Uczciwa alternatywa dla Voice In

Czym jest to porównanie i kto je stworzył

Najpierw od razu wyjaśnię konflikt interesów. To tekst porównawczy, a jedną z dwóch porównywanych rzeczy stworzyłem ja. Dlatego oddam Voice In pełną sprawiedliwość tam, gdzie na nią zasługuje, a potem konkretnie wskażę to jedno miejsce, w którym te dwa narzędzia po prostu robią różne rzeczy.

Nudna prawda jest taka, że Voice In to dobre małe narzędzie. Jest darmowe, instaluje się w jakieś dziesięć sekund, a jeśli jedyne, co kiedykolwiek robisz, to pisanie w Gmailu, w Dokumencie Google albo w polu tekstowym na jakiejś stronie, robi to dobrze. Jeśli to cały Twój świat, możesz spokojnie zamknąć tę kartę. Naprawdę. Pod koniec jest sekcja, która dokładnie mówi, kiedy zostać przy Voice In.

Dla wszystkich, którzy czytają dalej: różnica to przeglądarka. Voice In żyje wewnątrz Chrome i działa tylko tam. W chwili, gdy chcesz dyktować do Worda, Slacka, swojego edytora kodu albo terminala, opuszczasz jedyny pokój, w którym może Cię usłyszeć.

Voice In działa w przeglądarce i tylko w przeglądarce

Oto zdanie, które ma znaczenie, prosto ze strony samego Dictanote: na ten moment Voice In działa wyłącznie wewnątrz przeglądarki. To rozszerzenie do Chrome. Klikasz rozszerzenie, mówisz, a tekst ląduje w tym polu na stronie, które ma fokus. Jak na darmowe narzędzie, to czysty, uczciwy projekt.

Z określenia "rozszerzenie przeglądarki" wynikają dwie rzeczy i obie warto znać, zanim się zdecydujesz.

Po pierwsze, potrzebuje internetu. Voice In do działania wymaga sprawnego połączenia z internetem. Twój głos wędruje na zewnątrz, by zostać rozpoznany, i wraca jako tekst. To w porządku przy hotelowym Wi-Fi, a problem w pociągu jadącym przez tunel.

Po drugie, liczba języków jest naprawdę niejasna. Strona Dictanote w jednym miejscu twierdzi "ponad 100 języków", a w innym "ponad 50 języków". Nie zamierzam przypiąć do tego żadnej liczby, bo oni też tego nie zrobili. Wyraźnie obsługuje wiele języków. Ile dokładnie, ich własny marketing zdaje się nie wiedzieć.

Jest plan darmowy oraz płatny poziom o nazwie Voice In Plus, który dodaje pełniejszy zestaw funkcji: niestandardowe komendy głosowe, tryb zaawansowany, dyktowanie w wielu kartach. Nie podaję ceny Plusa, bo Dictanote nie wymienia jej na stronie, którą czytałem. Jeśli go potrzebujesz, sprawdź ich stronę z cennikiem.

Co dostajesz dodatkowo z Whisper by Remskill

Whisper by Remskill to aplikacja desktopowa, nie rozszerzenie przeglądarki. Naciskasz skrót klawiszowy, domyślnie Ctrl+Space w Windowsie, który możesz przemapować na cokolwiek chcesz, mówisz, puszczasz, a tekst pojawia się tam, gdzie już jest Twój kursor. Word. Slack. Notion. Pole odpowiedzi w kliencie poczty. Wiadomość commita w terminalu. Ten sam skrót działa w każdym z nich, bo dyktowanie nie żyje wewnątrz żadnej pojedynczej aplikacji. Żyje w systemie operacyjnym.

Pipeline jest darmowy dla każdego, kto się zarejestruje, bez karty przy rejestracji. Ten darmowy poziom obejmuje lokalną transkrypcję z ośmioma modelami Whisper lub silnikiem Parakeet, czyszczenie tekstu przez AI za pomocą Ollama, Twoją historię dyktowania, presety, niestandardowe hasła głosowe i pobieranie modeli. Możesz korzystać z niego na maksymalnie trzech urządzeniach.

Dwa lokalne silniki oznaczają, że wybierasz w oparciu o to, czego naprawdę potrzebujesz. Whisper obsługuje 99 języków i potrafi tłumaczyć na angielski, z dokładniejszą kontrolą, taką jak niestandardowe słownictwo i hasła głosowe. Parakeet to silnik o rozmiarze około 600 MB, który obejmuje angielski oraz 24 inne języki europejskie, łącznie 25, i działa 5 do 10 razy szybciej niż Whisper na zwykłym CPU. Żaden z nich nie wymaga GPU.

Jeśli głównie piszesz kod albo dokumentację techniczną, dyktowanie do edytora zamiast do karty przeglądarki zmienia cały dzień. Napisałem o tym więcej w zamiana mowy na tekst do programowania, jeśli to Twoja sytuacja.

Jest też poziom Pro, który dodaje transkrypcję w chmurze OpenAI oraz wyszukiwanie w sieci z użyciem Twojego własnego klucza API. Możesz zobaczyć plany, jeśli chmura to Twoja bajka. Ale lokalny pipeline, ta część, która bije rozszerzenie przeglądarki zasięgiem i prywatnością, nie kosztuje nic.

Bok w bok, karta przeglądarki kontra cały komputer

Oto uczciwa tabela. Żadnych gwiazdek, żadnej kolumny "zwycięzca". Po prostu to, co robi każde narzędzie.

Wzorzec to nie "Voice In jest zły". Wzorzec jest taki, że jedno narzędzie żyje w karcie przeglądarki, a drugie na całej Twojej maszynie. Wybierz to, które pasuje do miejsca, w którym naprawdę piszesz.

Offline ma większe znaczenie, niż ludzie myślą

To jedyna mocna opinia, którą wygłoszę w tym artykule. Dyktowanie wyłącznie w chmurze to katastrofa prywatności czekająca na transkrypcję.

Voice In potrzebuje połączenia z internetem, co oznacza, że Twoja mowa opuszcza Twoją maszynę, by zamienić się w tekst. Przy liście zakupów, kogo to obchodzi. Ale przy mailu do szkoły Twojego dziecka, projekcie umowy albo akapicie o Twojej pensji raczej nie chcesz, by cokolwiek z tego odbywało podróż w obie strony przez serwer, którego nie kontrolujesz.

Przy lokalnym trybie Whisper dźwięk nigdy nie opuszcza Twojego laptopa. Jest transkrybowany na Twoim własnym CPU, w Twoich własnych aplikacjach, bez wymaganego połączenia. Dokładność w trybie lokalnym zwykle mieści się między 95 a 99 procent, w zależności od wybranego modelu. To nie jest "wystarczająco dobre jak na offline" w roli pocieszenia. To główna funkcja.

Jestem typem architekta, który rysuje schemat systemu przed instalacją środowiska uruchomieniowego, a schemat zawsze okazuje się błędny już przy drugim commicie. Spędziłem tydzień, przeinżynierowując ścieżkę offline, zanim przyznałem to, co oczywiste: do jednego akapitu dyktowania Twoja maszyna ma już mikrofon i CPU i nie potrzebuje serwera w tym układzie.

Kiedy zostać przy Voice In

Robiłbym swoją robotę kiepsko, gdybym kazał wszystkim się przesiadać. Czasem Voice In to właściwe narzędzie i oto uczciwe argumenty za pozostaniem.

Jeśli dwa albo trzy z tych punktów Cię opisują, zostań przy Voice In. Jest darmowe i działa. Dzień, w którym Twoje dyktowanie musi wyjść poza kartę przeglądarki, do Worda, do Slacka, do Twojego edytora, to dzień, w którym warto spojrzeć na narzędzie desktopowe. Nie wcześniej.

Jeśli masz zapamiętać tylko jedno

Voice In to przeglądarka. Whisper to cały Twój komputer. Jeśli Twoje pisanie żyje wewnątrz Chrome, Voice In to dobry, darmowy wybór. Jeśli Twoje pisanie żyje w aplikacjach, do których Chrome nie sięga, i wolałbyś, żeby zostało offline, to jest granica, na której się przekraczasz.

Jeśli chcesz szerszego obrazu tego, jak składa się aplikacja do dyktowania działająca w całym systemie, napisałem dłuższe starcie jeden na jednego w uczciwa alternatywa dla superwhisper. Kiedy będziesz gotowy, pobierz Whisper, naciśnij skrót klawiszowy i dyktuj do dowolnej aplikacji, którą masz przed sobą, online albo offline.