Tale til tekst på Windows: gratis eller betalt

Tre veier på ett minutt

Appen velger ikke transkripsjonsmodell for deg. Du velger mellom tre veier. Det er med vilje.

Cloud (OpenAI, BYOK) — veien med høyest kvalitet

Du tar med din egen OpenAI API-nøkkel. Transkripsjon kjører på gpt-4o-mini-transcribe (standard) eller gpt-4o-transcribe. AI-tekstforbedring kjører som standard på gpt-5-mini; gpt-5-nano og gpt-5 er også tilgjengelige. Nettsøk går via gpt-4o-mini gjennom Responses API. Du betaler OpenAI direkte for bruken; vi tar ingen andel. Velg denne hvis du vil ha best mulig kvalitet og nettilgang i ett verktøy, og du er komfortabel med å betale OpenAI per minutt direkte.

Parakeet (NVIDIA TDT, ~600 MB) — den raskeste lokale veien

Parakeet v3 er 5 til 10× raskere enn Whisper på CPU. Engelsk pluss 24 europeiske språk. Ingen oversettelse til engelsk. Ingen kodeveksling med asiatiske skriftspråk. Kvaliteten er god, ikke Whisper-large-v3-kvalitet, men mer enn nok for vanlig e-post- og dokumentarbeid. Velg denne hvis du vil ha fart og du for det meste snakker engelsk.

Lokal Whisper (8 modeller) — den lokale veien med mest kontroll

Tregere enn Parakeet på samme maskinvare. Til gjengjeld får du 99 språk på de flerspråklige byggene, oversettelse til engelsk, egendefinert ordliste, beam-størrelse-kontroll og hotword-vekting. Velg denne hvis du trenger oversettelse, flerspråklig transkripsjon (særlig kinesisk, japansk, koreansk, som Parakeet ikke kan), eller finere kontroll per opptak.

Alle tre veiene bruker samme hurtigtast, samme overlay, samme innstillinger. Vippebryteren er én bryter.

Hva Windows allerede gir deg (Win+H)

Åpne et hvilket som helst tekstfelt: Word, Outlook, en nettleseradresselinje, Notepad, Slack-feltet. Trykk Windows + H. En liten diktatverktøylinje dukker opp, og PC-en din lytter. Snakk. Klikk ut, eller trykk stoppknappen på verktøylinja, og teksten blir stående. Det er hele utgangspunktet.

Microsoft kaller dette Voice Typing. Det er innebygd i Windows 10 og Windows 11. Det er ingen app å installere. Det er ingen «trening» slik slektningen jeg tenker på måtte gjennom på Dragon NaturallySpeaking på en Windows 98-maskin i 1999, som tok 45 minutter med opplesing av en kalibreringsliste før programvaren kunne avgjøre om du sa «writing» eller «riding». Taleteknologien ble stille og rolig bedre mens ingen så på, og Microsoft leverte resultatet i en systemoppdatering uten pressemelding.

Et par ting å vite på forhånd. Voice Typing bruker Microsofts online talegjenkjenning, drevet av Azure Speech-tjenestene. Det betyr at lyd forlater laptopen på vei til et Microsoft-datasenter. Hvis du dikterer et lønnsregneark, et HR-notat, eller noe som er omfattet av HIPAA eller GDPR, har dette betydning. Sjekk IT-policyen din eller bruk et verktøy med en enklere personvernhistorie. Funksjonen støtter mer enn 50 språk med regionale varianter. På en Copilot+ PC (den nye Snapdragon X / Surface-generasjonen) finnes det også en Voice Typing-funksjon kalt Fluid dictation som bruker en lokal liten språkmodell til å rette grammatikk, tegnsetting og fyllord mens du snakker, foreløpig tilgjengelig på alle engelske lokaliteter.

Voice Typing vs Voice Access — velg riktig flate

To forskjellige Microsoft-funksjoner som ofte forveksles. Voice Typing er det du får med Windows + H. Voice Access er en separat funksjon for å styre hele PC-en med stemmen: åpne apper, klikke knapper, scrolle, pluss å skrive tekst. Voice Access krever Windows 11 22H2 eller nyere, bruker lokal talegjenkjenning som fungerer uten internettforbindelse, og erstattet den gamle Windows Speech Recognition i september 2024. Voice Access-språkene dekker engelsk (seks regionale varianter), spansk, tysk, fransk, forenklet og tradisjonell kinesisk, japansk og italiensk.

Hvis målet ditt er «jeg vil diktere tekst inn i apper», så er det Voice Typing du vil ha. Hvis målet ditt er «jeg kan ikke bruke mus og tastatur, jeg trenger å styre hele PC-en», så er det Voice Access du vil ha. De to fungerer på forskjellige premisser, og dokumentasjonen ligger forskjellige steder. De fleste leserne som søker «tale til tekst på Windows», vil ha Voice Typing.

Når Microsoft Voice Typing holder

Mellom oss to: de fleste trenger ikke en betalt diktatapp. Hvis du sender et 30-ords svar, dikterer inn i en Slack-tråd, eller skriver et kort kalendernotat, er Windows + H gratis og fungerer. Whisper begynner å lønne seg rundt 200-ords-grensen, der Voice Typings nøyaktighet og mangelen på et forbedringssteg begynner å koste deg. Lange setninger blir til løpske setninger. Tegnsettingen sklir. Egennavn vingler; navnet til min eldste datter har blitt transkribert som «Maira», «Mirror», og en gang, minneverdig nok, «Mirror image».

Skillet er omtrent: kort, uformelt, kun engelsk, ingen compliance-bekymringer → Voice Typing. Langt, gjennomtenkt, flerspråklig, sensitivt, eller du vil ha forbedring → ty til et ordentlig verktøy. Hvis dagen din stort sett består av to-linjers Teams-meldinger, er du ferdig med å lese denne artikkelen. Hvis dagen din involverer å skrive e-poster, notater, kodekommentarer, forelesningssammendrag eller varianter av markedstekst — fortsett å lese. dictating into Word specifically has a few extra considerations worth reading.

And if you want the inverse — Windows reading text back to you for proofreading long drafts — the honest free text-to-speech roundup covers Edge's built-in Read Aloud and the five tools worth the install.

Foretrekker du produktsiden fremfor bruksanvisningen? Whispers tale til tekst for Windows gir deg en oversikt over appen, de lokale modellene og nedlastingen på ett sted.

Gjennomgang: Cloud-modus (OpenAI BYOK-veien)

Cloud er veien med høyest kvalitet og den jeg ville satt opp først på en ny maskin. Tidsbudsjett: rundt 3 minutter hvis du allerede har en OpenAI-nøkkel.

Alternativ vei: Parakeet (det lokale sporet)

Hvis du foretrekker at lyden ikke forlater laptopen, er Parakeet den raskeste lokale motoren.

Installasjon

Samme Whisper-installasjonsprogram. Settings → Transcription → bytt modus til Local — Parakeet. Appen laster ned Parakeet v3-modellfilen (~600 MB) og pakker den ut ved første kjøring.

Bruk

Samme hurtigtast: hold Ctrl + Space, snakk, slipp. Transkripsjonen dukker opp ved markøren, akkurat som i cloud-modus. Ingen internett kreves etter at modellen er lastet ned. All transkripsjon er ren Rust via transcribe-rs (ingen Python-sidecar).

Når du skal velge den

Engelsktalende. Mest engelsk arbeid. Kodeveksling mellom EU-språk er greit; Parakeet dekker 25 språk inkludert fransk, tysk, spansk, italiensk, polsk, ukrainsk, russisk, og 17 til. Du vil ha fart og du trenger ikke oversettelse til engelsk eller asiatiske språk. Parakeet kjører 5-10× raskere enn Whisper på CPU, noe som på en typisk Intel i5/i7-laptop betyr at du er ferdig med diktatet før fingeren slipper tasten.

Når du skal hoppe over den

Du snakker kinesisk, japansk, koreansk, arabisk eller et annet ikke-EU-språk; du trenger oversettelse til engelsk; eller du trenger beam-størrelse- og hotword-kontroll. Bruk lokal Whisper-veien eller Cloud i stedet.

Alternativ vei: lokal Whisper (når du trenger kontroll)

Lokal Whisper er den bredeste lokale motoren. 99 språk på de flerspråklige byggene. Oversettelse til engelsk. Egendefinert ordliste. Beam-størrelse-kontroll. Hotword-vekting.

Installasjon

Samme Whisper-installasjonsprogram. Settings → Transcription → bytt modus til Local — Whisper. Velg en modell.

Bruk

Samme hurtigtast: hold Ctrl + Space, snakk, slipp. AI-forbedring i lokal modus skjer via Ollama hvis du har det installert; ellers rå transkripsjon.

Ytelsesforhåndsinnstillinger

Settings → Transcription → Performance. Tre valg: Fast (beam 3), Balanced (beam 6), Accurate (beam 9). Fast og Balanced passer for de fleste; Accurate er for transkripsjon i høystakes-situasjoner der du kan vente et ekstra sekund.

Når du skal velge den

Du oversetter ukrainsk-til-engelsk midt i en setning, du dikterer japansk, du veksler mellom fem språk i ett avsnitt, eller du vil ha hotword-vekting for bransjespesifikk vokabular (medisinsk, juridisk, teknisk).

Når du skal hoppe over den

Du er en kun-engelsk-talende som vil ha det raskeste lokale alternativet; velg Parakeet i stedet. Du vil ha topp nøyaktighet og har en OpenAI-nøkkel; velg Cloud.

Den ærlige sammenligningen: Microsoft Voice Typing, Wispr Flow og Whisper

Wispr Flow er et polert cloud-only-produkt til omtrent $15 i måneden på Windows. Selve transkripsjonen skjer via samme familie av Whisper-modeller som kjører på en annens GPU. Vi får den samme motoren til å kjøre på laptopen din i stedet, tar $9.99 i måneden, og inkluderer cloud (BYOK til OpenAI) som reservevei når du vil ha det. Lifetime-prisen ($69) går i null mot månedsabonnementet på syv måneder: på $9.99 × 7 ville du brukt $69.93 på månedlige betalinger. De fleste fortsetter å diktere mye lenger enn syv måneder. Lifetime er den ærlige prisen for et verktøy du faktisk bruker.

Jeg vil være tydelig: Wispr Flow er et reelt produkt laget av smarte folk. Hvis det er UI-en deres som overbeviser deg om å diktere i det hele tatt, så er det verdt mer enn 20 dollar i måneden i spart tasting. Vi mener bare at diktat ikke skal koste et månedlig abonnement for alltid i 2026.

If your dictation lives mostly in the browser, the Chrome-extension route is a different trade-off again; the honest Voice In (Dictanote) alternative weighs an in-page extension against a system-wide app that types into every window.

Velg riktig Whisper-modell for maskinvaren din

Whisper leveres i åtte størrelser inne i appen. Den kjedelige sannheten er at de fleste Windows-brukere bør velge small.en for kun-engelsk-arbeid, eller small for flerspråklig, og aldri tenke på det igjen.

Alle størrelser er hentet rett fra desktop-appens modellregister; ingen avrunding, ingen tall fra det offentlige Whisper-dokumentet.

Et par tommelfingerregler. Med 8 GB RAM kjører Cloud-modus på hvilken som helst maskinvare uansett. Lokalt: Parakeet, base.en eller small.en er trygge valg; medium.en vil kvele seg. Med 16 GB+ og en diskret GPU kjører alle veiene komfortabelt, og large-v3 og turbo har mest nytte av GPU-en. En USB-mikrofon til 20 dollar gir mer for transkripsjonsnøyaktigheten enn å oppgradere fra small.en til medium.en. Bruk pengene på inngangen før du bruker dem på modellen.

For flerspråklige brukere som veksler mellom engelsk og ukrainsk, tysk eller japansk midt i et avsnitt, er large-v3 eller turbo den eneste modellfamilien som håndterer ekte kodeveksling rent. Mindre flerspråklige modeller kan transkribere ett språk godt, men de vingler når du bytter midt i en setning.

Tre ting som lurer folk i den første uka

En liten historie som kan spare deg en kveld. Den første versjonen av Whispers hurtigtast-handler avfyrte stopp-opptak-callbacken seks ganger per ekte tastetrykk på Windows. Fungerte fint på en ren installasjon, brøt sammen på kundemaskiner som hadde noen som helst form for språkinngang aktivert. Tok flere dager med telemetri, en 50 ms debounce som ikke var nok, så en 300 ms debounce som endelig var det. Windows IME genererer fantom Ctrl + Space-slipp-hendelser med uforutsigbare intervaller; du debouncer eller du mister forstanden. Vi valgte det første. Debouncen er usynlig for deg; den bare sitter der og gjør jobben sin, slik god infrastruktur som regel gjør.

If your Win + H toolbar opens but the microphone meter never moves — or the whole shortcut does nothing — that's a different problem with its own short fix list: eight verified fixes for Windows voice typing that stopped working.

Hvis du bare skal huske én ting, så husk dette: Windows-PC-en din gjør allerede tale til tekst, gratis, godt nok for korte notater. Bruk det. Når personvernhistorien (Azure-rutet lyd), mangelen på forbedring, og grensene for langformsdiktat begynner å koste deg ekte tid (vanligvis rundt 200-ords-merket, vanligvis omtrent en uke inn) — det er da et ordentlig diktatverktøy gjør seg fortjent. Prøv lokalt først hvis du bryr deg om personvern eller stort sett er offline. Cloud er den høyeste-kvalitet-veien hvis du ikke gjør det. Vippebryteren er én bryter i Settings, og hurtigtasten er den samme. Hvis du veier oppsettstegene i hodet ditt akkurat nå, er det raskeste eksperimentet: installer Whisper, sett Cloud-modus med OpenAI-nøkkelen din, hold Ctrl + Space, dikter dette avsnittet tilbake i et Notepad-vindu, og se om du noen gang vil tilbake til å taste. Jeg vedder på at du ikke vil.