Puheesta tekstiksi Roam Researchissä

Onko Roam Researchissä sisäänrakennettu sanelu?

Ei. Roam Researchissä ei ole sisäänrakennettua puheesta-tekstiksi-, sanelu- tai puhekirjoitustoimintoa lohkoon kirjoittamiseen äänellä. Lohkossa ei ole mikrofonipainiketta, ei äänikomentoa, ei piilotettua asetusta. Roam ottaa vastaan kirjoitettua syötettä. Jos olet penkonut valikoita sanelukytkimen toivossa, voit lopettaa. Sitä ei ole siellä.

Mitä on olemassa, on kourallinen Roam Depot -laajennuksia ja Live AI Assistant, jonka kuvauksessa lukee "speech", ja juuri tässä ihmiset menevät sekaisin. Ne litteroivat jo valmiiksi nauhoittamasi äänitiedoston — kokouksen, haastattelun, /upload-komennolla lataamasi leikkeen — jälkikäteen tekstiksi, yleensä kutsumalla OpenAI Whisper -rajapintaa omalla avaimellasi. Ne ovat hyödyllisiä, mutta ne eivät ole live-sanelua. Et voi viedä kohdistinta tämän päivän päivittäiseen muistiinpanoon, puhua ja katsoa sanojen ilmestyvän. Ne käsittelevät nauhoitusta; ne eivät kirjoita puolestasi samalla kun ajattelet. Näiden kahden sekoittaminen maksaa kokonaisen iltapäivän, ja säästäisin sinut siltä iltapäivältä.

Mobiilipuoli on oma juttunsa ja yhden lauseen arvoinen, jottet jahtaa sitä väärällä laitteella: on olemassa kumppanisovelluksia, jotka lähettävät puheesta-tekstiksi-muistiinpanon graafiisi puhelimesta, mutta se on puhelimen ominaisuus, ja puhelimella käyttäisit muutenkin vain näppäimistön mikrofonia. Työpöytägraafissa, jossa useimmat oikeasti elävät, tarvitset työkalun, joka istuu Roamin päällä. Rehellisiä luokkia on pari, ja loppuosa tästä oppaasta käsittelee niitä.

Paina pikanäppäintä, puhu, teksti laskeutuu lohkoon

Tämä on koko mekaniikka, ja se on tylsää parhaalla mahdollisella tavalla. Painat pikanäppäintä, puhut, päästät irti, ja teksti liimautuu kohdistimen kohdalle, mihin tahansa tekstikenttään, jossa on fokus. Whisper pitää lyhyen hännän sen jälkeen kun päästät näppäimen irti, jottei viimeinen sanasi katkea. Koska se liimaa käyttöjärjestelmän kohdistimen kohdalle, Roam-lohko on vain "mikä tahansa tekstikenttä". Selainsovellus tai työpöytäkääre, sama käytös — Roam ei pysty edes erottamaan eroa.

Tämän osan laskeutumissivut tekevät tarpeettoman monimutkaiseksi. Roamiin ei tarvitse asentaa laajennusta, ei liimata API-avainta, ei vahtia synkronointityötä. Kohdistimesi on lohkossa, puhut, sanat ilmestyvät lohkoon. Pieni kapseli ilmestyy näkyviin samalla kun puhut, jotta tiedät sen kuuntelevan:

Pikanäppäin on se yksi asia, joka kannattaa saada heti oikein. Windowsissa se on Ctrl+Space; Macissa se on Command+Option, pelkkä muunnosnäppäin, jota pidät pohjassa puhuessasi (push-to-talk). Molemmat ovat vaihdettavissa Asetuksissa, jos ne menevät päällekkäin jonkin jo käyttämäsi kanssa. (Nuorempi tyttäreni kertoi minulle kerran, ettei eräs pikanäppäin "toiminut" hänen piirustussovelluksessaan. Se oli päällekkäisyys, ei vika, ja siitä opin, ettei tavallisella ihmisellä ole aavistustakaan, mikä pikanäppäimen päällekkäisyys edes on. Joten nyt jokainen pikanäppäin on muokattavissa.) Jos olet joskus asentanut sanelun Macille, tämä on samaa lihasmuistia toiseen sovellukseen suunnattuna.

Asenna se kahdessa minuutissa (Windows tai Mac)

Tarvitset Apple Silicon -pohjaisen Macin tai Windows 10:n tai uudemman PC:n, toimivan mikrofonin ja Roamin auki selaimessasi. Koko paikallinen putki on ilmainen kaikille kirjautuneille käyttäjille, eikä rekisteröitymisen yhteydessä kysytä maksutapaa. Tässä järjestys.

Hidas osa on mallin lataus, ei asennus. Kaikki muu on nuo neljä vaihetta yllä. Kun se on käynnissä, ajatuksen tallentaminen graafiisi lakkaa olemasta kirjoitustehtävä ja muuttuu puhumistehtäväksi.

puheesta tekstiksi Windowsissa · Macissa

Roam-laajennus vs. järjestelmänlaajuinen pikanäppäin

Useimmat tällä hakusanalla sijoittuvat sivut ohjaavat sinut Roam Depot -laajennukseen — Live AI Assistantiin, Otter-tuojaan, johonkin, jonka nimessä on "speech". Ne ovat hyviä työkaluja, mutta niillä on yhteinen rakenteellinen koukku. Ne litteroivat jo nauhoittamaasi ääntä — kokoustiedoston, Otter-istunnon, lohkoon ladatun leikkeen — eivät juuri nyt muokkaamaasi lohkoon puhuttua live-puhetta. Nauhoitat, sitten litteroit, sitten siivoat tuloksen. Se on litterointityönkulku, ei sanelu. Ne ratkaisevat ongelman "minulla on tunti ääntä", eivät ongelmaa "haluan puhua tämän lauseen päivittäiseen muistiinpanooni".

Järjestelmänlaajuinen pikanäppäin kiertää tämän kokonaan. Se liimaa käyttöjärjestelmän kohdistimen kohdalle riippumatta siitä, mikä ikkuna sen omistaa, joten sama näppäin, joka täyttää Roam-lohkon, täyttää myös Gmailin kirjoituskentän, Slack-viestin ja commit-viestin. Yksi työkalu, joka tekstikenttä, sekä Windowsissa että Macissa. Et opettele mitään uudelleen vaihtaessasi sovellusta, eikä minkään tarvitse tietää, että kyse on Roamista — kohdistin hoitaa integroinnin.

Jos sinulla on lähinnä nauhoituksia litteroitavana — puheluita, luentoja, jo tallennettuja äänimuistioita — Depot-laajennus, joka kutsuu Whisperiä tiedostoon, on oikea muoto ja tutustumisen arvoinen. Sillä hetkellä kun haluat oikeasti ajatella ääneen tuoreeseen lohkoon, livenä, järjestelmänlaajuinen reitti voittaa. Tartun yhteen pikanäppäimeen, koska vaihdan sovellusta noin neljäkymmentä kertaa tunnissa enkä halua muistaa neljääkymmentä eri sanelupainiketta.

Paikallinen vai pilvi: kumpi tila yksityiselle graafille

Roamissa kokeile ensin paikallista tilaa. Graafi täyttyy suodattamattomalla tavaralla — puolivalmis ajatus, kokouksen yhteenveto, päiväkirjamerkintä, jota et koskaan haluaisi jonkun toisen palvelimelle. Jos miettisit kahdesti ennen kuin julkaisisit lohkon julkisesti, mietit luultavasti kahdesti myös sitä, kuljetatko äänesi pilven kautta sen kirjoittamiseksi. Jos Macisi on Apple Silicon tai PC:si on viime vuosilta, paikallinen hoitaa arkisen sanelun mukisematta, ja pilvestä tulee varauloskäynti oletuksen sijaan.

Tässä, miten nuo kolme reittiä eroavat, koska sovellus pakottaa valitsemaan ja haluan että valitset hyvin:

• Paikallinen Parakeet — NVIDIAn TDT-moottori, noin 600 MB, ja nopein paikallinen vaihtoehto — 5–10 kertaa nopeampi kuin Whisper prosessorilla. Kattaa englannin sekä 24 muuta eurooppalaista kieltä, yhteensä 25. Ei käännöstä englanniksi. Jos pidät päiväkirjaa englanniksi tai muulla eurooppalaisella kielellä, tämä on nopea, täysin offline-toimiva valinta.
• Paikallinen 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 kiinan, japanin, korean tai minkä tahansa käännöstyön takia, jota Parakeet ei osaa. Oletusenglannin malli on noin 480 MB.
• Pilvi (OpenAI, oma avain) — paras tarkkuus ja verkkoyhteys, käyttäen omaa OpenAI-avaintasi, jonka OpenAI laskuttaa suoraan. Litterointi pyörii oletuksena gpt-4o-mini-transcribe-mallilla. Vaatii internetin, joten se on se ainoa reitti, joka poistuu koneeltasi. Pilvipinta on osa Whisper Prota.

Tylsä totuus on, että sellaiselle tekstille, jota useimmat laittavat Roamiin, paikallinen riittää hyvin. Molemmat paikalliset moottorit pyörivät täysin koneellasi ilman, että mitään lähetetään palvelimelle. Pilvi ansaitsee paikkansa, kun haluat huippuluokan tarkkuutta vaikealle nauhoitukselle tai tarvitset mallin nappaamaan faktan verkosta kesken lauseen. Päivittäisten muistiinpanojen tapaan aloita paikallisesta ja tartu pilveen vasta, kun paikallinen jättää jotain toivomisen varaa.

Välimerkit, lohkot ja Roam-syntaksi äänellä

Raaka sanelu tulee ulos yhtenä pötkönä. Sanot "okei eli käy läpi arkkitehtuuridokumentti tagaa se projekti alfaksi ja muistuta minua torstaina", ja se on välimerkitön seinä, jonka mikä tahansa puhemoottori sinulle antaa. Sen siivoaminen on kohta, jossa reitit haarautuvat.

Windows Voice Typing lisää välimerkit puhuessasi, ja macOS Dictation hoitaa perusvälimerkit, kun sanot "comma" tai "period". Raskaampaan siivoukseen — "öö"-äännähdysten karsimiseen, pötköjen korjaamiseen, puhutun kappaleen muuttamiseen joksikin, jonka oikeasti pitäisit graafissasi — Whisper voi ajaa AI-läpiajon. Sano aktivointilause "Hey whisper", ja teksti paranee ennen kuin se laskeutuu. Paikallisella mallilla se kulkee Ollaman kautta; pilvitilassa se on oletuksena gpt-5-mini.

Roamin omaan rakenteeseen — sisäkkäisiin lohkoihin, #tag- ja [[sivu]]-linkkeihin, TODO-merkintöihin — rehellinen vastaus on, että ääni antaa sinulle tekstin ja Roamin oma syntaksi antaa rakenteen. Sanele lause, kirjoita sitten Tab sisentääksesi lohkon, # tagia varten tai [[ sivulinkkiä varten, niin kuin aina teet. Mikään sanelutyökalu ei loihdi Roamin jäsennyssyntaksia olemassaoloon komennosta; jokainen, joka lupaa "sano kaksoishakasulku projekti alfa ja katso sen linkittyvän", myy sinulle demoa, ei tavallista tiistaita. Saa sanat alas nopeasti äänellä, muotoile lohkot näppäimillä, jotka jo osaat.

Sama puhu-sitten-siivoa-virtaus kannattaa pitkälti graafisi ulkopuolellakin — voit myös sanella siistiä proosaa mihin tahansa sovellukseen yhdellä pikanäppäimellä, jolloin pitkästä lohkosta tulee muutama puhuttu lause sen sijaan, että kirjoittaisit kappaleen.

Milloin kannattaa ohittaa sanelutyökalu Roam Researchissä

Joskus oikea työkalu on se ilmainen, joka on jo koneellasi, ja muu väittäminen olisi epärehellistä. Jos vain pudottelet lyhyitä tekstinpätkiä Roamiin — nopean rivin päivittäiseen muistiinpanoon, kaksisanaisen muistutuksen — käyttöjärjestelmäsi hoitaa sen ilmaiseksi.

Windowsissa paina Windows-näppäin + H, ja sisäänrakennettu Voice Typing -palkki avautuu sinne, missä kohdistimesi on, Roam-lohko mukaan lukien. Se lisää välimerkit itse ja toimii hyvin lyhyisiin pyrähdyksiin. Koukku: se kulkee Microsoftin palvelinten kautta ja tarvitsee internetyhteyden, joten se ei ole offline-vaihtoehto, millä on tavallista enemmän merkitystä, kun graafisi on täynnä puolittain yksityistä ajattelua. Macissa Dictation antaa sinun puhua tekstiä mihin tahansa, missä voit kirjoittaa, asetus Järjestelmäasetuksissa Näppäimistö-kohdassa, ja Apple Siliconilla yleistä tekstiä voidaan käsitellä laitteessa. Ja jos sinulla oikeasti on nauhoitettua ääntä — puhelu, luento — Roam Depot -laajennus, joka litteroi tiedoston, sopii paremmin kuin mikään live-sanelutyökalu.

Tartu erilliseen, järjestelmänlaajuiseen työkaluun, kun sisäänrakennetut alkavat tehdä kipeää: pitkät muistiinpanot, monikielinen työ, offline-yksityisyys Windowsissa tai halu yhteen pikanäppäimeen, joka käyttäytyy samalla tavalla Roamissa, sähköpostissasi ja editorissasi. Sen rajan alapuolella käytä sitä, mikä on ilmaista. En aio kehottaa sinua asentamaan sovellusta yksirivistä muistutusta varten.

Sama kompromissi nousee esiin, jos pidät muistiinpanoja muuallakin — logiikka, joka pätee saneluun Obsidianiin, on identtinen, koska sielläkin kohdistin, ei lisäosa, on se oikea integraatio.

Roam ei koskaan toimittanut mikrofonipainiketta, ja tämän kirjoitettuani olen melko varma, ettei se koskaan tuekaan. Sen ei tarvitse, koska kohdistin on integraatio. Puhu lohkoon, saa teksti, muotoile se [[- ja #-merkeillä, jotka jo osaat. Sanelin suurimman osan tästä oppaasta tekstikenttään, joka ei ollut Roam, työkalulla, joka ei välitä siitä, mikä kenttä se on, ja liimasin sitten koko liudan omaan graafiini. Siinä koko temppu.