Tale til tekst i Discord

Har Discord innebygd tale-til-tekst?

Nei, ikke den typen du mener. Discord har ingen funksjon som gjør om tale til skrevet tekst i meldingsboksen. Det som høres nærmest ut er Text-to-Speech: skriv /tts etterfulgt av en melding, eller aktiver det i innstillinger, og Discord leser den meldingen høyt for alle i kanalen. Det er tekst som blir tale. Du er ute etter tale som blir tekst. Samme ord, pil i motsatt retning.

Dette forvirrer folk hele tiden, og det er ikke deres feil. «Text-to-speech» og «speech-to-text» skiller seg med ett ombyttet ordpar, og Discord leverer bare ett av dem. Jeg klikket rundt i innstillingene på jakt etter det andre lenger enn jeg liker å innrømme før jeg godtok at det ikke gjemte seg i en undermeny. Det er rett og slett ikke der.

Så hvis du vil at stemmen din skal bli en skrevet Discord-melding, lever verktøyet som gjør det utenfor Discord: operativsystemet ditt, eller en dedikert dikteringsapp. Begge er nedenfor. Det som transkriberer andre som snakker i en stemmekanal, er et tredje alternativ og et annet verktøy igjen. Vi kommer til alle tre.

Skrive i alle kanaler vs. bare snakke

Argumentet for å diktere i Discord er enkelt. Tale går i omtrent 145 ord per minutt; skriving for de fleste er nærmere 40. Det er omtrent tre og en halv ganger raskere, og det frigjør hendene, som betyr noe når én av dem er på en mus eller kontroller. Over en travel kveld med servere summerer forskjellen seg opp.

Den ærlige motvekten: mange Discord-meldinger er tre ord lange. «gg.» «på vei.» «ett sek.» Diktering gjør ingenting for dem — du ville mistet tid på å bytte modus. Stemmeskrivning tjener sin plass på de lengre tingene: raid-planen, bug-rapporten på en dev-server, avsnittet du normalt ville utsatt fordi å skrive det på en telefon er et ork. Det er terskelen. Korte pings, fortsett å skrive. Alt lenger enn en setning eller to, snakk.

Den raskeste måten: en systemomfattende hurtigtast

Her er det en dedikert app endrer regnestykket. Whisper by Remskill er ikke en Discord-bot, en serverintegrasjon eller en nettleserutvidelse. Det er en skrivebordsapp som fungerer som et tastatur: trykk på en hurtigtast, snakk, og transskriptet limes inn ved markøren, i hvilken som helst app, Discord-chatteboksen inkludert. Det fungerer likt i Discord-skrivebordsappen og i Discord åpnet i en nettleser, fordi datamaskinen bare ser at du skriver.

Oppsettet er kort:

Det er hele løkken. Transskriptet vises i skrivefeltet, du leser det, du trykker Enter.

Du snakker, og meldingen vises i Discord

Når det kjører, er opplevelsen bemerkelsesverdige ordinær. Du setter markøren i kanalen, holder inne tasten, snakker, slipper. Et sekund eller så senere sitter teksten i Discords meldingsboks som om du hadde skrevet den. Ingen kopi-lim, inget separat vindu å hente teksten ut av, ingen stemmefilklipp venner må søke gjennom.

Fordi den lokale transkripsjonen kjører på maskinen din (ren Rust, ingen Python-sidecar, ingen server i løkken), fungerer det offline. Det betyr mer enn det høres ut for Discord spesifikt. Du er ofte allerede i en stemmekanal, på en forbindelse du helst ikke vil belaste ytterligere, og lyden av det du dikterer forlater aldri laptopen din. Windows' eget innebygde stemmeskrivning trenger en internettforbindelse for å fungere i det hele tatt; Whispers lokale modus gjør det ikke.

Hvordan den fullstendige Whisper-appen ser ut

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

Rydde opp dikterte meldinger med AI

Talt språk er rotete. Du sier «eh», starter setninger på nytt, faller ut i et lyd som betyr «du forstår hva jeg mener». Whisper har et valgfritt AI-forbedringstrinn som kutter fyllord og rydder opp formuleringen før det limer inn. Så «eh, ja, altså det, det patch ble live, jeg tror vi er, vi er okei» blir «Patchen ble live, jeg tror vi er okei.» Om det er verdt det på Discord avhenger av kanalen; en dev-server, sannsynligvis; en meme-kanal, sannsynligvis ikke.

Den oppryddingen kjører lokalt via Ollama, gratis, på din egen maskin. Pro-brukere kan rute det gjennom skyen i stedet, men fordelen med fyllordsopprydding krever ikke Pro; det er i den gratis lokale pipelinen. Du kan også bare slå det av og lime inn råtransskriptet, noe som på Discord ofte er nettopp den riktige avgjørelsen.

Å transkribere en stemmekanal er et annet jobb

Dette er delen de ærlige veiledningene hopper over, så la meg være direkte. Whisper gjør om talen din til en skrevet melding. Den transkriberer ikke en Discord-stemmekanal, noe som betyr at den ikke vil sitte i en samtale og skrive ned hva alle andre sier. Det er noe folk virkelig ønsker, og det er et genuint annerledes verktøy: en Discord-bot.

Bottene bygget for dette — Scripty er den vanligste — kobler til en stemmekanal og legger ut et løpende transskript av samtalen i en tekstkanal. Scriptys kjernetranskribering er gratis, kjører på omtrent 55 språk og behandler lyd uten å gi det til tredjeparter. Andre i dette rommet inkluderer SeaVoice og DiscMeet. Hvis målet ditt er «tekste hele samtalen», bruk en av dem, ikke Whisper. Hvis målet ditt er «la meg si min egen melding i stedet for å skrive den», er det Whisper, eller operativsystemet ditt. To forskjellige problemer som tilfeldigvis bor i den samme appen.

Når du hopper over en dikteringsapp og bare bruker OS-et

Hvis du bare trenger å diktere en melding innimellom, ikke installer noe. Datamaskinen gjør det allerede gratis. På Windows, trykk Windows logo key + H og stemmeskrivning åpnes i en hvilken som helst tekstboks, Discords chattefelt inkludert, uten abonnement. På en Mac gjør den innebygde Diktering-snarveien (eller mikrofonknappen) det samme, og på Apple silicon kjører den på enheten uten internett. På telefonen dikterer tastaturets mikrofonikon direkte i Discords mobile meldingsfelt; det er iOS eller Gboard som gjør jobben, ikke Discord, men det fungerer.

Den ene avveiningen verdt å kjenne til: Windows' Win+H trenger en internettforbindelse, mens macOS-diktering og Whispers lokale modus ikke gjør det. For et raskt «5 min sen, begynn uten meg» er OS-verktøyet riktig valg. Der en dedikert app tar ledelsen er volum, fyllordoppryddingen og offline-diktering midt i en samtale: jo lenger og oftere du gjør det, desto mer betyr det.

Velg det minste verktøyet som løser problemet ditt. For én melding er det tasten du allerede har. For en hel kveld med lange meldinger på fem servere slutter den dedikerte appen å føles som overdrivelse rundt det andre eller tredje avsnittet du ikke trengte å skrive.

Hva Whisper koster

Den lokale dikteringspipelinen — transskripjon og AI-opprydding via Ollama — er gratis for enhver innlogget bruker, uten kort ved registrering. Så å få stemmen din inn i Discord med Whisper koster ingenting. Whisper Pro legger til skyfunksjonene (OpenAI-transskripjon, sky-AI-forbedring, stemme-nettsøk) og har en separat prøveperiode. De eksakte tallene finner du på prissiden heller enn her, fordi priser beveger seg og et blogginnlegg er et dårlig sted å holde dem oppdatert.

Discord vil sannsynligvis lansere ekte diktering til slutt, slik apper pleier å gjøre når nok folk skriver /tts og forventer at det gjør den andre tingen. Inntil da har datamaskinen din allerede funksjonen, det finnes en app for når den innebygde versjonen ikke er rask nok, og det finnes en bot for den helt separate jobben med å tekstes en samtale. Tre verktøy, tre problemer. For det meste trenger du det minste.