Alternatywa dla Speechnotes, która działa w każdej aplikacji

Czym jest Speechnotes i gdzie ma granice

Speechnotes to darmowy internetowy "notatnik dyktowania" zamieniający mowę na tekst — aplikacja webowa, którą otwierasz w Chrome i po prostu zaczynasz mówić. Jest rozszerzenie Chrome do dyktowania w formularzach internetowych i aplikacja na Androida. Robi to, co robi, naprawdę dobrze: automatyczna interpunkcja, brak wymogu zakładania konta i cena trudna do pobicia.

Pod maską Speechnotes korzysta z silników rozpoznawania mowy wbudowanych w przeglądarkę — od Google i Microsoftu — tak przynajmniej sami to opisują. Ten wybór sprawia, że jest darmowe i natychmiastowe. I dokładnie z tego samego powodu zatrzymuje się tam, gdzie zatrzymuje się przeglądarka.

Mały haczyk, którego nikt nie pisze na stronie głównej: Speechnotes działa tylko w zakładce przeglądarki albo w formularzach internetowych przez rozszerzenie. Nie podyktuje tekstu bezpośrednio do Worda, Slacka, VS Code ani do samodzielnego klienta poczty. Jeśli pracujesz wyłącznie w przeglądarce — spoko. Jeśli połowa twojej pracy odbywa się w aplikacjach desktopowych, spędzasz dzień na przepisywaniu tekstu przez schowek.

Dlaczego ludzie szukają alternatywy

Trzy typy ludzi wyrastają z przeglądarki jako narzędzia do dyktowania: ci, którzy piszą w aplikacjach desktopowych, ci, którzy pracują bez internetu, i ci, którym po prostu znudził się schowek. Dwie z tych grup rzadko wracają do przeglądarki.

Tarcie jest małe, ale się kumuluje. Handlowiec dyktujący notatki do CRM nie potrzebuje zakładki Chrome w obiegu. Prawnik piszący pismo w Wordzie nie chce wklejać tekstu z notatnika. Nuda polega na tym, że większość tych ludzi nie potrzebuje lepszego silnika dyktowania — potrzebuje, żeby dyktowanie działo się tam, gdzie już są.

Drugi powód to łączność. Dyktowanie na żywo w Speechnotes wymaga internetu, bo silnik przeglądarki go wymaga. W pociągu, w samolocie, w budynku ze słabym wi-fi — narzędzie przeglądarkowe po prostu przestaje słuchać. To jest ten moment, gdy ludzie zaczynają szukać "alternatywy".

Naciśnij skrót, dyktuj w dowolnej aplikacji

To jest właściwa różnica i cały sens tego narzędzia. Whisper instaluje się jako natywna aplikacja desktopowa na Windows i macOS. Przytrzymujesz globalny skrót klawiszowy, mówisz, puszczasz — tekst pojawia się w miejscu kursora, w tej aplikacji, która jest aktualnie na pierwszym planie. Word, Slack, Discord, Teams, VS Code, Notion, Obsidian, pole w przeglądarce, klient poczty. Żadnych zakładek. Żadnego kopiowania. Żadnego wklejania.

Domyślny skrót to Ctrl+Space na Windows i Command+Option na macOS — możesz go zmienić, jeśli koliduje z czymś, czego już używasz. Sposób działania to push-to-talk: przytrzymaj, mów, puść, obserwuj jak transkrypt ląduje na miejscu. Tyle.

Zrozumiałem, ile znaczy "dowolna aplikacja", dzięki najmłodszej użytkowniczce. Pewnej soboty dałem desktopową aplikację mojej młodszej córce i pokazałem ruch jeden raz — naciśnij, mów, puść. Napisała 90-słowowy e-mail do babci o wypadającym zębie, nie zadając ani jednego pytania. Dwa dni później wróciła: "nie działa w mojej aplikacji do rysowania". Nie wiedziała, czym jest konflikt skrótów klawiszowych — wiedziała tylko, że słowa nie pojawiły się tam, gdzie była. I to jest właśnie ta poprzeczka. Dyktowanie musi podążać za tobą do aplikacji, w której aktualnie pracujesz — inaczej ludzie po prostu mówią, że to nie działa. Przy dłuższych notatkach ten poradnik o szybszym pisaniu głosem prowadzi przez ten sam przepływ ze skrótem klawiszowym od początku do końca.

Działa bez internetu

Tryb lokalny Whisper działa w całości na twoim komputerze. Podczas transkrypcji internet nie jest potrzebny — jedynym momentem, gdy potrzebujesz połączenia, jest jednorazowe pobranie wybranego modelu, który waży od około 140 MB do 3 GB. Potem możesz odłączyć kabel sieciowy i dyktować dalej.

Jest jedna rzecz, którą powiem wprost i zostawię: dyktowanie wyłącznie przez przeglądarkę to decyzja prywatności, której nie zdajesz sobie sprawy, że podejmujesz. Arkusz wynagrodzeń twojego szefa, e-mail do szkoły dziecka, brief prawny, który piszesz — gdy silnik działa na cudzym serwerze, to audio opuszcza twój laptop, żeby zostać przetranskrybowane. Speechnotes otwarcie przyznaje, że korzysta z silników przeglądarki Google i Microsoftu, które wymagają połączenia. Do listy zakupów — nie ma sprawy. Do czegokolwiek, czego nie wysłałbyś obcej osobie, tryb lokalny jest bezpieczniejszym domyślnym wyborem — twój laptop już ma mikrofon i procesor. Lokalny silnik to ten sam open-source'owy rodzina modeli OpenAI Whisper, który napędza większość tej kategorii.

Offline oznacza też, że po prostu dalej działa. Lot samolotem, piwnica w biurze, kawiarnia z captive portalem — żadne z tych miejsc nie zatrzyma lokalnego modelu.

Darmowe, ale "darmowe" znaczy tu dwie różne rzeczy

Oba narzędzia mogą nie kosztować cię nic. Dochodzą do tego inną drogą i warto powiedzieć wprost, które jest które.

Darmowy tier Speechnotes jest naprawdę darmowy i bezproblemowy: bez instalacji, bez konta, z reklamami, $0 miesięcznie. Tier Premium usuwa reklamy za $1.90 miesięcznie, a osobna usługa transkrypcji plików to $0.10 za minutę nagrania. To są liczby konkurencji, są zweryfikowane — otwórz ich stronę cenową i sprawdź.

Lokalny pipeline Whisper jest darmowy dla zalogowanych użytkowników, bez karty przy rejestracji. Ale "darmowe" tu to nie jest zero wysiłku: pobierasz aplikację desktopową i najpierw zakładasz konto Whisper. Warstwa Cloud — funkcje OpenAI z własnym kluczem — to płatna warstwa Pro, zupełnie osobna sprawa; nie daj sobie wmówić, że darmowy tier lokalny i trial Pro to to samo. Jeśli chcesz liczb, strona cenowa rozkłada je wszystkie bez potrzeby cytowania w środku zdania.

Kiedy Speechnotes wciąż jest lepszym wyborem

Czasem odpowiedź brzmi: "zostań przy Speechnotes" — i wolę to powiedzieć wprost, niż udawać inaczej.

Używaj Speechnotes, jeśli nie chcesz nic instalować, nie chcesz konta i dyktujesz wyłącznie w zakładce przeglądarki. Używaj go na zablokowanym służbowym lub szkolnym komputerze, gdzie dosłownie nie możesz instalować oprogramowania desktopowego — aplikacja webowa omija cały ten problem. Używaj go do szybkiej notatki, gdy otwarcie zakładki jest szybsze niż uruchamianie aplikacji. I używaj go, jeśli $0 bez żadnej konfiguracji to cały wymóg, bo dokładnie to oferuje. Speechnotes nawet twierdzi, że jego dokładność dla języka angielskiego "może łatwo osiągnąć 95%" przy dobrej jakości dyktowania — to ich dane i w środowisku przeglądarkowym się sprawdzają.

Narzędzie desktopowe staje się warte swojej ceny, gdy twoje pisanie jest rozłożone na prawdziwe aplikacje, gdy potrzebujesz go offline lub gdy wolisz nie przesyłać prywatnego audio przez silnik przeglądarki. Jeśli żadne z tych kryteriów cię nie dotyczy, najprostsze darmowe rozwiązanie wygrywa. To nie slogan sprzedażowy. To po prostu uczciwy bilans.

Inne narzędzia warte uwagi

Speechnotes to nie jedyne przeglądarkowe narzędzie do dyktowania, a alternatywy nie mają tego samego kształtu. Krótka, uczciwa mapa:

• SpeechTexter — darmowe dyktowanie w przeglądarce, ten sam silnikowy duch co Speechnotes. Dobre do użytku w przeglądarce, z tym samym ograniczeniem do zakładki.
• Dictation.io — darmowe pisanie głosem oparte na Chrome, też ograniczone do zakładki przeglądarki. Dobre do szybkiego dyktowania w sieci, nie ogólnosystemowe.
• Apple Dictation — wbudowane w macOS i iOS, darmowe i na poziomie systemu, tylko platforma Apple. Solidne przy krótkich dyktandach na Macu.
• Google Docs Voice Typing — darmowe pisanie głosem wewnątrz Google Docs w Chrome. Świetne, jeśli żyjesz w Docs — ograniczone do edytora Docs.
• Whisper by Remskill — ta desktopowa opcja, nad którą pracuję: ogólnosystemowy skrót klawiszowy, tryb offline, Windows i macOS.
• Windows Voice Typing (Win+H) — wbudowane w Windows, darmowe, ogólnosystemowe w dowolnym polu, bez instalacji. Tylko Windows i zmienna jakość. Tutaj przeczytasz, kiedy Win+H zawodzi i co wtedy używać.
• Dictanote — kolejna przeglądarkowa opcja dyktowania; tutaj znajdziesz uczciwy przegląd Dictanote jeśli to narzędzie rozważasz.

Jeśli twoje ulubione narzędzie ciągle urywa dyktowanie w połowie zdania w przeglądarce, to zazwyczaj problem z Chrome, nie z tobą — ta lista rozwiązań dla niedzałającego pisania głosem w Chrome to omawia.

Co bym wybrał i kiedy

Jeśli piszesz w jednej zakładce przeglądarki i cenisz zero konfiguracji — zostań przy Speechnotes. Jest darmowe, uczciwe i działa. Jeśli twój dzień rozkłada się między Wordem, Slackiem, edytorem kodu i skrzynką odbiorczą, albo potrzebujesz dyktowania przy wyłączonym wi-fi — narzędzie desktopowe wpisujące tekst w dowolną aplikację to awans. Whisper obsługuje ponad 90 języków w trybie lokalnym i chmurowym, a na multilingual linii modeli osiąga 99 języków z tłumaczeniem na angielski — warianty tylko-angielskie nie tłumaczą. Wybierz to, co pasuje do miejsca, gdzie naprawdę trafiają twoje słowa.