Tale til tekst i Gmail, gjort riktig

Gmail har ingen innebygd tale-til-tekst på datamaskin. Her er hva som fungerer.

Åpne Gmail på en bærbar, klikk Skriv, se etter en mikrofon i editoren. Den finnes ikke. Google Docs og Slides har tale-til-tekst innebygd (Chrome, Edge eller Safari), men Googles egne supportsider begrenser den funksjonen til Docs og Slides. Gmail står ikke på listen. Folk har bedt om en mikrofonknapp i Gmail i Googles supportforum i årevis. Den har aldri kommet.

De tre ærlige veiene på datamaskin: åpne Gmail på telefonen i stedet — systemtastaturets mikrofon fungerer allerede i ethvert tekstfelt, inkludert Gmails skrivevindu. Installer en Chrome-utvidelse som legger en mikrofon til Gmail-fanen — Voice In, Voicy eller den rett-på-sak-navngitte «Dictation for Gmail». Eller installer en desktop-app som fanger opp en hurtigtast på OS-nivå og limer inn transkribert tekst i det vinduet som har fokus — Whisper, Willow Voice, Voicys native versjon. Den første fungerer bare i Chrome-faner. Den tredje fungerer overalt der en markør blinker.

Den kjedelige sannheten er at disse løser ulike problemer. Vil du ha tale bare inne i Gmail, holder en utvidelse. Vil du gjøre det til en vane, for Gmail og de åtte andre appene du også skriver i, treffer utvidelsen taket sitt fort.

Det raskeste oppsettet: en Chrome-utvidelse og en hurtigtast

Vil du ha tale i Gmail og er allerede i Chrome, er dette den korteste veien. Total tid: omtrent 3 minutter.

Forutsetninger (ett minutt)

• Google Chrome installert (eller en Chromium-basert nettleser som Edge eller Brave).
• En mikrofon som virker. Innebygd mikrofon holder.
• Mikrofontillatelse gitt på OS-nivå. macOS: Systeminnstillinger → Personvern og sikkerhet → Mikrofon. Windows: Innstillinger → Personvern → Mikrofon.
• Du er logget inn på Gmail.

Velg én utvidelse

De tre med ekte brukerbaser:

• Voice In by Dictanote, et verktøy som kun finnes som Chrome-utvidelse (også pakket som Edge-tillegg). Fungerer på over 10 000 nettsteder på 100+ språk. Gratisnivå og et betalt Plus-nivå.
• Voicy, både en native app og en Chrome-utvidelse. Utvidelsen kobler seg til Gmail og over 20 000 andre nettsteder. Reklamerer med 50+ språk og 99 % nøyaktighet.
• Dictation for Gmail, spesialisert for Gmail, legger et mikrofonikon ved siden av Send-knappen. 60 språk, over 100 000 brukere, 3,5★ fra 273 vurderinger.

Installasjon i fire trinn

De fleste får dette i gang på under tre minutter. Friksjonen er ikke oppsettet. Friksjonen er alt etterpå, som vi kommer til.

På mobil gjør Gmail allerede dette, og det er helt greit

Skriver du mesteparten av e-posten på telefonen, trenger du ingen app til dette. Du trenger ingen utvidelse. Du trenger ikke lese resten av denne artikkelen. Total oppsettstid: null. Det er allerede der.

På Android åpner du Gmail, trykker Skriv, trykker inn i tekstdelen og ser på den øverste raden på Gboard-tastaturet. Der er et mikrofonikon. Trykk på det, snakk, trykk igjen. Googles egne sider formulerer det som «du kan snakke for å skrive de fleste steder der du kan skrive med tastatur». De oppgir ikke et rent antall språk, bare at det ikke virker på alle språk Gboard støtter. De store romanske og germanske språkene er dekket.

På iPhone åpner du Gmail, trykker Skriv, trykker inn i tekstdelen og ser på iOS-tastaturet. Der er en mikrofontast ved siden av mellomromstasten. Trykk på den, snakk, trykk ferdig. iOS-tastaturmikrofonen er på systemnivå, så den samme tasten virker i Gmail, Meldinger, Notater og Safari. (Gboard for iOS har sin egen mikrofonknapp hvis du har installert den. Begge virker.) Apple oppgir ikke et rent antall språk for iOS-diktering; det følger tett etter macOS-diktering, som lister opp 47 regionale varianter.

Begge er gratis. Begge er innebygd. Er du en telefon-først-e-postskriver, er resten av denne artikkelen for de dagene du sitter på en bærbar. Ellers er du ferdig.

Hvorfor desktop-utvidelsene fortsatt bommer på tegnsetting

Chrome-utvidelsene fungerer, men nøyaktigheten er grunnen til at «Dictation for Gmail» ligger på et snitt på 3,5 stjerner fra 273 anmeldelser og ikke 4,7. Klagemønsteret går igjen hos alle tre. Når du først kjenner det, slutter du å bli overrasket.

De fleste diktatverktøy i nettleser er innpakninger rundt Web Speech API. De ber Chrome om å gjøre tale-til-tekst, og limer så inn resultatet. Det API-et er greit for korte ytringer, skjørt for alt som er lengre. De konkrete tingene som svikter:

• Tegnsetting må sies høyt. «Punktum» «komma» «spørsmålstegn» «nytt avsnitt». Du tror du skal lære det. Det gjør du ikke. Hjernen din vil ikke si «punktum» høyt på slutten av hver setning. De fleste dikterer ett langt sammenhengende kjør og rydder så opp med styreflaten. Noe som ødelegger mesteparten av poenget.
• Mikrofonen får tidsavbrudd etter stillhet. Stopp opp i tre sekunder for å tenke på formuleringen, og API-et slutter å lytte. Du begynner å snakke igjen, og en halv setning er borte.
• Fanefokus klistrer seg. Klikk inn i en annen Chrome-fane, og mikrofonen stopper. Bytt til kalenderen for å sjekke en dato, og mikrofonen stopper. Diktering lever inne i én fane.
• Aksenter og egennavn. Navn blir autokorrigert til det ordet nettleseren tror ligger nærmest. Mottakere av meg har blitt kalt Andre, Ankara, og en gang «Ms. Andrescu» før jeg fanget det opp.

Voicy hevder at utvidelsen bruker sin egen KI for høyere nøyaktighet, og det er den versjonen jeg ville prøvd først om jeg satset på utvidelsesveien. Men ingen løser problemene med tegnsetting-via-tale og tidsavbrudd. Begge er bakt inn i antakelsen om at nettleserdiktering er en handling på 30 sekunder, ikke et skriveverktøy.

Det samme taket for nettleserutvidelser gjelder tale-til-tekst i Google Docs — praktisk inne i fanen, men det følger aldri markøren din inn i Gmail eller noe annet sted.

Hva jeg bruker for Gmail, og når jeg ikke gidder

Jeg lagde Whisper fordi jeg var utbrent på Chrome-utvidelser av grunnene over. Det er en Tauri desktop-app for Mac (Apple Silicon) og Windows. Ingen Intel Mac, ingen Linux. Den registrerer en hurtigtast på OS-nivå. Hold, snakk, slipp. Teksten transkriberes og limes inn i det vinduet som har fokus.

Standard hurtigtast: Ctrl+Space på Windows, kun modifikatortast Command + Option på macOS (en av Command-tastene, en av Option-tastene, holdt for å ta opp, sluppet for å stoppe). Begge kan tilpasses i Settings.

Den biten som endret hvordan jeg jobber: den bryr seg ikke om hvilken app som har fokus. Samme hurtigtast i Gmails skrivevindu, i Slack, i Notion, i VS Code, i terminalen. Rust-modulen for innliming skriver til OS-utklippstavlen og injiserer den native Cmd+V- eller Ctrl+V-snarveien inn i det vinduet jeg ser på. macOS ber om tilgjengelighetstillatelse første gang. Etter det er den usynlig.

For Gmail betyr dette noe på grunn av kontekstbytte. Jeg begynner å skrive et svar, alt-tabber til kalenderen, alt-tabber tilbake. Med en Chrome-utvidelse er mikrofontilstanden borte. Med en hurtigtast på datamaskinen plukker jeg opp der jeg slapp.

Du velger transkripsjonsmotoren. Tre veier, lagt frem ærlig, ingen standard:

• Cloud (OpenAI BYOK). gpt-4o-mini-transcribe som standard, gpt-4o-transcribe for nivået med høyere nøyaktighet. Du tar med din egen OpenAI-nøkkel. Best kvalitet, websøk innebygd, krever tilkobling.
• Lokal Parakeet. NVIDIAs TDT-modell, rundt 600 MB, 5–10× raskere enn Whisper på CPU. Engelsk pluss 24 europeiske språk. Offline. Ingen asiatiske språk, ingen oversettelse til engelsk.
• Lokal Whisper. Base (rundt 140 MB) opp til Large v3 (rundt 3 GB). Flerspråklige varianter dekker 99 språk. .en-variantene er kun engelsk. Tregere enn Parakeet, men støtter oversettelse og finere kontroll per opptak.

For Gmail-svar på engelsk er Parakeet lokalt det jeg lar den stå på. Cloud tar over når jeg trenger en lengre e-post med websøk. Nøkkelordet som utløser KI er «Hey whisper» etterfulgt av instruksjonen.

Når jeg ikke gidder: et svar på én linje med «takk, skal gjøre det». Hurtigtast-forsinkelsen slår skriving først forbi rundt ti ord. Poenget med diktering er e-postene på 80 til 200 ord, der det å snakke er raskere enn å skrive.

Når Gboard eller iOS-diktering er det riktige svaret

Skjer 90 % av Gmail-en din på telefonen, installer ingenting. Gboard og iOS-diktering er gratis, på systemnivå og laget for korte til middels lange meldinger. Mikrofonikonet på tastaturet ditt klarer et svar på 100 ord på 40 sekunder.

Sitter du på en Mac og behovet ditt er talenotater på 30 sekunder i et tekstfelt, fungerer Apple Dictation for korte notater. macOS Tahoe kommer med 47 språk og regionale varianter. Aktiveres med mikrofontasten, en konfigurerbar snarvei, eller Rediger → Start diktering. Den stopper etter 30 sekunders stillhet, noe som gjør den fin for «ja, svar for å bekrefte» og dårlig for et avsnitt som trenger en pause til å tenke.

Skriver du brorparten av e-postene dine på en stasjonær eller bærbar, i flere apper som ikke alle er nettleserfaner, er det der en app på systemnivå begynner å bety noe. Vi lager en. Det gjør Willow Voice og Voicys native versjon også. Prøv noen før du lander på ett — den samme systemomfattende hurtigtasten lar deg også diktere inn i Notion.

Tale-til-tekst i Gmail burde vært en Google-funksjon for ti år siden, og er det fortsatt på et vis ikke. Til den blir det, velg veien som passer dagen din. Telefontastatur hvis du er på telefonen, Chrome-utvidelse hvis du lever inne i én fane, desktop-app hvis du skriver overalt markøren din ferdes. Uansett hva du velger, er målet det samme. Slutt å skrive e-postene på 100 ord.