Alternatywa dla Dictation.io, która działa w każdej aplikacji

Czym jest Dictation.io (darmowe dyktowanie w sieci)

Dictation.io to darmowe, przeglądarkowe narzędzie do rozpoznawania głosu, które zamienia mowę w tekst w czasie rzeczywistym — stworzone do dyktowania e-maili i dokumentów. Stworzył je Digital Inspiration — Amit Agarwal, ten sam człowiek, który stoi za labnol.org. Bez pobierania, bez instalacji, bez rejestracji: otwierasz stronę w Chrome i zaczynasz dyktować. Nie ma też strony z cenami ani płatnego planu. Darmowy znaczy tu naprawdę darmowy — i to jest cały urok.

Dwie rzeczy sprawiają, że to coś więcej niż zwykłe pole tekstowe. Po pierwsze, polecenia głosowe: powiedz "New line", żeby przejść do nowej linii, "New paragraph", żeby zrobić akapit, albo nawet "Smiling Face", żeby wstawić :-). Interpunkcja, formatowanie i emotikony — wszystko głosem. To miły drobiazg, który większość szybkich narzędzi do dyktowania pomija. Po drugie, silnik: Dictation.io używa Google Speech Recognition, czyli przeglądarkowego Web Speech API, do właściwej transkrypcji. To opis samego Dictation.io, który tłumaczy zarówno jego mocne strony, jak i ograniczenia.

Te ograniczenia nie są ukryte — wynikają wprost z projektu. Strona wymienia Google Chrome w wymaganiach systemowych. Działa na Windows, Mac i Linux, ale tylko w karcie Chrome. A ponieważ Google Speech Recognition działa w chmurze, potrzebne jest połączenie z internetem — trybu offline nie ma.

Sufit karty przeglądarki

Oto ten sufit, bez owijania w bawełnę. Tekst z Dictation.io żyje w polu edytora wewnątrz karty Chrome. Nie ma globalnego wklejania — kopiujesz tekst i wklejasz go tam, gdzie faktycznie powinien trafić. Ten krok kopiuj-i-wklej wydaje się drobiazgiem, dopóki nie robisz go czterdzieści razy dziennie.

Pomyśl, gdzie twoje słowa naprawdę muszą trafić. Odpowiedź w Slack. Zgłoszenie w Jira. Komentarz w edytorze kodu. Wiadomość w Teams, na którą czeka szef. Dictation.io nie może pisać bezpośrednio w żadnym z tych miejsc, bo nie widzi nic poza własną kartą. Przeglądarkowy sandbox robi swoje; tyle że to nie jest twoje zadanie.

To też tylko transkrypcja — bez porządkowania tekstu przez AI. Dostajesz dokładnie to, co powiedziałeś: dosłownie, z "yyy" i fałszywymi startami, i sam to poprawiasz. Przy jednorazowym akapicie — w porządku. Przy dziesiątym mailu tego ranka porządkowanie jest właśnie tą pracą, którą chciałeś ominąć.

Nuda tego faktu jest taka: przeglądarkowe narzędzia do dyktowania to problemy z pisaniem w przebraniu mikrofonu. Przesuwają wąskie gardło z palców na schowek. Rozwiązaniem nie jest szybszy kopiuj-wklej — lecz całkowite pozbycie się tej czynności.

Dyktowanie, które pisze w każdej aplikacji

To jest właśnie to, czego karta przeglądarki strukturalnie nie potrafi. Whisper to aplikacja desktopowa, nie strona internetowa, więc nie jest niczym związana. Trzymasz skrót, mówisz, zwalniasz — i tekst pojawia się w miejscu kursora, w dowolnej aplikacji, w której właśnie pracujesz.

Domyślny skrót to Ctrl+Space na Windows i Command+Option na Macu. Działa w Word, Slack, Discord, Teams, VS Code, Notion, Obsidian, klientach poczty, polach w przeglądarce i praktycznie wszędzie tam, gdzie można wpisywać tekst. Żadnej karty do utrzymywania w fokusie. Żadnego pola, z którego trzeba coś kopiować. Przepływ zamiast "otwórz stronę, dyktuj, zaznacz, kopiuj, przełącz aplikację, wklej" staje się po prostu "naciśnij, mów, zwolnij". Mniej kroków, nie szybsze kroki — o to właśnie chodzi w robieniu tego na desktopie.

Whisper porządkuje też surową transkrypcję zamiast zostawiać ci dosłowny bałagan. Ulepszanie przez AI działa na wierzchołku transkrypcji — bezpłatnie w trybie lokalnym, z opcją chmurową w Pro — plus odpowiedzi z sieci w Pro. Dictation.io oddaje ci dokładnie to, co powiedziałeś; Whisper może podać ci już wyczyszczoną wersję. W naszych własnych testach trybu lokalnego dokładność transkrypcji zazwyczaj mieści się między 95% a 99%, przy czym większe modele plasują się na górze tego przedziału.

Uczciwa uwaga na temat słowa "darmowy", bo znaczy ono różne rzeczy w różnych miejscach. Dictation.io jest darmowy i nie wymaga żadnej konfiguracji: bez konta, bez instalacji, jedno kliknięcie. Lokalny pipeline Whisper jest też darmowy dla każdego zalogowanego użytkownika — bez karty przy rejestracji. Ale Whisper wymaga konta i jednorazowego pobrania modelu przed pierwszym dyktowaniem. Ta wymiana — kilka minut konfiguracji raz na zawsze — daje globalny skrót klawiszowy i tryb offline. Czy warto, zależy od tego, jak często dyktuje się poza przeglądarką. Jeśli chcesz tego samego przepływu "naciśnij i wklej", nasz przewodnik po pisaniu szybciej głosem przeprowadza przez wszystko krok po kroku.

Offline i prywatny domyślnie

Tu różnica przestaje dotyczyć wygody, a zaczyna dotyczyć tego, dokąd trafia twój głos.

Dictation.io mówi, że przechowuje przekonwertowany tekst lokalnie w przeglądarce i że "żadne dane nie są nigdzie przesyłane". To prawda — dla tekstu. Dźwięk to osobna historia. Ponieważ rozpoznawanie mowy działa w chmurze Google Speech Recognition, twój głos jest strumieniowany na serwery Google, żeby mógł być tam transkrybowany. Obietnica lokalnego przechowywania dotyczy wynikowego tekstu, nie nagrania, które go wytworzyło. Dictation.io nie jest więc "w pełni prywatny". Twój tekst zostaje na miejscu; twój głos — nie.

To nie jest zarzut konkretnie wobec Dictation.io — tak działa każde narzędzie oparte na Web Speech API. Przeglądarka wysyła dźwięk do rozpoznawacza w chmurze. Jeśli chcesz zrozumieć to ograniczenie u źródła, dokumentacja Web Speech API na stronach Mozilli wyjaśnia dokładnie, co przeglądarka robi, a czego nie robi na urządzeniu.

Między nami mówiąc, dyktowanie wyłącznie do chmury bez trybu offline to katastrofa prywatności czekająca na transkrypcję. Arkusz płac szefa, e-mail do szkoły dziecka, szkic pisma prawnego — nic z tego nie powinno opuszczać twojego komputera tylko dlatego, że chciałeś pisać głosem. Lokalny tryb Whisper trzyma dźwięk na urządzeniu. Działa całkowicie offline; połączenie potrzebne jest tylko do jednorazowego pobrania modelu, które waży od około 140 MB do 3 GB w zależności od wybranego modelu. Potem sieć może być wyłączona, a dyktowanie działa nadal. Dla kogoś pracującego w regulowanej branży to nie jest fajny dodatek. To wymóg.

Ponad 100 języków w karcie vs 90+ na twoim komputerze

To łatwo przedstawić w korzystnym świetle i nie zamierzam tego robić. Własna strona języków Dictation.io mówi, że jej silnik Google Speech potrafi transkrybować "ponad 100 języków", a w tabeli wymieniono około 130 wariantów regionalnych. To realna i duża liczba. To też liczba chmurowa: te języki żyją na serwerach Google, dostępnych przez kartę Chrome.

Whisper obsługuje ponad 90 języków zarówno w trybie lokalnym, jak i chmurowym. Wielojęzyczne modele osiągają 99-plus z automatycznym wykrywaniem; modele zoptymalizowane pod angielski z rozszerzeniem .en obsługują wyłącznie angielski, więc nie licz ich do wielojęzycznego salda. Uczciwe ujęcie to nie "mamy więcej języków". To "nasze działają na twoim komputerze". Większa liczba nagłówkowa Dictation.io pochodzi ze strumieniowania twojego dźwięku do Google; ponad 90 języków Whisper działa lokalnie, offline, bez karty i bez wysyłania czegokolwiek. Wybieraj na podstawie tego, dokąd ma trafiać twój głos, nie na podstawie tego, która liczba jest większa.

Inne darmowe przeglądarkowe narzędzia do dyktowania

Dictation.io nie jest jedynym narzędziem w kategorii dyktowania w przeglądarce. Jeśli ono nie pasuje, jego najbliżsi kuzyni też nie będą pasować — wszystkie mają ten sam sufit karty Chrome.

• Speechnotes — darmowy internetowy "notatnik dyktowania", ograniczony do karty przeglądarki, tak jak Dictation.io. Omówiliśmy zamiennik desktopowy w naszym przewodniku po alternatywach dla Speechnotes.
• SpeechTexter — darmowe wielojęzyczne dyktowanie w przeglądarce, tylko w Chrome na desktopie, z własną konfigurowalną listą poleceń głosowych. Ta sama kategoria; zestawienie alternatyw dla SpeechTexter omawia te same kompromisy.
• Dictanote i podobne narzędzia — strony do pisania głosem w przeglądarce oparte na rozpoznawaniu mowy w Chrome. Wygodne w karcie, bez globalnego wklejania.
• Google Docs Voice Typing — wbudowane w Dokumenty Google, darmowe, działa dobrze w ramach jednego dokumentu, przywiązane do tej karty.
• Windows Voice Typing (Win+H) i Apple Dictation — wbudowane w system operacyjny, darmowe, bez instalacji i naprawdę systemowe. Każde obsługuje tylko jedną platformę i jakość bywa różna, ale jeśli jesteś na jednym systemie i chcesz zero instalacji, warto spróbować najpierw tych.

Wzorzec we wszystkich tych narzędziach: darmowe i wygodne w przeglądarce lub na jednym systemie, bez trybu offline i bez wklejania między aplikacjami w wersjach webowych. To właśnie luka, którą wypełnia aplikacja desktopowa. Jeśli dyktowanie w przeglądarce całkowicie przestało działać, to zwykle problem z uprawnieniami Chrome — dlaczego pisanie głosem przestaje działać w Chrome wyjaśnia, jak to naprawić.

Kiedy Dictation.io jest nadal lepszym wyborem

Nie zamierzam udawać, że Whisper wygrywa w każdym przypadku. Czasem Dictation.io jest właściwą odpowiedzią i powiem ci dokładnie kiedy.

Jeśli dyktuj wyłącznie w jednej karcie Chrome i twój internet jest niezawodny, Dictation.io jest darmowy, otwiera się jednym kliknięciem i nie wymaga niczego zainstalowanego. Do jednorazowego pola dyktowania instalowanie czegokolwiek to przesada. Na zablokowanym firmowym komputerze, gdzie nie można instalować oprogramowania, przeglądarkowe narzędzie może być jedyną dozwoloną opcją. A jeśli używasz Linuxa — Dictation.io działa tam w Chrome, podczas gdy Whisper na desktopie nie; dostarczamy wyłącznie Windows i macOS. To realna przewaga Dictation.io, nie tylko przypis. (Spędziłem więcej wieczorów, niż chciałbym przyznać, walcząc z budowaniem aplikacji desktopowej działającej na różnych systemach; "działa po prostu w Chrome" to uczciwa zaleta.) Jego głosowe polecenia dla interpunkcji i emotikonów to mały, ale prawdziwy urok, jeśli tak lubisz dyktować.

Granica jest prosta. Okazjonalne dyktowanie w przeglądarce z dostępem do internetu: Dictation.io, bez nadmiernego filozofowania. Codzienne dyktowanie, które musi trafiać do prawdziwych aplikacji, działać offline i trzymać dźwięk na twoim komputerze: tu aplikacja desktopowa zarabia na swoje miejsce.

Ile kosztuje Whisper

Lokalny pipeline Whisper — dyktowanie na desktopie, globalny skrót klawiszowy, tryb offline, porządkowanie przez AI — jest darmowy dla każdego z kontem, bez karty przy rejestracji. To obejmuje całe powyższe porównanie. Whisper Pro dodaje warstwę Cloud — transkrypcję w chmurze, ulepszanie przez AI w chmurze, głosowe odpowiedzi z sieci — na wierzch darmowego trybu lokalnego. Liczby i zawartość każdego planu znajdziesz na stronie cenowej. Przejście z Dictation.io na dyktowanie desktopowe nic nie kosztuje — możesz sprawdzić za darmo.