Najlepsza zamiana mowy na tekst w Windows, w rankingu

Krótka odpowiedź: Win+H jest darmowe, ale tu się kończy

Naciśnij klawisz z logo Windows i H w dowolnym polu tekstowym, a u góry ekranu pojawi się mały pasek narzędzi. Zacznij mówić. To jest Windows Voice Typing, darmowe i wbudowane w Windows 11. Do szybkiej wiadomości w oknie czatu trudno pobić coś darmowego i już zainstalowanego.

Zatrzymują je dwie rzeczy. Po pierwsze, wymaga internetu. Voice Typing korzysta z rozpoznawania mowy online opartego na usługach Azure Speech firmy Microsoft, więc bez połączenia nie ma dyktowania. Po drugie, kursor musi być w polu tekstowym, żeby cokolwiek w ogóle zadziałało. To wyklucza wiele miejsc, w których chcesz mówić: zmianę nazwy pliku, komórkę arkusza, która się stawia, aplikację na pulpicie, której Windows nie uznaje za "pole tekstowe".

Mniejsza, trzecia rzecz pojawia się dopiero po kilku tygodniach. Win+H to funkcja, a nie sposób pracy. Nie trzyma historii tego, co podyktowałeś, nie daje miejsca, żeby poprawić słowo, które zawsze wychodzi źle, i nie oferuje sposobu, żeby nagiąć interpunkcję do tego, jak mówisz. Dostajesz mikrofon i transkrypcję — i tyle. Do jednolinijkowej odpowiedzi jest dokładnie w sam raz. Przy czwartym e-mailu tego poranka zaczynasz chcieć czegoś więcej.

Więc prawdziwe pytanie nie brzmi "czy jest darmowa opcja". Jest, i powinieneś najpierw jej spróbować. Pytanie brzmi, po co sięgnąć, gdy darmowa się wyczerpie: w pociągu bez zasięgu, w aplikacji, do której Win+H nie chce wejść, albo gdy ta sama robota wraca po raz czterdziesty i chcesz, żeby ją zapamiętało.

Jak wybierałem: dokładność, offline, działanie wszędzie, cena

Oceniałem je według czterech rzeczy, w tej kolejności, bo w tej kolejności dają ci się we znaki.

Dokładność. Wszystko inne to szum, jeśli transkrypcja jest błędna. Haczyk w tym, że nikt nie publikuje uczciwej liczby z porównania bezpośredniego. Nuance reklamuje do 99% dokładności rozpoznawania dla Dragon od pierwszego użycia. W trybie lokalnym nasz własny opublikowany zakres dla Whisper to od 95% do 99%, przy czym większe modele wypadają lepiej. Obie liczby są podane przez producentów, więc traktuj je jako deklaracje, a nie ranking. Żadne pierwotne źródło nie publikuje weryfikowalnego procentu dokładności z porównania bezpośredniego dla Win+H, Google Docs Voice Typing ani Otter, więc każda lista, która podaje ci taką liczbę dla każdego narzędzia, ją zmyśla. Nudna prawda jest taka, że mikrofon USB za 20 dolarów poprawia twoją dokładność bardziej niż jakakolwiek zmiana modelu. Jeśli chcesz wydać pieniądze na lepszą transkrypcję, wydaj je najpierw na mikrofon, a oprogramowanie na drugim miejscu.

Offline. Czy działa z wyłączonym Wi-Fi. Win+H nie potrafi. Google Docs Voice Typing nie potrafi. Narzędzie, które działa na twojej własnej maszynie, potrafi, a to ma znaczenie przy arkuszu z pensjami, projekcie pisma prawnego albo e-mailu do szkoły twojego dziecka, który nie ma czego szukać w logach dostawcy. Ma to też znaczenie w głupi, codzienny sposób: pociągi, samoloty, piwnice, tylne siedzenie samochodu. Dyktowanie w chmurze jest tak niezawodne jak najgorszy słupek zasięgu, na jaki dziś trafisz.

Działa wszędzie. Czy pisze do każdej aplikacji, czy tylko do jednej. To linia, która dzieli całe pole. Skrót systemowy wkleja tam, gdzie jest twój kursor; funkcja przeglądarki działa tylko w tej karcie przeglądarki. Test, którego używam, jest przyziemny celowo. Czy potrafi zmienić nazwę pliku, wypełnić pole wyszukiwania w aplikacji na pulpicie albo napisać opis commita. Większość "darmowych" opcji oblewa ten test w chwili, gdy opuścisz przeglądarkę, a będziesz ją opuszczać częściej, niż myślisz.

Cena. Konkretne liczby, żadnego "już od". Darmowe tam, gdzie darmowe jest prawdziwe. Nie będę zapychać rankingu narzędziem, które kosztuje więcej niż licencja Windows, żeby brzmieć rzetelnie, i powiem ci, kiedy darmowa wbudowana opcja to wszystko, czego potrzebujesz — co, dla wielu osób, jest prawdą.

Aplikacje do zamiany mowy na tekst w Windows warte twojego czasu

Szybkie porównanie: gdzie działa każde narzędzie

Celowo pominąłem dokładność w tej tabeli. Tylko Dragon i Whisper publikują liczbę, a obie pochodzą od producentów. Win+H, Google Docs Voice Typing i Otter nie publikują żadnej weryfikowalnej wartości. Każdy ranking typu "Narzędzie X jest dokładne w 96,3%" obejmujący całą piątkę to zgadywanka sformatowana jako fakt. Więc kolumny poniżej to te, które możesz sprawdzić: gdzie działa, czy działa offline, czy dociera do każdej aplikacji i do czego jest stworzone.

Przeczytaj tabelę od lewej do prawej, a pole samo się posortuje. Jeśli "działa w każdej aplikacji" i "offline" muszą być oba na tak, lista jest krótka. Jeśli odpowiada ci praca online i wewnątrz jednej aplikacji, darmowe wbudowane opcje sobie z tym poradzą i możesz przestać czytać tutaj. Decyzja rzadko dotyczy tego, które narzędzie jest "najlepsze" w teorii. Chodzi o to, który wiersz pasuje do tego, jak pracujesz.

Inne narzędzia warte poznania

Pole w Windows jest szersze niż pięć nazw. Kilka takich, które zobaczysz na innych listach, z jedną uczciwą linijką na każde, żebyś mógł pominąć te, które nie pasują:

• Microsoft Word Dictate — wbudowane w Microsoft 365 Word, darmowe, jeśli już płacisz za Office, i dobre wewnątrz Worda. Uwięzione wewnątrz Worda. Jeśli większość twojego pisania i tak dzieje się tam, to dobra opcja bez dodatkowych kosztów. Jego kaprysy omówiliśmy w artykule zamiana mowy na tekst w Word.
• Google Docs Voice Typing — darmowe, ale tylko wewnątrz Dokumentów Google i Prezentacji w obsługiwanej przeglądarce, gdzie przeglądarka steruje usługą mowy. Nie systemowe, a w chwili, gdy przejdziesz z Dokumentów na inną kartę, przestaje działać.
• API zamiany mowy na tekst od OpenAI — whisper-1, gpt-4o-transcribe i gpt-4o-mini-transcribe, z limitem przesyłania 25 MB na plik. To klocek budulcowy dla programistów, a nie aplikacja, którą instalujesz. To z niego korzystają pod maską narzędzia takie jak tryb Cloud Whispera, a nie coś, na co wskazujesz i do czego zaczynasz mówić.
• Speechnotes — darmowy notatnik do dyktowania w przeglądarce. Dobry do robienia notatek, mieszka w karcie, nie opuszcza karty.
• Windows Voice Access — bezdotykowe sterowanie systemem operacyjnym od Microsoftu, stworzone z myślą o dostępności i pełnej obsłudze bez klawiatury, a nie o szybkim pisaniu. Warto wiedzieć, że istnieje, jeśli potrzebujesz w całości sterować Windowsem głosem.
• OpenAI Whisper — sam model open source, który możesz uruchomić lokalnie bez wiersza poleceń. Jeśli konkretnie chcesz mieć model Whisper na komputerze, zobacz nasz przewodnik OpenAI Whisper dla Windows, w którym pokazujemy sposób instalacji i użycia bez terminala.

Jeśli chcesz dłuższego przeglądu całej kategorii, łącznie z narzędziami do spotkań i usługami transkrypcji w chmurze, napisaliśmy pełny przewodnik oprogramowanie do transkrypcji. Krótka wersja na potrzeby tej strony: większość z nich jest albo przywiązana do przeglądarki, albo nie pasuje kategorią do zadania pisania do dowolnej aplikacji w Windows.

Kiedy pominąć płatną aplikację (i po prostu użyć Win+H)

Oto część, którą większość tych list pomija, bo odesłanie cię do darmowego konkurenta nie opłaca nikomu bloga. Jeśli jesteś online i tylko od czasu do czasu dyktujesz krótką wiadomość do przeglądarki lub okna czatu, nie płać za nic, łącznie z nami. Naciśnij Win+H i jedź dalej. Jest darmowe, wbudowane w Windows 11 i dobrze radzi sobie z krótkimi zrywami. Jeśli mieszkasz w Dokumentach Google, ich Voice Typing jest darmowe i dostępne od ręki wewnątrz dokumentu. Jeśli twoja prawdziwa potrzeba to nagrywanie i streszczanie spotkań, a nie pisanie, darmowy poziom Otter daje ci 300 minut miesięcznie. Płatna aplikacja do dyktowania zaczyna zasługiwać na swoje miejsce w konkretnym momencie: gdy piszesz dłuższe teksty, pracujesz tam, gdzie nie ma zasięgu, albo musisz mówić do aplikacji, do których Win+H nie potrafi wejść. Poniżej tej linii wbudowana opcja jest właściwą odpowiedzią, i wolę, żebyś zatrzymał swoje pieniądze i wrócił, gdy z niej wyrośniesz.

Oto jedna mocna opinia, którą zasadzę w tym artykule: jeśli twoje narzędzie do dyktowania wymaga, żebyś je trenował, to jest rok 1999. Nowoczesne rozpoznawanie mowy działa od ręki na większości akcentów i języków. 45-minutowy rytuał kalibracji, który definiował starą erę Windowsa, był obejściem braku mocy obliczeniowej, a nie funkcją. Pod koniec lat 90. ktoś z mojej rodziny uruchamiał Dragon NaturallySpeaking na pulpicie z Windows 98 i 64 MB RAM. Proces trenowania trwał 45 minut. Czytałeś listę słów, żeby go skalibrować. Potem dyktowanie ledwo działało, może z 70% dokładnością i czterosekundowym opóźnieniem na zdanie. Jeden akapit świątecznego listu zajmował piętnaście minut. Słuchawki poleciały przez pokój. Słuchawki przeżyły; eksperyment nie. Dwadzieścia pięć lat później siedmiolatka z tej samej rodziny podyktowała cały e-mail w 90 sekund, bez trenowania, bez kalibracji. Jeśli narzędzie z 2026 roku wciąż prosi cię, żebyś je wytrenował, zanim zacznie słuchać, to pomysł z 1999 roku w nowej ikonce.

Ceny bez owijania w bawełnę

Cały lokalny proces Whispera jest darmowy dla każdego, kto ma konto: lokalny Whisper, Parakeet, ulepszanie AI na urządzeniu, historia dyktowania, własne skróty — wszystko, bez wymogu metody płatności przy rejestracji. To część, przy której warto się zatrzymać: dyktowanie offline, działające w każdej aplikacji, o którym jest cały ten artykuł, nic nie kosztuje, i nie podajesz karty, żeby je dostać. Whisper Pro dodaje powierzchnię Cloud do transkrypcji opartej na OpenAI, ulepszania AI w chmurze i wyszukiwania w sieci głosem, dla ludzi, którzy chcą najnowszych modeli i odpowiedzi z sieci w jednym narzędziu. Win+H i Google Docs Voice Typing też są darmowe. Otter ma darmowy poziom 300 minut miesięcznie i płatne plany powyżej. Dragon to produkt płatny, którego aktualnej ceny nie mogłem potwierdzić bezpośrednio u Nuance, więc sprawdź ich sklep. Dokładne liczby Whisper Pro znajdziesz na stronie z cennikiem — wprost, na piśmie, bez "już od", a my wysyłamy e-mail przed każdym odnowieniem, więc data i kwota nigdy nie są niespodzianką.

Otwórz teraz pole tekstowe i naciśnij Win+H. Jeśli ten szybki pasek narzędzi pokrywa wszystko, co robisz, to skończyłeś i zaoszczędziłeś sobie pobierania. W chwili, gdy znajdziesz się w pociągu bez zasięgu, albo będziesz mówić do aplikacji, która odmawia słuchania, albo będziesz pisać coś dłuższego niż SMS, to jest ta linia, w której narzędzie, które instalujesz, zaczyna mieć znaczenie. Moja siedmiolatka przekroczyła ją w dniu, w którym chciała napisać do babci z tylnego siedzenia samochodu, gdzie księżyc co chwilę znikał, a Wi-Fi w ogóle się nie pojawiło.