Alternatywa dla SpeechTextera, która działa poza przeglądarką

Otwórz zakładkę, mów, patrz jak pisze. To jest SpeechTexter.

Przyznajmy uczciwie: SpeechTexter robi jedno zadanie porządnie. To bezpłatna wielojęzyczna aplikacja webowa do zamiany mowy na tekst — do dyktowania notatek, dokumentów, raportów czy wpisów blogowych. "Pisz głosem", jak mówi strona. Otwierasz stronę, klikasz mikrofon, a aplikacja transkrybuje na żywo, korzystając z rozpoznawania mowy Google w przeglądarce — Web Speech API działającego po stronie serwera Google. Na liście jest ponad 70 języków.

Jedną rzeczą, której większość przeglądarkowyh narzędzi do dyktowania nie ma, a SpeechTexter ma, jest konfigurowalna lista poleceń głosowych. Możesz wypowiedzieć #newparagraph, #newline, #undo czy #redo, a także własne polecenia do wstawiania interpunkcji, gotowych fraz lub uruchamiania akcji — wszystko głosem. Aplikacja automatycznie stosuje wielkie litery, ma podgląd transkrypcji, który można włączyć lub wyłączyć, i eksportuje tekst do pliku .doc lub .txt. Sama strona SpeechTextera deklaruje dokładność "powyżej 90%". To ich liczba, nie moja.

Jeśli dyktuje się wyłącznie do tego jednego edytora i potem kopiuje wynik, to działa. Problem zaczyna się w chwili, gdy pisanie przenosi się gdzie indziej.

Gdzie SpeechTexter się kończy: jedna zakładka Chrome, brak trybu offline, brak innych aplikacji

Trzy mury. I większość ludzi trafia na wszystkie trzy.

Pierwszy mur to przeglądarka. Na komputerze SpeechTexter wymaga najnowszego Google Chrome — inne przeglądarki nie są obsługiwane — na Windows, Mac lub Linux. Jeśli na co dzień używasz Firefoksa lub Safari, musisz przełączyć przeglądarkę, żeby dyktować. Drugi mur to sama zakładka: tekst trafia na stronę SpeechTextera, nie do aplikacji, w której faktycznie piszesz. Nie ma ogólnosystemowego wklejania do Worda, Slacka, Teams, klienta pocztowego ani edytora kodu. Trzeci mur to sieć. Aplikacja korzysta z chmurowego silnika mowy Google, więc potrzebuje połączenia z internetem — strona opisuje błąd "network error" jako skutek słabego połączenia, a trybu offline dla wersji webowej nie ma. Aplikacja na Androida, która kiedyś miała tryb offline, nie jest już wspierana.

Żadna z tych rzeczy nie jest błędem. To po prostu natura narzędzia do dyktowania w przeglądarce. Strona internetowa nie może prawnie sięgać do twoich aplikacji desktopowych, a Web Speech nie transkrybuje bez połączenia z serwerem. Jeśli żaden z tych trzech murów nigdy ci nie przeszkadza, nie potrzebujesz alternatywy. Jeśli zdarzyło ci się dyktować w SpeechTexterze, a potem kopiować tekst do miejsca, w którym naprawdę chciałeś pisać — ten krok kopiuj-wklej to znak, że alternatywa puka do drzwi. Jeśli utknąłeś, bo dyktowanie w Chrome w ogóle nie chce ruszyć, to osobna kwestia — opisałem najczęstsze sposoby naprawy dyktowania głosowego w Chrome na wypadek gdy problem leży po stronie uprawnień mikrofonu albo samego silnika.

Naciśnij skrót klawiszowy i dyktuj do dowolnej aplikacji

Oto różnica między tymi podejściami w jednym zdaniu. Whisper to aplikacja desktopowa, nie strona internetowa. Naciskasz skrót klawiszowy, mówisz, zwalniasz — i tekst pojawia się przy kursorze w dowolnej otwartej aplikacji: w dokumencie Word, wątku na Slacku, wiadomości na Discordzie, czacie Teams, VS Code, Notion, Obsidian, wersji roboczej e-maila, polu w przeglądarce, wszędzie gdzie można pisać. Domyślny skrót to Ctrl+Space na Windows i Command+Option na Mac.

Nie ma żadnej zakładki, do której trzeba wchodzić. Aplikacja, w której jesteś, pozostaje tą aplikacją. Bez kopiowania, bez wklejania, bez przełączania się na Chrome. Spędziłem zatrważająco wiele wieczorów nad tym jednym szczegółem — wklejaniem w miejscu kursora — czyli na czymś, co da się zademonstrować w pięć sekund, ale reliabilne działanie w każdej aplikacji zajmuje miesiąc. Mam tytuł magistra.

To jest ta część, którą ludzie doceniają dopiero wtedy, gdy jej doświadczą. W SpeechTexterze dyktowanie to miejsce, do którego się idzie. Z ogólnosystemowym skrótem klawiszowym dyktowanie to coś, co robi się tam, gdzie już się jest. Moja młodsza córka, która ma siedem lat, sprawdziła to lepiej niż jakakolwiek specyfikacja. Pokazałem jej raz — naciśnij, mów, zwolnij, wklej — i napisała 90-słowny e-mail do babci na Ukrainie o zębie, który właśnie jej wypadł, i kursie wymiany zębowej wróżki. Nie zadała ani jednego pytania o narzędzie. Dwa dni później wróciła z jedyną skargą, która ma znaczenie: "nie działa w mojej aplikacji do rysowania". Nie wiedziała, czym jest konflikt skrótów klawiszowych. Wiedziała tylko, że słowa miały trafiać tam, gdzie patrzy. Tej samej nocy wydaliśmy możliwość konfigurowania skrótu klawiszowego. To cały cel: tekst trafia tam, gdzie ty jesteś.

Aplikacja działa w ponad 90 językach zarówno w trybie lokalnym, jak i chmurowym, a linia modeli wielojęzycznych obsługuje 99+ języków z automatycznym wykrywaniem — warianty modelu tylko dla języka angielskiego pozostają wyłącznie po angielsku, więc nie wliczaj ich do tej puli. Modele wielojęzyczne potrafią też tłumaczyć mowę na angielski w locie, czego przeglądarkowy silnik Web Speech nie robi.

Offline na twoim komputerze, nie na serwerach Google

Tutaj pozwolę sobie na jedną mocną opinię: dyktowanie bez opcji offline — gdzie chmura jest jedyną drogą, a nie wyborem — to katastrofa prywatności czekająca na transkrypcję. Arkusz z wynagrodzeniami szefa, e-mail do szkoły dziecka, notatka prawna pisana w pociągu — żadna z tych rzeczy nie potrzebuje podróży przez serwery dostawcy tylko dlatego, że chciałeś pisać głosem. Transkrypcja chmurowa, którą możesz włączyć kiedy chcesz, jest w porządku. Transkrypcja chmurowa, której nie możesz wyłączyć, to problem. SpeechTexter jest uczciwy w kwestii tego, że działa w chmurze — korzysta z rozpoznawania mowy Google i potrzebuje połączenia. To odpowiada przy liście zakupów. Trudniej to uzasadnić przy wszystkim, czego nie chciałbyś czytać na głos w open space.

Lokalny tryb Whispera działa w pełni offline — podczas transkrypcji internet nie jest potrzebny. Połączenie jest wymagane tylko raz — przy jednorazowym pobraniu modelu, od około 140 MB do 3 GB w zależności od wybranego modelu. Silnik lokalny to ten sam otwartoźródłowy rodzina modeli OpenAI Whisper który napędza znaczną część tej kategorii aplikacji. Potem każde słowo zostaje na twoim komputerze. W samolocie, na służbowym laptopie z odciętą siecią, w pokoju, gdzie Wi-Fi jest raczej teorią — aplikacja nadal działa.

Widziałem, jak jeden zespół narobił sobie pięciocyfrowego rachunku w chmurze w ciągu jednego kwartału, dyktując nagrania stand-upów — głównie dlatego, że pętla "inteligentnego ponawiania" transkrybowała to samo audio cztery razy. Dyrektor finansowy otworzył dashboard na kwartalnym przeglądzie i w sali zrobiło się bardzo cicho. Chmura ma swoje miejsce. Powinna być wyborem, a nie jedyną dostępną drogą.

Bezpłatne bez konta, ale "bezpłatne" oznacza tu różne rzeczy

Oba narzędzia są darmowe na start, a to słowo robi inną robotę w każdym przypadku. SpeechTexter jest darmowy w najczystszym sensie: bez pobierania, bez instalacji, bez rejestracji — klikasz mikrofon i dyktuje. Nic do konfigurowania, nigdzie nie trzeba się logować. To prawdziwa zaleta i nie zamierzam udawać inaczej.

Lokalny tryb Whispera jest też bezpłatny, ale "bezpłatny" oznacza tu, że pobierasz aplikację desktopową, zakładasz konto Whisper, a przy pierwszym uruchomieniu pobierasz model. Kilka minut z góry zamiast zera. W zamian dostajesz ogólnosystemowy skrót klawiszowy, transkrypcję offline i zachowanie "kursor podąża za tobą". Warstwa chmurowa — funkcje OpenAI, własny klucz API — to osobny płatny poziom Pro; nie myląc bezpłatnej lokalnej aplikacji z tamtym. Pełne zestawienie znajdziesz na stronie cennika. W skrócie: lokalne dyktowanie nic nie kosztuje i nigdy nie wygasa.

Uczciwa odpowiedź to: to jest wymiana. SpeechTexter nie wymaga konfiguracji ani konta, ale w zamian trzyma cię w jednej zakładce w chmurze. Whisper wymaga pobrania i rejestracji, ale w zamian daje dostęp do każdej aplikacji i tryb offline. Wybierz koszt, który wolisz zapłacić.

Kiedy SpeechTexter nadal jest lepszym wyborem

W kilku konkretnych sytuacjach całkowicie pominąłbym aplikację desktopową — i SpeechTexter wygrywa je bez walki.

Jeśli używasz komputera, na którym nie możesz instalować oprogramowania — komputera bibliotecznego, szkolnego, służbowego laptopa z blokadą administracyjną — SpeechTexter działa w zakładce przeglądarki i od nikogo nie wymaga zgody. Jeśli dyktuje się tylko od czasu do czasu, akapit tu, akapit tam, model bez instalacji i bez konta jest naprawdę mniej kłopotliwy niż pobieranie czegokolwiek. Jeśli faktycznie korzystasz z konfigurowalnej listy poleceń głosowych — mówisz #newparagraph i #undo, żeby formatować na bieżąco — to konkretny przepływ pracy, który SpeechTexter wspiera, i desktopowe narzędzie ze skrótem klawiszowym nie odtworzy go tak samo. A jeśli i tak piszesz głównie w jednym edytorze webowym i rzadko kopiujesz wyniki, zakładka to nie mur, to po prostu miejsce, w którym pracujesz. We wszystkich tych przypadkach: otwórz speechtexter.com, kliknij mikrofon i nie komplikuj. Skierowanie cię do właściwego bezpłatnego narzędzia, gdy to właśnie jest właściwy wybór, jest tu celem.

Inne narzędzia do dyktowania warte uwagi

SpeechTexter i Whisper to nie jedyne opcje. Szybka i uczciwa mapa rynku:

• Speechnotes — kolejny bezpłatny notatnik do dyktowania w przeglądarce, ten sam kształt co SpeechTexter — związany z zakładką. Jeśli też go rozważasz, sprawdź porównanie alternatyw dla Speechnotes.
• Dictation.io / Dictanote — bezpłatne narzędzia do dyktowania oparte na Chrome; ten sam limit zakładki przeglądarki, brak ogólnosystemowego wklejania.
• Speechify — produkt AI do czytania i pracy głosem, który oferuje też dyktowanie; pozycjonuje się jako alternatywa dla SpeechTextera.
• LilySpeech — narzędzie do dyktowania na Windows korzystające z silnika opartego na Chrome do wpisywania do aplikacji; wygodne na Windows, ale uzależnione od tego zestawu.
• Apple Dictation — wbudowane w macOS i iOS, bezpłatne, dobre do krótkich dyktowań, tylko jedna platforma.
• Windows Voice Typing (Win+H) — wbudowane w Windows, dyktuje ogólnosystemowo do większości pól tekstowych, bezpłatne, bez instalacji. Jeśli sprawia problemy, przewodnik po alternatywach dla Win+H wyjaśnia, czego użyć zamiast.

Podział jest prosty. Narzędzia przeglądarkowe (SpeechTexter, Speechnotes, Dictation.io) są bezpłatne i nie wymagają instalacji, ale są przywiązane do zakładki i zależne od chmury. Dyktowanie systemowe (Win+H, Apple) działa ogólnosystemowo i jest bezpłatne, ale tylko na jednej platformie i jakość jest różna. Aplikacje desktopowe takie jak Whisper działają ogólnosystemowo, obsługują tryb offline i są wieloplatformowe — kosztem jednego pobrania.

Więc co bym wybrał naprawdę

Jeśli chcesz jak najszybszego dyktowania na komputerze, na którym nie możesz nic instalować, zostań przy SpeechTexterze — jest darmowy, natychmiastowy, a lista poleceń głosowych to miły dodatek. Do wszystkiego innego — pisania w swoich prawdziwych aplikacjach, pracy offline, trzymania wrażliwego tekstu na własnym komputerze — sięgnąłbym po aplikację desktopową z ogólnosystemowym skrótem klawiszowym. Dyktowanie osiąga około 145 słów na minutę wobec mniej więcej 40 przy pisaniu, więc wąskim gardłem nigdy nie były palce — były to mury wokół słów. Wybierz narzędzie z najmniejszą liczbą murów dla tego, co robisz. Jeśli chcesz poczuć różnicę, zobacz, jak naprawdę działa dyktowanie głosowe we wszystkich aplikacjach.

SpeechTexter to dobre, bezpłatne narzędzie, które robi dokładnie to, co obiecuje — w jednej zakładce Chrome. Dzień, w którym twoje pisanie opuści tę zakładkę — przeniesie się do e-maila, czatu, edytora, notatek — to dzień, w którym zaczniesz chcieć, żeby dyktowanie szło z tobą. To jedyna prawdziwa różnica. I jest duża. Moja siedmiolatka rozgryzła to w dwa dni i jeden raport o błędzie. Reszta z nas też powinna dać radę.