Puheesta tekstiksi Obsidianissa

Onko Obsidianissa sisäänrakennettu puheentunnistus?

Ei. Obsidianissa ei ole natiivista saneluominaisuutta, joka muuntaisi puheesi tekstiksi editorissa. Ydinlisäosa Audio Recorder tallentaa äänittiedoston ja liittää sen muistiinpanoon; se ei transkriptoi sanomiasi. Se on hyödyllinen asia, mutta päinvastainen kuin mitä useimmat asiaa etsivät haluavat.

Todellisen transkription saamiseksi holvin sisälle käytetään yhteisölisäosaa. Yleisin on nikdanilovin "Whisper"-lisäosa. Se tallentaa tai lataa ääntä, lähettää sen Whisper-yhteensopivalle transkriptio-API:lle ja liittää tuloksen kohdistimesi kohtaan. Se toimii työpöydällä ja mobiililaitteella, ja oletuspikanäppäin on Alt+Q. Ongelma on sen omassa pikakäynnistyksessä: lisäät API-avaimen asetuksiin, koska se kommunikoi OpenAI:n, Groqin, Azuren tai muun Whisper-yhteensopivan palvelun kanssa. Se tarkoittaa pilveä ja maksamista API-palveluntarjoajalle äänestä minuuttia kohti.

Editorissa on muitakin reittejä. Ihmiset yhdistävät ydin-Audio Recorderin transkriptiopalveluun kuten Deepgramiin tai käyttävät erillisiä sanelutyökaluja Obsidianin rinnalla. Kaikki ovat hyviä vaihtoehtoja. Mutta huomaa yhteinen nimittäjä: ne, jotka transkriptoivat muistiinpanon sisällä, lähettävät lähes kaikki äänesi pilvi-API:lle ja pyytävät avainta. On eri tapa tehdä tämä, joka ohittaa molemmat.

Lisäosa yhdessä holvissa vs. pikanäppäin kaikkialla

Tämä ero on selkiyttämisen arvoinen. Holvilisäosa elää Obsidianin sisällä. Se transkriptoi, kun olet muistiinpanossa, omalla pikanäppäimellään, ja toimii vain siellä. Koko järjestelmän kattava pikanäppäinsovellus elää tasoa ylempänä, käyttöjärjestelmässäsi. Se kirjoittaa Obsidianiin, mutta myös selaimeesi, sähköpostiisi, terminaaliisi ja jokaiseen muuhun sovellukseen — koska tietokoneellesi vain kirjoitat.

Kumman haluat, riippuu siitä, mitä tosiasiassa teet. Jos ainoa tavoitteesi on lisätä tallennettu äänittiedosto muistiinpanoon ja transkriptoida se paikan päällä, lisäosa on rakennettu juuri siihen. Jos haluat sanella proosaa editoriin niin kuin kirjoittaisit sen, ja myös sanella kaikkialla muualla missä kirjoitat, koko järjestelmän sovellus on parempi muoto. Tämän oppaan loppuosa käsittelee pääasiassa jälkimmäistä tyyppiä, koska se ei vaadi avainta eikä holvikohtaista asetusta.

Nopein tapa: koko järjestelmän pikanäppäin

Tässä työpöytäsovellus muuttaa laskelman. Whisper by Remskill ei ole Obsidian-lisäosa, holviintegraatio eikä selainlaajennus. Se on työpöytäsovellus, joka toimii kuin näppäimistö: paina pikanäppäintä, puhu, ja transkriptio liitetään kohdistimeen missä tahansa sovelluksessa, Obsidian-muistiinpanosi mukaan lukien. API-avainta ei tarvitse liittää, koska transkriptiomoottorit toimivat paikallisesti koneellasi. Se toimii samalla tavalla Obsidianissa kuin muuallakin, koska se kirjoittaa sen sijaan että integroituisi.

Asennus on lyhyt:

Se on koko silmukka. Transkriptio ilmestyy editoriin, luet sen, jatkat kirjoittamista.

Puhu, ja muistiinpano täyttyy

Kun se on käynnissä, kokemus on huomattavan arkinen parhaalla mahdollisella tavalla. Asetat kohdistimen muistiinpanoon, pidät näppäimen pohjassa, puhut, vapautat. Noin sekunnin kuluttua teksti on editorissa kuin olisit kirjoittanut sen. Ei erillistä tallennetta, jota pitäisi kelata läpi myöhemmin, ei äänittiedostoa, joka sotkeisi holvin, ei transkriptiotyötä odotettavana. Vain sanoja kohdistimen kohdalla.

Koska paikallinen transkriptio toimii koneellasi (puhdas Rust, ei Python-sidecar-prosessia, ei palvelinta silmukassa), se toimii offline-tilassa. Muistiinpanosovellukselle se on koko pointti. Ajatus, jonka tallennat, kokous, jonka tiivistät, puoliksi muotoutunut idea, jota et halua jonkun muun lokien indeksoivan — mikään ääni ei lähde kannettavaltasi. Holvilisäosat, jotka kutsuvat pilvi-API:ta, eivät voi sanoa samaa, ja Windowsin oma sisäänrakennettu puhekirjoitus tarvitsee internetyhteyden toimiakseen lainkaan. Whisperin paikallinen tila ei tarvitse.

Miltä täysi Whisper-sovellus näyttää

Pikanäppäin on osa, jota käytät eniten, mutta sen takana on asetusliittymä. Valitset transkriptiomoottorisi: Whisper-mallit, joiden monikieliset variantit kattavat 99 kieltä, tai NVIDIAn Parakeet, noin 600 Mt, 5–10 kertaa nopeampi kuin Whisper prosessorilla, kattaen englannin ja 24 eurooppalaista kieltä. Asetat pikanäppäimesi, hallitset historiaa ja tallennat esiasetuksia. Mitään näistä ei tarvita yhden muistiinpanon sanelamiseen. Se on siellä, kun haluat säätää.

Saneltujen muistiinpanojen siistiminen tekoälyllä

Puhuttu kieli on sotkuista. Sanot «öö», aloitat lauseet alusta, eksyt ajatustesi viidakkoon. Whisperillä on valinnainen tekoälynparannusvaihe, joka poistaa täytesanat ja siistii muotoilun ennen liittämistä. Niinpä «öö, joo, siis se, se kokous siirtyi, mulla on semmonen ajatus että me, me tehdään se torstaina» muuttuu «Kokous siirtyi; luulen, että teemme sen torstaina.» Pysyvään muistiinpanoon, jonka luet myöhemmin uudelleen, tuo siistiminen on vaivan arvoinen.

Tuo siistiminen toimii paikallisesti Ollaman kautta, ilmaiseksi, omalla koneellasi. Pro-käyttäjät voivat ohjata sen pilven kautta, mutta täytesanojen poistamisen hyöty ei edellytä Pro-tilaa; se on saatavilla ilmaisessa paikallisessa putkilinjassa. Voit myös kytkeä sen pois päältä ja liittää raakaa transkriptiota, mikä pikatallenteessa on usein täsmälleen oikein.

Paikallisesti ja yksityisesti: muistiinpanosi pysyvät koneellasi

Tämä on yksi vahva mielipide, jonka laitan nimeni alle muistiinpanosovelluksesta puhuttaessa: vain pilvessä tapahtuva sanelu on yksityisyyden tuhon odottelua transkriptiota varten. Holvissasi on palkkataulukko, jota olet luonnostelemassa, sähköposti lapsesi koululle, puoliksi muotoutunut ajatus, jota et ole vielä valmis jakamaan. Obsidianin koko viehätys monille ihmisille on, että muistiinpanot ovat tavallisia tiedostoja omalla levyllä. Näiden muistiinpanojen äänen reitittäminen toimittajan API:n kautta kumoaa sen hiljaisesti.

Whisperin paikallisilla moottoreilla tallennus transkriptoidaan omalla prosessorillasi ja poistetaan. Ei avainta, ei tiliä transkriptiopalveluntarjoajalla, ei ääntä jossain lokissa. Se ei ole markkinointilause — se on vain, missä laskenta tapahtuu. Näin kerran tiimin kertyvän viidennumeroisin pilvilasku yhden kvartaalin aikana syöttämällä standup-tallenteita API:lle; talousjohtajan vastaus oli suunnilleen «tai emme maksa jo muistiinpanoja sisältävien kokousten transkriptoinnista». Sama logiikka pätee henkilökohtaiseen holviin — ilman talousjohtajaa.

Milloin holvilisäosa sopii paremmin

En esitä, että koko järjestelmän sovellus voittaa joka tilanteessa, koska se ei voita. Jos sinulla on tosiaan kansio tallennettuja äänimuistiinpanoja tai kokousääniä, jotka haluat transkriptoida ja liittää tiettyihin muistiinpanoihin, nikdanilovin "Whisper"-lisäosan kaltainen holvilisäosa on rakennettu juuri tuohon työnkulkuun. Se tallentaa tai lataa tiedoston ja pudottaa transkription muistiinpanoon. Maksat transkriptio-API:lle minuuttimäärän mukaan ja hallitset avainta, mutta tiedosto-sisään, transkriptio-muistiinpanoon -silmukka on juuri se, mitä se tekee — eikä pikanäppäinkirjoitussovellus korvaa sitä.

On myös vaihtoehto olla tekemättä mitään. Jos sanelet vain satunnaisen rivin, käyttöjärjestelmäsi tekee sen jo ilmaiseksi. Windowsissa paina Windows-logonäppäintä + H, niin puhekirjoitus avautuu missä tahansa tekstikentässä, Obsidian-muistiinpano mukaan lukien. Macissa sisäänrakennettu Sanelu-pikakuvake tekee saman, ja Apple siliconilla se toimii laitteella ilman internetiä. Kompromissi: Windowsin Win+H tarvitsee yhteyden toimiakseen, kun taas macOS-sanelu ja Whisperin paikallinen tila eivät.

Valitse pienin työkalu, joka ratkaisee ongelmasi. Yksirivistä tallenneetta varten se on näppäin, joka käyttöjärjestelmälläsi jo on. Äänittiedostojen transkriptointiin tiettyihin muistiinpanoihin se on holvilisäosa. Proosan sanelemiseen editoriin ja kaikkialle muualle missä kirjoitat, offline-tilassa ilman avainta, se on koko järjestelmän sovellus.

Mitä Whisper maksaa

Paikallinen sanelun putkilinja — Ollaman kautta toimiva transkriptio ja tekoälysiistiminen — on ilmainen kaikille kirjautuneille käyttäjille ilman korttia rekisteröitymisessä. Äänesi saaminen muistiinpanoon Whisperillä ei siis maksa mitään, eikä transkriptio-API veloita minuuttiperusteisesti. Whisper Pro lisää pilviominaisuudet (OpenAI-transkriptio, pilven tekoälynparannus, äänessä tehtävä verkkohaku) ja sillä on erillinen kokeilujakso. Tarkat luvut löytyvät hinnoittelusivulta eikä täältä, koska hinnat muuttuvat eikä blogikirjoitus ole hyvä paikka pitää niitä ajan tasalla.

Obsidian saa todennäköisesti jonkin päivä natiivisen saneluominaisuuden, kuten sovelluksilla on tapana käydä kun riittävän moni asentaa kolme lisäosaa yrittäen jäljitellä sellaista. Siihen asti holvissasi on vaihtoehtoja: holvilisäosa äänittiedostojen transkriptointiin, käyttöjärjestelmäsi satunnaiselle riville, ja koko järjestelmän sovellus proosan sanelamiseen editoriin ilman avainta tai palvelinta silmukassa. Kolme työkalua, yksi muistikirja. Useimmiten tarvitset sen, joka pitää äänen koneellasi.