Nowoczesna aplikacja do dyktowania

Wciśnij skrót, mów, a słowa lądują przy kursorze

Oto mechanika, która definiuje desktopową aplikację do dyktowania. Wciskasz klawisz — domyślnie Ctrl+Space na Windows, czyli skrót push-to-talk, który możesz zmienić. Mówisz zdanie. Zwalniasz klawisz. Sekundę później tekst pojawia się dokładnie tam, gdzie migał kursor.

To "przy kursorze, w dowolnej aplikacji" odróżnia prawdziwą aplikację do dyktowania od strony do transkrypcji. Narzędzie transkrypcji bierze nagrany plik i zwraca ci ścianę tekstu, którą musisz gdzieś skopiować. Aplikacja do dyktowania pomija plik całkowicie. Wpisujesz tam, gdzie chcesz — i właśnie tam pojawia się tekst. To różnica między dyktowaniem listu a przepisywaniem nagrania siebie czytającego ten list.

Prędkość ma większe znaczenie, niż się wydaje. Przeciętnie piszemy około 40 słów na minutę. Mówimy — około 145. To mniej więcej trzy i pół raza szybciej, dlatego narzędzie, które wciskasz na jedną sekundę, może zaoszczędzić ci sporą część popołudnia. Zaległe maile, notatki ze spotkań, dwanaście wariantów cold maila przed lunchem.

Twój komputer już to ma — i czasem to w zupełności wystarcza

Zanim cokolwiek zainstalujesz, wiedz, że prawie na pewno masz już narzędzie do dyktowania. Oba główne systemy operacyjne dostarczają je za darmo.

W Windows 11 wciskasz klawisz Windows + H i pojawia się pasek głosowego wpisywania. Działa, ale jest jeden haczyk: korzysta z rozpoznawania mowy online obsługiwanego przez Azure, więc potrzebuje połączenia z internetem. Bez internetu — bez dyktowania. Możesz też włączyć automatyczne wstawianie interpunkcji.

Na Macu Apple Dictation znajdziesz w Ustawieniach systemowych w sekcji Klawiatura, uruchamiane klawiszem mikrofonu lub wybranym skrótem. Wersja Apple po pobraniu modelu mowy może działać całkowicie lokalnie, bez internetu, a twój głos nie opuszcza komputera. Obsługuje dziesiątki języków — Apple podaje 54 online i 43 dostępnych offline na stronie dostępności funkcji. Czego nie oferuje: własnego słownika, automatycznego poprawiania wypowiedzi przez AI ani wyboru modelu transkrypcji.

Nuda, ale prawda: do krótkich, swobodnych dyktand — 30-wyrazowy SMS, szybkie wyszukiwanie, jednowierszowa odpowiedź — wbudowane narzędzie naprawdę wystarczy. Jest darmowe, już je masz i nie musisz instalować kolejnej ikony w pasku menu, żeby napisać wiadomość do mamy. Jeśli to wszystko, czego potrzebujesz, zamknij tę kartę i naciśnij Win+H albo skrót dyktowania na Macu. Serio.

Jeśli dyktуjesz też na telefonie lub tablecie, który komunikator głosowy pasuje do każdego urządzenia — tu znajdziesz porównanie platform.

Kiedy dedykowana aplikacja zaczyna mieć sens

Kiedy więc wbudowane narzędzie przestaje wystarczać? Zazwyczaj z trzech powodów. Pierwszy to prywatność w trybie offline. Windows voice typing wymaga chmury. Dedykowana aplikacja może działać w całości na twoim procesorze, więc mail do szkoły dziecka czy projekt pisma prawnego nigdzie nie wysyłają. Drugi to dokładność i kontrola: wybór większego modelu, dodawanie słów, które aplikacja ciągle przekręca, automatyczne poprawianie stylu wypowiedzi. Trzeci to coś, co wbudowane narzędzia po cichu pomijają — jednolite działanie w każdej aplikacji, za każdym razem, bez niespodzianek.

Tutaj Whisper by Remskill ma swoje miejsce. To aplikacja desktopowa na Windows i macOS na Apple Silicon. Cały lokalny pipeline jest bezpłatny dla każdego zalogowanego użytkownika — bez karty przy rejestracji. Obejmuje to lokalne silniki transkrypcji, poprawianie przez AI, historię, własny słownik i rejestrację do trzech urządzeń.

Co do silnika: nie dostajesz jednej domyślnej opcji i nie musisz się z nią godzić. Wybierasz. Lokalny Parakeet to najszybsza opcja: około 600 MB, od 5 do 10 razy szybszy niż Whisper na procesorze, obsługuje angielski i 24 inne europejskie języki. Lokalny Whisper jest wolniejszy, ale obsługuje 99 języków, potrafi tłumaczyć mowę na angielski i daje własny słownik oraz większą kontrolę; największy model to około 3 GB. A jeśli chcesz najnowszych modeli chmurowych OpenAI i odpowiedzi z internetu na żywo, jest opcjonalna powierzchnia Pro w chmurze, gdzie przynosisz własny klucz API, a Remskill nie bierze prowizji. Trzy ścieżki — wybierasz w zależności od tego, czy zależy ci na szybkości, językach, czy najnowszej jakości chmurowej.

Szczera opinia: większość aplikacji "AI dictation" to marża, nie model

Mam jedno mocne zdanie i poprem je liczbą. Wiele aplikacji do dyktowania, które pojawiły się w ciągu ostatnich dwóch lat, działa na tym samym silniku: model mowy, który mógłbyś uruchomić samodzielnie, ładny interfejs na wierzchu i miesięczna faktura, która ma niewiele wspólnego z kosztem obliczeń. Droższe opcje biją nawet trzydzieści dolarów miesięcznie.

Pitch deck mówi "zasilane przez AI". Mój wniosek kredytowy też. To zdanie przestało cokolwiek znaczyć. Za co płacisz w aplikacji działającej wyłącznie w chmurze, to wygoda, że ktoś inny uruchamia model — plus koszt prywatności, bo twoje nagranie opuszcza laptop. Jeśli sprawa jest wrażliwa, to nie jest wygoda, to ryzyko.

Właśnie dlatego upieram się, że darmowe lokalne działanie to minimum, nie bonus płatny. Twój laptop ma mikrofon i procesor. Jeden akapit dyktowania nie wymaga serwera po drodze.

Szybki, uczciwy przegląd innych aplikacji do dyktowania

Przed wyborem warto znać krajobraz. Oto te warte wymienienia — jedno zdanie każda, bez owijania w bawełnę.

Kilka pominąłem. Chodzi nie o zapamiętanie listy, lecz o to, że "aplikacja do dyktowania" to szerokie pojęcie obejmujące darmowe narzędzia systemowe, projekty open source, dopracowane subskrypcje i korporacyjne zestawy do sterowania głosem. Wybieraj po tym, co faktycznie robisz, a nie po tym, czyją stronę zobaczyłeś pierwszy.

Dlaczego "jedno wciśnięcie klawisza" jest trudniejsze niż wygląda

Krótka historia, bo to właśnie ona sprawia, że dbam o nudne szczegóły. W sobotę dałem aplikację mojej młodszej córce, która ma siedem lat. Jeden pokaz: wciśnij, mów, zwolnij, wklej. Napisała 90-wyrazowy mail do babci o wypadającym zębie, kursie wymiany zębowej wróżki i zajęciach tanecznych — bez jednego pytania.

Dwa dni później wróciła: "skrót nie działa w mojej aplikacji do rysowania". Przeciętna osoba nie wie, co to konflikt skrótów klawiszowych. Wie tylko, że przestało działać. Tej nocy wypuściłem ustawienia z możliwością zmiany skrótu. Aplikacja do dyktowania przeżywa lub upada na drobiazgach: konflikt, którego nie przewidziałeś, widmowe zwolnienie klawisza na Windows, przez które mój handler kiedyś uruchamiał się sześć razy przy jednym wciśnięciu i kosztował mnie kilka dni i debounce 300ms. Mam tytuł magistra. To debounce i tak dało mi szkołę.

Kiedy nie potrzebujesz aplikacji do dyktowania

To część, którą większość artykułów pomija — więc powiem wprost. Nie potrzebujesz dedykowanej aplikacji do dyktowania, jeśli zachodzi choć jeden z poniższych przypadków.

• Dyktуjesz tylko krótkie, nieformalne rzeczy. SMS-y, wyszukiwania, sporadyczna jednowierszowa odpowiedź. Wbudowane narzędzie obsługuje to za darmo.
• Zawsze jesteś online i nigdy nie dotykasz niczego wrażliwego. Wtedy wbudowane opcje chmurowe albo płatna aplikacja chmurowa w zupełności wystarczą — lokalność nic ci nie da.
• Dyktуjesz wyłącznie w jednym miejscu, np. w jednej karcie przeglądarki. Rozszerzenie przeglądarki obsłuży to bez instalowania aplikacji systemowej. Voice In na przykład to rozszerzenie Chrome działające tylko w przeglądarce.
• Chcesz sterować całym komputerem głosem, a nie tylko wpisywać tekst. To territory komend głosowych — i Dragon robi to lepiej niż jakiekolwiek narzędzie nastawione na dyktowanie.

Dedykowana aplikacja zaczyna się opłacać przy dłuższym, częstszym, bardziej prywatnym i wielojęzycznym dyktowaniu — mniej więcej od momentu, gdy dyktуjesz całe akapity, codziennie, i wolisz, żeby nie opuszczały twojego komputera. Poniżej tej granicy — oszczędź pieniądze. Pełniejsze porównanie darmowych opcji znajdziesz w przewodniku po darmowym oprogramowaniu do dyktowania, szerszym omówieniu oprogramowania do głosowego wpisywania, a jeśli trafiłeś tu z konkretnej aplikacji, w zestawieniu alternatyw dla superwhisper.

Jeśli masz zapamiętać tylko jedno

Aplikacja do dyktowania to po prostu "wciśnij klawisz, mów, słowa pojawiają się tam, gdzie piszesz". Wbudowana opcja w twoim komputerze robi już tę łatwą wersję za darmo. Dedykowana aplikacja jest warta zachodu, gdy potrzebujesz prywatności offline, naprawdę dokładnego tłumaczenia wielojęzycznego albo tego samego zachowania w każdej aplikacji — i nie warta, gdy tego nie potrzebujesz.

Whisper by Remskill dlatego trzyma cały lokalny pipeline za darmo: powinieneś móc znaleźć swoją granicę bez wcześniejszego płacenia. Cennik opcjonalnego Pro w chmurze znajdziesz na stronie cennika. Moja siedmiolatka znalazła tę granicę w jedną sobotę. Ty pewnie będziesz szybszy.