Dikter til Gemini

Kan man allerede snakke med Gemini?

Ja. Gemini har innebygget taleinput. I Gemini-appen på telefonen din trykker du på mikrofonen og stiller spørsmålet ditt; på en støttet enhet kan du til og med starte håndfritt. På nettet på gemini.google.com er det også en mikrofon i promptområdet. Så hvis målet ditt er «spørre Gemini noe høyt og få et svar», trenger du ingenting annet. Funksjonen er innebygget i produktet.

Det vil jeg si tydelig med en gang, for mange artikler for dette søkeordet hopper over det og går rett til å selge deg noe. Geminis egne taleinput er genuint bra for raske muntlige spørsmål. «Hva er været i Oslo», «omregn 200 gram til dl», «oppsummer denne artikkelen» — snakk, lytt, ferdig. Hvis det er alt du gjør, er dette en kort artikkel: bruk mikrofonen som allerede er der.

Forskjellen dukker opp i det øyeblikket prompten din blir lengre eller mer gjennomtenkt, og i det øyeblikket du vil bruke nøyaktig den samme vanen et sted som ikke er Gemini. Det er resten av denne artikkelen.

Hvorfor skrive inn prompten i stedet for å bare snakke

Når du snakker direkte inn i mikrofonen til en chatbot, går ordene dine inn og svaret kommer ut — men du ser aldri prompten som redigerbar tekst først. For et enlinjers spørsmål er det greit. For en nøye utformet prompt er det det ikke. Du sa «oppsummer dette i en formell tone», mikrofonen hørte «oppsummer dette i en formal tone», og nå gjør modellen noe litt feil og du tar opp alt på nytt. Å skrive prompten inn i boksen først betyr at du leser den før den kjøres.

Den andre grunnen er at vanen reiser med deg. En hurtigtast som skriver talen din inn i en tekstboks, bryr seg ikke om hvilken boks. Gemini i dag, ChatGPT i morgen, en Claude-prompt dagen etter, en Slack-melding, en commit-beskrivelse, en e-post til barnets lærer. Én muskelhukommelse, alle apper. Geminis mikrofon fungerer bare inne i Gemini — akkurat det man ville forvente, men det betyr at et andre verktøy som fungerer overalt ikke er overflødig — det har en annen form.

Den raskeste måten: en systemomfattende hurtigtast

Her er det en dedikert app gjør en forskjell. Whisper by Remskill er ikke et Gemini-plugin, en Chrome-utvidelse eller en Google-integrasjon. Det er en desktop-app som oppfører seg som tastaturet ditt: trykk på en hurtigtast, snakk, og transkriptet limes inn ved markøren — i hvilken som helst app, inkludert Geminis promptboks. Det fungerer likt i nettleseren og på skrivebordet, fordi for datamaskinen din skriver du bare.

Oppsettet er kort:

Det er hele løkken. Transkriptet vises i boksen, du leser det, fikser det som er feil, sender.

Dikter en prompt direkte inn i Gemini

Når det er i gang, er opplevelsen ubemerket på beste måte. Du plasserer markøren i Geminis promptboks, holder tasten, sier prompten, slipper. Omtrent ett sekund senere sitter teksten der som om du hadde skrevet den. Nå gjør du det live-mikrofonen ikke lar deg gjøre: du leser den. Lange prompter — de tre avsnittene med bakgrunn pluss det faktiske spørsmålet — er mye lettere å få riktig når du kan se dem før de kjøres.

Fordi den lokale transkripsjonen kjører på maskinen din (ren Rust, ingen Python-sidecar, ingen server i løkken), fungerer den offline, og lyden av det du dikterer forlater aldri laptopen din. Du skriver prompten med stemmen og sender den selv til Gemini — dikteringstrinnet og AI-trinnet er separate, noe som er hele grunnen til at du kan redigere innimellom.

AI-opprydding fjerner «ehm»-ene

Talt språk er rotete. Du sier «ehm», starter setninger på nytt, drukner i en lyd som betyr «du vet hva jeg mener». Whisper har et valgfritt AI-forbedringstrinn som klipper ut fyllord og rydder opp i formuleringen før innliming. Slik blir «ehm, kan du, kan du skrive meg liksom en, en kort e-post som avslår dette» til «Kan du skrive meg en kort e-post som avslår dette». En renere prompt gir tendensielt et renere svar, så dette betyr faktisk mer for AI-prompting enn for vanlige notater.

Den oppryddingen kjører lokalt via Ollama, gratis, på din egen maskin. Pro-brukere kan rute det via skyen i stedet, men fordelen med å fjerne fyllord trenger ikke Pro; det er tilgjengelig i den gratis lokale pipeline. Du kan også slå det av og lime inn rå-transkriptet, noe som er greit når du uansett skal lese og redigere prompten.

Den samme hurtigtasten fungerer i ChatGPT, Claude, overalt

Dette er delen som gjør det separate verktøyet verdt det. Hurtigtasten vet ikke hva Gemini er. Den limer inn tekst der markøren befinner seg, så den eksakte vanen du nettopp lærte fungerer i ChatGPT, i Claude, i Perplexity, i et Google-dokument, i e-postklienten din, i kommentarboksen til en pull request. Du lærer én bevegelse og slutter å tenke på hvilken AI du prompter i dag. Geminis innebyggede mikrofon hjelper etter design bare inne i Gemini.

Jeg hopper mellom tre eller fire AI-verktøy i en vanlig uke avhengig av hva jeg gjør. Det jeg ikke ville ha, var en annen taleknapp i hvert av dem, hvert seg litt annerledes. Én hurtigtast som skriver i alle er mindre å huske, og den fortsetter å fungere når ett av dem lanserer et redesign.

Slik ser den fullstendige Whisper-appen ut

Hurtigtasten er delen du bruker mest, men det er et innstillingsgrensesnitt bak den. Du velger transkripsjonsmotoren din: Whisper-modeller, hvis flerspråklige varianter dekker 99 språk og de engelskspråklige .en-byggene dekker nøyaktig ett, eller NVIDIAs Parakeet, omtrent 600 MB, 5 til 10 ganger raskere enn Whisper på CPU, som dekker engelsk pluss 24 europeiske språk. Du setter hurtigtasten, administrerer historikk og lagrer forhåndsinnstillinger. Ingen av dette er nødvendig for å diktere én prompt inn i Gemini. Det er der når du vil finjustere.

Når Geminis egne mikrofon er nok

Hvis du bare vil stille Gemini raske muntlige spørsmål, hopp over den separate appen helt. Åpne Gemini, trykk på eller klikk på mikrofonen, snakk. Det er innebygget, det er gratis, og for ett enlinjers spørsmål er det ingenting å vinne med et andre verktøy — du ville legge til et trinn, ikke fjerne ett. Det samme gjelder talefunksjoner i de andre store chatbottene når du jobber bare i den ene appen.

En dedikert hurtigtast tar ledelsen på tre steder: lange prompter du vil lese før sending, fyllord-oppryddingen, og bruk av den samme dikteringsvanen på tvers av alle apper i stedet for bare Gemini. Jo mer promptene dine ligner på skikkelig skriving — kontekst, instruksjoner, et spørsmål — og jo flere verktøy du bytter mellom, desto mer betyr det.

Velg det minste verktøyet som løser problemet ditt. For ett muntlig spørsmål er det mikrofonen som allerede er i Gemini. For lange prompter diktert på tvers av Gemini og ChatGPT og en halvferdig e-post, slutter systemomfattende hurtigtast å føles overdrevet rundt det andre avsnittet du ikke måtte skrive.

Hva Whisper koster

Den lokale dikteringspipelinen — transkripsjon og AI-opprydding via Ollama — er gratis for enhver innlogget bruker, uten kort ved registrering. Å diktere prompter inn i Gemini med Whisper koster altså ingenting. Whisper Pro legger til skyegenskapene (OpenAI-transkripsjon, sky-AI-forbedring, talesøk på nettet) og har en separat prøveperiode. De nøyaktige tallene finner du på prissiden, ikke her, fordi priser endres og et blogginnlegg er et dårlig sted å holde dem oppdatert.

Gemini kan allerede høre deg, og for et raskt spørsmål er det slutten på historien — bruk mikrofonen som er der. Grunnen til å diktere prompten inn i boksen i stedet, er den delen mikrofonen ikke kan gjøre: du kan lese den før den kjøres, og du kan gjøre det på samme måte i alle andre apper du snakker med. To verktøy, to jobber. Det meste av tiden er det minste nok.