Stemme til tekst i Obsidian

Har Obsidian innebygd stemme-til-tekst?

Nei. Obsidian har ingen innebygd dikteringsfunksjon som gjør talen din om til tekst i editoren. Core-pluginet Audio Recorder spiller inn en lydfil og legger den ved notatet; det transkriberer ikke det du sa. Det er noe nyttig, men det er det motsatte av det de fleste som søker etter dette vil ha.

For å få ekte transkripsjon inne i et hvelv, bruker man et community-plugin. Det vanligste er "Whisper"-pluginet av nikdanilov. Det spiller inn eller laster opp lyd, sender det til et Whisper-kompatibelt transkripsjon-API og limer resultatet ved markøren din. Det fungerer på skrivebordet og mobil, og hurtigtasten er Alt+Q som standard. Problemet ligger i dens egen hurtigstart: du legger til en API-nøkkel i innstillingene, fordi den snakker med OpenAI, Groq, Azure eller en annen Whisper-kompatibel tjeneste. Det betyr skyen, og det betyr å betale API-leverandøren per minutt lyd.

Det finnes også andre veier i editoren. Folk kombinerer core Audio Recorder med en transkripsjon-tjeneste som Deepgram, eller kjører separate dikteringsverktøy ved siden av Obsidian. Alle er fine valg. Men legg merke til den felles tråden: de som transkriberer inne i notatet sender nesten alle lyden til et sky-API og ber om en nøkkel. Det er en annen måte å gjøre dette på som hopper over begge.

Et plugin i ett hvelv vs. en hurtigtast overalt

Dette er distinksjonen som er verdt å forstå. Et hvelvplugin bor inne i Obsidian. Det transkriberer når du er i et notat, med sin egen hurtigtast, og det fungerer bare der. En systemomfattende hurtigtasten-app bor ett nivå opp, i operativsystemet ditt. Den skriver inn i Obsidian, men også i nettleseren din, e-posten, terminalen og alle andre apper, fordi for datamaskinen din skriver du bare.

Hvilken du vil ha avhenger av hva du faktisk gjør. Hvis det eneste målet er å legge en innspilt lydfil i et notat og få den transkribert på stedet, er pluginet bygget for akkurat det. Hvis du vil diktere prosa inn i editoren slik du ville skrevet den, og også diktere overalt ellers du skriver, er den systemomfattende appen den bedre formen. Resten av denne veiledningen handler mest om den andre typen, fordi den ikke trenger noen nøkkel og ingen per-hvelv-oppsett.

Den raskeste måten: en systemomfattende hurtigtast

Her er det en skrivebordsapp endrer regnestykket. Whisper by Remskill er ikke et Obsidian-plugin, en hvelvintegrasjon, eller en nettleserutvidelse. Det er en skrivebordsapp som fungerer som et tastatur: trykk en hurtigtast, snakk, og transkripsjonen limes inn ved markøren, i alle apper, Obsidian-notaten din inkludert. Det er ingen API-nøkkel å lime inn, fordi transkripsjonsmotorene kjører lokalt på maskinen din. Det fungerer det samme i Obsidian og i alt annet, siden det skriver i stedet for å integrere.

Oppsettet er kort:

Det er hele løkken. Transkripsjonen dukker opp i editoren, du leser den, du fortsetter å skrive.

Snakk, og notatet fyller seg

Når det kjører, er opplevelsen bemerkelsesverdig ordinær på den beste måten. Du setter markøren i et notat, holder tasten, snakker, slipper. Et sekund eller så senere sitter teksten i editoren som om du hadde skrevet den. Ingen separat innspilling å skrubbe gjennom senere, ingen lydfil som rydder ned hvelvet, ingen transkripsjonsjobb å vente på. Bare ord der markøren var.

Fordi den lokale transkripsjonen kjører på maskinen din (ren Rust, ingen Python-sidecar, ingen server i løkken), fungerer den offline. For en notisapp er det hele poenget. Tanken du fanger, møtet du oppsummerer, den halvformede ideen du ikke vil ha indeksert av noens logger — ingen av lyden forlater laptopen din. Hvelvpluginene som kaller et sky-API kan ikke si det, og Windows' egne innebygde stemmeskraving trenger en internettforbindelse for å fungere i det hele tatt. Whispers lokale modus gjør det ikke.

Hvordan den komplette Whisper-appen ser ut

Hurtigtasten er delen du bruker mest, men det er et innstillingsgrensesnitt bak den. Du velger transkripsjonsmotoren din: Whisper-modeller, der de flerspråklige variantene dekker 99 språk, eller NVIDIAs Parakeet, omtrent 600 MB, 5 til 10 ganger raskere enn Whisper på CPU, og dekker engelsk pluss 24 europeiske språk. Du setter hurtigtasten, håndterer historikk og lagrer forhåndsinnstillinger. Ingen av dette kreves for å diktere ett notat. Det er der når du vil finjustere.

Rydde opp i dikterte notater med KI

Talespråk er rotete. Du sier «eh», du starter om setninger, du mister tråden. Whisper har et valgfritt KI-forbedringssteg som klipper fyllord og rydder opp i formuleringen før det limer inn. Så «eh, ja, altså det, det møtet ble flyttet, jeg tror vi, vi gjør torsdag nå» blir «Møtet ble flyttet; jeg tror vi gjør det torsdag.» For et permanent notat du vil lese om igjen senere, er den oppryddingen verdt det.

Den oppryddingen kjører lokalt via Ollama, gratis, på din egen maskin. Pro-brukere kan rute det gjennom skyen i stedet, men fordelen med fyllord-opprydding krever ikke Pro; det er tilgjengelig i den gratis lokale pipelinen. Du kan også slå det av og lime inn den rå transkripsjonen, noe som for en rask registrering ofte er akkurat riktig.

Lokalt og privat: notatene dine forblir på maskinen din

Dette er den ene sterke meningen jeg setter mitt navn på for et notisverktøy: kun sky-diktering er en personvernskatastrofe som venter på å transkriberes. Hvelvet ditt er der du oppbevarer lønnstabellen du er i ferd med å utarbeide, e-posten til barnets skole, den halvformede tanken du ikke er klar til å dele. Hele appellen til Obsidian for mange er at notatene er enkle filer på sin egen disk. Å sende lyden til disse notatene gjennom en leverandørs API angrer det stille.

Med Whispers lokale motorer transkriberes innspillingen på din egen CPU og kastes. Ingen nøkkel, ingen konto hos transkripsjonsleverandøren, ingen lyd som sitter i en logg et sted. Det er ikke en markedsføringslinje, det er bare der beregningen skjer. Jeg så en gang et team samle opp en femssifret skyregning på ett kvartal ved å mate standup-innspillinger til et API; CFO-ens respons var omtrent «eller vi betaler ikke for å transkribere møter som allerede har notater». Den samme logikken gjelder for et personlig hvelv, minus CFO-en.

Når et hvelvplugin passer bedre

Jeg kommer ikke til å late som om den systemomfattende appen vinner i alle tilfeller, for det gjør den ikke. Hvis det du faktisk har er en mappe med innspilte talemeldinger eller møtelyd som du vil transkribere og legge ved i spesifikke notater, er et hvelvplugin som nikdanilovs «Whisper»-plugin bygget for akkurat den arbeidsflyten. Det spiller inn eller laster opp en fil og legger transkripsjonen i notatet. Du betaler transkripsjon-API-et per minutt og administrerer en nøkkel, men filen-inn, transkripsjon-i-notat-løkken er det det gjør — og en hurtigtast-skriving-app erstatter ikke det.

Det er også alternativet å-ikke-gjøre-noe. Hvis du bare dikterer den tilfeldige linjen, gjør operativsystemet ditt det allerede gratis. På Windows trykker du på Windows-logotasten + H og stemmeskriving åpnes i et hvilket som helst tekstfelt, et Obsidian-notat inkludert. På en Mac gjør den innebygde dikteringssnarvelen det samme, og på Apple silicon kjører den på enheten uten internett. Avveiningen: Windows' Win+H trenger en tilkobling for å kjøre, mens macOS-diktering og Whispers lokale modus ikke gjør det.

Velg det minste verktøyet som løser problemet ditt. For en en-linjes registrering er det tasten operativsystemet allerede har. For å transkribere lydfiler til spesifikke notater er det et hvelvplugin. For å diktere prosa inn i editoren og overalt ellers du skriver, offline og uten nøkkel, er det den systemomfattende appen.

Hva Whisper koster

Den lokale dikteringspipelinen — transkripsjon og KI-opprydding via Ollama — er gratis for alle innloggede brukere, uten kort ved registrering. Å få stemmen inn i et notat med Whisper koster altså ingenting, og det er ingen transkripsjon-API-måling per minutt. Whisper Pro legger til skyfunksjonene (OpenAI-transkripsjon, sky-KI-forbedring, stemme-websøk) og har en separat prøveperiode. De eksakte tallene bor på prissiden fremfor her, fordi priser beveger seg og et blogginnlegg er et dårlig sted å holde dem oppdatert.

Obsidian vil trolig få en innebygd dikteringsfunksjon til slutt, slik apper har en tendens til å gjøre når nok folk installerer tre plugins for å prøve å simulere en. Inntil da har hvelvet ditt alternativer: et hvelvplugin for å transkribere lydfiler, operativsystemet for den tilfeldige linjen, og en systemomfattende app for å diktere prosa inn i editoren uten nøkkel eller server i løkken. Tre verktøy, én notatbok. Det meste av tiden trenger du den som holder lyden på maskinen din.