Tale til tekst i VS Code, den ærlige versjonen

Talesituasjonen i VS Code: VS Code Speech-utvidelsen

VS Code har ikke tale til tekst slått på som standard. Du legger det til med én offisiell utvidelse. Åpne Extensions-visningen, søk etter VS Code Speech, bekreft at utgiveren er Microsoft (Marketplace-oppføringen for ms-vscode.vscode-speech), og installer. Ingen API-nøkkel, ingen registrering og ingen betalt nivå. Den laster ned en liten talemodell som kjører lokalt, og du er i gang.

For å diktere inn i editoren, kjør kommandoen Voice: Start Dictation in Editor — Ctrl+Alt+V på Windows og Linux, Opt+Cmd+V på Mac. Stopp med Voice: Stop Dictation in Editor, bundet til Escape. Trykk og hold den samme snarveien for det Microsoft kaller "walkie-talkie-modus": gjenkjenningen holdes på mens du holder tastene nede og sendes inn i det øyeblikket du slipper. Det er det nærmeste editoren kommer en push-to-talk-knapp.

Den samme utvidelsen gjør noe annet og separat: talechat med GitHub Copilot. Kjør Chat: Start Voice Chat (Ctrl+I / Cmd+I), eller slå på "Hey Code"-vekkeordet og snakk med Copilot Chat håndfritt. Ingen generelt dikteringsverktøy gjør det samme. Hvis det du kom for var å snakke med Copilot, er VS Code Speech svaret, og det finnes ikke noe nummer to.

Én praktisk merknad: de offisielle VS Code-dokumentene lister 26 støttede språk, satt via innstillingen accessibility.voice.speechLanguage. Du kan komme over en eldre microsoft/vscode-wiki-side som sier "kun engelsk" — den er utdatert. De levende dokumentene gjelder.

Den kjører på maskinen din, frakoblet — og det betyr mindre enn du skulle tro

VS Code Speech kjører lokalt på maskinen. Ifølge de offisielle dokumentene for talestøtte i VS Code blir "opptak aldri sendt til noen nettjeneste, men beregnet lokalt på maskinen din." Ingen internett trengs når modellen er lastet ned; de talte kommentarene dine blir værende på den bærbare maskinen.

Jeg vil være ærlig om dette, for det er her mange "alternativ"-artikler blir lure. Whispers lokale modus er også helt frakoblet, der lyd aldri forlater maskinen. Så frakoblet er ikke en seier bare for Whisper. Det er likeverdighet. Det samme gjelder pris — VS Code Speech er gratis, og Whispers lokale pipeline er gratis uten kort ved registrering. Hvis noen ber deg bytte verktøy "fordi det er frakoblet og gratis," selger de deg noe du allerede har.

Den ærlige forskjellen er rekkevidde. VS Code Speech kjører lokalt og er gratis inne i VS Code. Spørsmålet er hva du gjør når teksten bor et annet sted.

Det VS Code Speech ikke når: alt utenfor VS Code

VS Code Speech dikterer inn i editoren og inn i chatten. Det er omfanget, etter design — den skriver ikke inn i den integrerte terminalen som generell inndata, når ikke nettleseren, og rører ikke Slack, Jira eller git-GUI-en din. Ingenting av det er en feil. En editor-utvidelse som stille kapret hele tastaturet ditt ville vært en dårligere utvidelse.

Men tenk på hvor utvikler-prosa faktisk bor. Commit-meldingen i en terminal eller en egen git-klient. PR-beskrivelsen på GitHub i en nettleser. Feilreproduksjonen du limer inn i en Jira-sak eller et GitHub-issue. Slack-meldingen som forklarer hvorfor bygget er rødt. Nesten ingenting av det skjer i editor-ruten. Det skjer i fem andre vinduer, og editor-utvidelsen kan ikke følge deg dit.

Det er gapet — editoren er ett vindu av åtte.

Whisper for prosaen rundt koden din, i hvilken som helst app

Whisper er en skrivebordsapp for Windows og macOS, ikke en VS Code-utvidelse. Fordi den ligger på operativsystemnivå, limer den transkripsjon inn ved markøren i hvilken som helst app der du kan skrive — VS Code-editoren og den integrerte terminalen, ja, men også nettleseren, Slack, Teams, Gmail, JetBrains-IDE-en din, Notion. Én hurtigtast, hvert vindu.

Hurtigtasten er Ctrl+Space på Windows og Command+Option (push-to-talk) på macOS. Hold den, snakk, slipp, og teksten lander der markøren din allerede var. Hvis Command+Option ligner mye på VS Code Speech sin Opt+Cmd+V — godt sett. Samme modifikatortaster, ulike mekanismer: den ene er en kommando internt i VS Code, den andre en systemomfattende hurtigtast du kan binde om i Innstillinger. De krangler ikke; de bor i ulike lag.

Dette er den ene meningen jeg vil bruke plass på her: det beste produktivitetstrikset er færre steg, ikke raskere steg. Å bytte vinduer, finne riktig talekommando for den appen, huske hvilket verktøy som dikterer hvor — det er steg. En enkelt systemomfattende hurtigtast som fungerer likt i terminalen som i nettleseren sletter steget. Farten er fin, men den virkelige gevinsten er å slippe å tenke på hvilket vindu du er i.

Hele appen, live

Det er den ekte skrivebordsappen over — innstillinger, moduser, alt sammen. Whisper støtter over 90 språk i både lokal modus og skymodus (den flerspråklige modellinjen når 99+; .en-byggene er kun engelsk). VS Code Speech dekker 26. Jeg ville aldri bedt deg bytte for antallets skyld. Du ville byttet for rekkevidden.

Rydd opp i dikteringen automatisk

Her er den ene tingen rå diktering ikke kan gjøre for deg. Whisper har et valgfritt AI-oppryddingstrinn som gjør en oppramset commit-melding om til ren prosa — lokalt via Ollama i gratismodus, eller OpenAI i Pro. Du sier "eh, fiks den greia der innloggingsknappen, du vet, ikke virker på Safari," og det kommer ut som en setning du faktisk ville lagt i en commit. Jeg sendte en gang en commit som bare sa "fiks greia." Fremtidige meg takket ikke fortidige meg. VS Code Speech gjør rett diktering; oppryddingstrinnet er en Whisper-greie. For commit-meldinger og PR-beskrivelser er det forskjellen mellom diktering som sparer tid og diktering du gjør om for hånd.

Ikke dikter selve koden

Dette er grensen, og et utviklerpublikum lukter det med en gang hvis jeg er vag, så jeg skal være klar: ikke skriv kildekode med stemmen, og ikke stol på noe verktøy som påstår at du kan. De sytten symbolene på en linje TypeScript gjør tale-til-kode tregere enn styreflaten du prøvde å unngå. Whisper er for prosaen rundt koden, ikke koden. Kommentarer, commit-meldinger, markdown-dokumenter, README-filer, PR-tekst, Slack-tråden. Der du skriver engelsk, vinner stemmen. Der du skriver syntaks, vant tastaturet allerede.

Og for å være like tydelig den andre veien: Whisper gjør ikke Copilot-talechat. Det er ikke en erstatning for VS Code Speech — det er verktøyet for de åtte andre vinduene.

Når VS Code Speech er det beste valget

Jeg vil heller miste deg til riktig verktøy enn beholde deg på feil. Så, rett ut: hvis alt du trenger er å diktere inne i VS Code-editoren, eller å snakke med Copilot Chat med stemmen, installer VS Code Speech og dropp Whisper helt. Den er gratis, offisiell, kjører lokalt, støtter 26 språk og gjør "Hey Code"-vekkeordet som ingen generelt dikteringsverktøy gjør etter. Ikke legg til en app nummer to for en jobb den innebygde allerede gjør.

To tilfeller til. For det første, Linux — VS Code Speech finnes på Linux; Whisper for skrivebord er kun Windows og macOS. Hvis du er på Linux, er spørsmålet allerede besvart. For det andre, strengt-i-editoren-arbeidsflyter — hvis dikteringen din virkelig bare skjer i editor-ruten, løser en systemomfattende hurtigtast et problem du ikke har. Grip etter Whisper når prosaen bor utenfor VS Code. Ellers er den innebygde nok, og "nok" er et godt sted å stoppe.

Hvis editoren er det eneste stedet du dikterer, var du ferdig med denne artikkelen tre seksjoner siden, og det er et godt utfall. VS Code Speech er den riktige standarden, den er gratis, og den snakker med Copilot. Den dagen stemmen din trenger å lande i terminalen, nettleseren og en commit-melding uten at du holder styr på hvilket vindu du er i — det er da en systemomfattende hurtigtast gjør seg fortjent til plassen. Jeg dikterte mesteparten av denne artikkelen uten å røre editoren. Koden, naturligvis, skrev jeg.