin näppäimistön mikrofonia. Työpöytägraafissa, jossa useimmat ihmiset oikeasti elävät, tarvitset työkalun, joka istuu Logseqin päällä. Rehellisiä luokkia on kolme, ja loput tästä oppaasta käsittelevät niitä.

Paina pikanäppäintä, puhu, teksti laskeutuu lohkoon

Tässä on koko mekaniikka, ja se on tylsää parhaalla mahdollisella tavalla. Painat pikanäppäintä, puhut, vapautat, ja teksti liimautuu kohdistimen kohdalle, mihin tahansa tekstikenttään, joka on aktiivisena. Whisper pitää lyhyen hännän vielä sen jälkeen, kun olet päästänyt näppäimestä irti, joten viimeinen sanasi ei jää leikkautuneeksi. Koska se liimaa tekstin käyttöjärjestelmän kohdistimen kohdalle, Logseq-lohko on vain "mikä tahansa tekstikenttä". Työpöytäsovellus tai selainversio, sama käytös.

Juuri tämän osan laskeutumissivut monimutkaistavat liikaa. Logseqiin ei tarvitse asentaa lisäosaa, ei liimata API-tokenia, ei vahtia synkronointia. Kohdistin on lohkossa, puhut, ja sanat ilmestyvät lohkoon. Pieni kapseli ilmestyy puhuessasi, jotta tiedät sen kuuntelevan:

Pikanäppäin on se yksi asia, joka kannattaa saada heti kerralla kuntoon. Windowsissa se on Ctrl+Space; Macissa se on Command+Option, pelkkä muunnosnäppäin paina-ja-puhu -tyyliin, jota pidät pohjassa puhuessasi. Molemmat ovat vaihdettavissa asetuksista, jos ne osuvat johonkin jo käyttämääsi. (Nuorempi tyttäreni kertoi minulle kerran, että pikanäppäin "ei toiminut" hänen piirustussovelluksessaan. Kyse oli päällekkäisyydestä, ei viasta, ja siitä opin, ettei tavallisella ihmisellä ole aavistustakaan, mikä pikanäppäinristiriita edes on. Niinpä nyt jokainen pikanäppäin on muokattavissa.) Jos olet joskus ottanut käyttöön sanelun Windowsissa tai Macissa, tämä on samaa lihasmuistia osoitettuna eri sovellukseen.

Ota se käyttöön kahdessa minuutissa (Windows tai Mac)

Tarvitset Apple Silicon -Macin tai Windows 10:n tai uudemman tietokoneen, toimivan mikrofonin ja Logseqin auki joko työpöytäsovelluksessa tai selaimessa. Koko paikallinen putki on ilmainen mille tahansa kirjautuneelle tilille, eikä rekisteröityessä kysytä maksutapaa. Tässä on järjestys.

Hidas osuus on mallin lataaminen, ei käyttöönotto. Kaikki muu on nuo neljä vaihetta yllä. Kun se on käynnissä, ajatuksen tallentamisesta graafiisi tulee kirjoittamistehtävän sijaan puhumistehtävä.

puheesta tekstiksi Windowsissa · Macissa

Logseq-lisäosa vs. järjestelmänlaajuinen pikanäppäin

Useimmat tällä hakusanalla sijoittuvat sivut ohjaavat sinut Logseq-lisäosaan tai Blurtiin, erilliseen Macin valikkorivityökaluun, joka puhuu suoraan jäsennykseesi. Ne ovat ihan kelpoja vastauksia, kummassakin yksi rakenteellinen koukku. Whisper-tyyliset lisäosat muuntavat äänitiedostoja, eivät reaaliaikaista puhetta muokkaamaasi lohkoon. Ja Blurt on omankin kuvauksensa mukaan vain macOS:lle — jos olet Windowsissa, se ei ole lainkaan vaihtoehto.

Järjestelmänlaajuinen pikanäppäin sivuuttaa molemmat rajoitukset. Se liimaa tekstin käyttöjärjestelmän kohdistimen kohdalle riippumatta siitä, mikä ikkuna sen omistaa, joten sama näppäin, joka täyttää Logseq-lohkon, täyttää myös Gmail-luonnoksen, Slack-viestin ja commit-viestin. Yksi työkalu, jokaiseen tekstikenttään, sekä Windowsissa että Macissa. Et joudu opettelemaan mitään uudelleen vaihtaessasi sovellusta, etkä tarvitse eri ratkaisua kannettavasta riippuen.

Jos olet Macilla etkä koskaan kirjoita muualla kuin Logseqissä, Blurt on siisti, keskittynyt valinta ja silmäyksen arvoinen. Sinä hetkenä, kun olet Windowsissa tai haluat saman kulun jokaiseen avaamaasi ohjelmaan, järjestelmänlaajuinen reitti voittaa. Itse tartun yhteen pikanäppäimeen, koska vaihdan sovellusta suurin piirtein neljäkymmentä kertaa tunnissa enkä halua muistaa neljääkymmentä eri sanelupainiketta.

Paikallinen vai pilvi: kumpi tila yksityiseen graafiin

Logseqiin kannattaa kokeilla ensin paikallista tilaa. Koko syy, miksi moni meistä valitsi Logseqin, on se, että se on paikallisuuteen perustuvaa pelkkää tekstiä — palaverin yhteenveto, puolivalmis ajatus, päiväkirjamerkintä, jota et koskaan haluaisi jonkun palvelimelle. Olisi outo valinta pitää muistiinpanot omalla levyllä ja sitten reitittää äänesi pilven kautta sinne. Jos Macisi on Apple Silicon tai tietokoneesi on muutaman viime vuoden ajalta, paikallinen hoitaa arkisanelun nurkumatta, ja pilvi muuttuu varauloskäynniksi oletusarvon sijaan.

Tässä, miten nuo kolme reittiä eroavat, koska sovellus pakottaa valitsemaan ja mieluummin valitsisit hyvin:

• Local Parakeet — NVIDIAn TDT-moottori, noin 600 MB, ja nopein paikallinen vaihtoehto — 5–10 kertaa Whisperiä nopeampi suorittimella. Kattaa englannin sekä 24 muuta eurooppalaista kieltä, yhteensä 25. Ei käännöstä englanniksi. Jos kirjoitat päiväkirjaa englanniksi tai jollakin muulla eurooppalaisella kielellä, tämä on nopea, täysin offline-toimiva valinta.
• Local Whisper — hitaampi kuin Parakeet samalla koneella, mutta monikieliset versiot kattavat 99 kieltä ja osaavat kääntää englanniksi. Pelkän englannin versiot ovat vain englanniksi, eivät 99 kielelle. Valitse tämä kiinaa, japania, koreaa tai mitä tahansa käännöstyötä varten, jota Parakeet ei osaa. Oletusarvoinen englanninkielinen malli on noin 480 MB.
• Cloud (OpenAI, BYOK) — paras tarkkuus ja web-yhteys, käyttäen omaa OpenAI-avaintasi, jonka OpenAI laskuttaa suoraan. Puheentunnistus pyörii oletuksena mallilla gpt-4o-mini-transcribe. Vaatii internetin, joten se on se yksi reitti, joka poistuu koneeltasi. Cloud-pinta on osa Whisper Prota.

Tylsä totuus on, että sellaiseen tekstiin, jota useimmat ihmiset Logseqiin laittavat, paikallinen riittää aivan hyvin. Molemmat paikalliset moottorit pyörivät täysin koneellasi lähettämättä mitään palvelimelle, mikä on koko paikallisuuteen perustuvan graafin idea. Pilvi ansaitsee paikkansa, kun haluat huippuluokan tarkkuutta vaikeasta nauhoituksesta tai tarvitset mallia hakemaan faktan verkosta kesken lauseen. Päivittäiseen päiväkirjatottumukseen kannattaa aloittaa paikallisesta ja tarttua pilveen vasta, kun paikallinen jättää sinut kaipaamaan enempää.

Välimerkit, lohkot ja Logseqin markdown puheella

Raaka sanelu tulee ulos yhtenä putkena. Sanot "okei eli käy läpi arkkitehtuuridokumentti merkitse se project alpha ja muistuta torstaina", ja siinä se välimerkitön muuri, jonka mikä tahansa puhemoottori antaa sinulle. Sen siistiminen on kohta, jossa reitit erkanevat.

Windows Voice Typing lisää välimerkit puhuessasi, ja macOS Dictation hoitaa perusvälimerkit, kun sanot "pilkku" tai "piste". Raskaampaan siistimiseen — "öö"-täytesanojen karsimiseen, putkilauseiden korjaamiseen, puhutun kappaleen muuttamiseen joksikin, jonka oikeasti pitäisit graafissasi — Whisper voi ajaa tekoälykierroksen. Sano aktivointilause "Hey whisper", ja teksti paranee ennen kuin se laskeutuu. Paikallisessa mallissa se kulkee Ollaman kautta; pilvitilassa se on oletuksena gpt-5-mini.

Logseqin omaan rakenteeseen — sisäkkäisiin lohkoihin, #tagi- ja [[sivu]]-linkkeihin, TODO-merkintöihin — rehellinen vastaus on, että puhe antaa sinulle tekstin ja Logseqin oma syntaksi antaa sinulle rakenteen. Sanele lause, kirjoita sitten Tab sisennystä varten, # tagia varten tai [[ sivulinkkiä varten kuten aina. Mikään sanelutyökalu ei loihdi Logseqin jäsennyssyntaksia tyhjästä komennolla; jokainen, joka lupaa "sano tagi project alpha ja katso sen linkittyvän", myy sinulle demon, ei arkipäivää. Saa sanat ylös nopeasti puheella, muotoile lohkot näppäimillä, jotka jo osaat.

Sama puhu-sitten-siisti -kulku kannattaa graafiasi laajemminkin — voit myös sanella siistiä proosaa mihin tahansa sovellukseen yhdellä pikanäppäimellä, joten pitkästä lohkosta tulee muutama puhuttu lause sen sijaan, että näppäilisit kappaleen.

Milloin kannattaa jättää sanelutyökalu väliin Logseqissä

Joskus oikea työkalu on se ilmainen, joka on jo koneellasi, ja muun väittäminen olisi epärehellistä. Jos pudottelet Logseqiin vain lyhyitä merkintöjä — nopean päiväkirjarivin, kahden sanan muistutuksen — käyttöjärjestelmäsi hoitaa sen ilmaiseksi.

Windowsissa paina Windows-näppäin + H, niin sisäänrakennettu Voice Typing -palkki avautuu sinne, missä kohdistin on, Logseq-lohko mukaan lukien. Se lisää välimerkit itse ja sopii lyhyisiin purkauksiin. Koukku: se kulkee Microsoftin palvelinten kautta ja vaatii internetyhteyden, joten se ei ole offline-vaihtoehto, mikä painaa tavallista enemmän silloin, kun koko graafisi idea on pysyä paikallisena. Macissa Dictation antaa sinun puhua tekstiä mihin tahansa, missä voit kirjoittaa, otetaan käyttöön Järjestelmäasetukset-kohdassa Näppäimistö-osiosta, ja Apple Siliconissa yleinen teksti voidaan käsitellä laitteella. Ja jos olet Mac-käyttäjä, joka elää kokonaan Logseqin sisällä, Blurt on keskittynyt, natiivivalinta, joka on rakennettu juuri sitä varten.

Tartu erilliseen, järjestelmänlaajuiseen työkaluun, kun sisäänrakennetut alkavat sattua: pitkät muistiinpanot, monikielinen työ, offline-yksityisyys Windowsissa tai yhden pikanäppäimen halu, joka käyttäytyy samalla tavalla Logseqissä, sähköpostissasi ja editorissasi. Sen rajan alapuolella käytä sitä, mikä on ilmaista. En aio kehottaa sinua asentamaan sovellusta yhden rivin muistutusta varten.

Sama punninta tulee esiin, jos pidät muistiinpanoja muuallakin — logiikka kohdassa sanelu Obsidianiin on identtinen, koska molemmat ovat paikallisuuteen perustuvia markdown-sovelluksia, joissa kohdistin, ei lisäosa, on todellinen integraatio.

Logseq ei koskaan toimittanut mikrofonipainiketta, ja tämän kirjoitettuani olen melko varma, ettei se koskaan toimitakaan. Sen ei tarvitse, koska kohdistin on integraatio. Puhu lohkoon, saat tekstin, muotoile se syntaksilla, jonka jo osaat. Sanelin suurimman osan tästä oppaasta tekstikenttään, joka ei ollut Logseq, työkalulla, joka ei välitä siitä, mikä kenttä se on, ja liimasin sitten koko paketin omaan graafiini. Siinä koko temppu.