Zamiana mowy na tekst w Google Docs

Otwórz Narzędzia, kliknij Pisanie głosowe, zacznij mówić

Bez instalacji, bez rozszerzenia, bez ulepszania konta. Pisanie głosowe jest już dostarczane wewnątrz Google Docs.

Całość zajmuje za pierwszym razem około trzydziestu sekund, a przy każdej kolejnej wizycie dziesięć. Jeśli okienko mikrofonu w ogóle się nie pojawia, prawie na pewno jesteś w Firefox albo starszej wersji przeglądarki. Przejdź do sekcji rozwiązywania problemów poniżej.

Jeden szczegół, który warto ustawić przed startem: lista rozwijana języka nad mikrofonem. Google Docs obsługuje tam ponad 100 języków i dialektów, w tym długą listę regionalnych wariantów angielskiego, hiszpańskiego i arabskiego. Wybierz właściwy, a dokładność skoczy w tej samej chwili. Zostaw język, którym nie mówisz, a dostaniesz słowną sałatkę czytającą się jak kiepski plik z napisami.

Komendy interpunkcji i skrót, którego potrzebujesz

Oto część, która ludzi zaskakuje. Google Docs nie dodaje interpunkcji za ciebie. Wypowiadasz ją.

Aby zakończyć zdanie, mówisz „kropka”. Dla pauzy — „przecinek”. Masz też „wykrzyknik”, „znak zapytania”, „nowy wiersz” i „nowy akapit”. Więc dyktowanie dwóch zdań brzmi na głos tak: „spotkanie jest potwierdzone kropka wyślij agendę do piątku kropka”. Przez jakieś cztery minuty wydaje się dziwne, a potem wchodzi w pamięć mięśniową, tak jak kiedyś wpisywanie średnika.

Istnieje też szerszy zestaw komend edycyjnych: „zaznacz akapit”, „kursywa” i podobne wyrażenia formatowania i nawigacji. Działają tylko po angielsku i tylko wtedy, gdy zarówno język twojego konta, jak i język dokumentu są ustawione na angielski. Komendy interpunkcji są bardziej wyrozumiałe i działają w większej liczbie języków; to komendy formatowania są zablokowane na angielski.

Krąży też skrót klawiaturowy. Wielu użytkowników i przewodników zewnętrznych podaje, że jest to Ctrl+Shift+S na Windows i Cmd+Shift+S na Macu do przełączania pisania głosowego bez sięgania do menu. Warto wspomnieć, bo bieżąca strona pomocy Google w ogóle nie wymienia żadnego skrótu, więc traktuj go jako „szeroko opisywany i zwykle działa”, a nie jako pewnik. Jeśli na twoim komputerze nic nie robi, droga przez menu zawsze działa.

Ręczna interpunkcja to najwyraźniejsza granica między narzędziem Google a nowszymi narzędziami do dyktowania z AI. Wypowiadanie „przecinek” na głos to cena darmowej funkcji, która od lat niewiele się zmieniła. To nie jest błąd. To po prostu rok 2015 siedzący cicho wewnątrz produktu z 2026.

Działa w karcie przeglądarki, nie na twoim komputerze

Następna sekcja rozstrzyga, czy wbudowane narzędzie ci wystarczy, więc dołączamy obrazek tego, na co patrzysz.

Pisanie głosowe to funkcja Google Docs, co oznacza, że jest funkcją karty przeglądarki, w której Google Docs jest otwarty. Nie ma aplikacji na komputer. Zamknij kartę, a mikrofon odejdzie razem z nią. Dawniejsza opinia „tylko Chrome” jest nieaktualna — strona pomocy Google wymienia teraz Chrome, Edge i Safari. Firefox nadal jest pominięty.

Ile to przywiązanie do przeglądarki cię kosztuje, widać w chwili, gdy twoje pisanie opuszcza dokument. Powiedzmy, że dyktujesz głosem aktualizację projektu w Docs, a potem musisz odpowiedzieć na komentarz w mailu, wkleić notatkę do Slacka i wypełnić komórkę w arkuszu. Mikrofon nie może podążać za kursorem do żadnego z nich. Słyszy cię tylko wewnątrz karty Docs. Dla wielu osób to w porządku — piszą w Docs i nigdzie indziej. Dla reszty to ściana, o którą uderzasz kilka razy dziennie.

Jest też kwestia telefonu. Na telefonie nie pojawia się komputerowe menu Pisania głosowego; aplikacja mobilna Docs zamiast tego polega na wbudowanym mikrofonie dyktowania klawiatury twojego telefonu. Ten mikrofon klawiatury jest przyzwoity, ale to twój system operacyjny wykonuje pracę, a nie Google Docs.

Gdy pisanie głosowe w Google Docs przestaje cię słyszeć

Pisanie głosowe psuje się na kilka przewidywalnych sposobów. Uszeregowane według tego, jak często widziałem, że się to dzieje.

• Brakuje go w menu Narzędzia. Jesteś w nieobsługiwanej przeglądarce. Firefox to zwykły winowajca; starożytna wersja Chrome jest na drugim miejscu. Otwórz ten sam dokument w aktualnym Chrome, Edge lub Safari, a pozycja menu pojawi się ponownie.
• Okienko mikrofonu jest, ale nic się nie wpisuje. Przeglądarka nie ma pozwolenia na mikrofon albo wybrane jest złe urządzenie wejściowe. Sprawdź małą ikonę kamery/mikrofonu na pasku adresu przeglądarki i potwierdź, że karta dokumentu ma zezwolenie. Następnie sprawdź ustawienia dźwięku swojego systemu operacyjnego, aby upewnić się, że domyślny jest właściwy mikrofon — wbudowany mikrofon laptopa i podłączony zestaw słuchawkowy walczą o to.
• Słowa zlewają się razem lub wychodzą zniekształcone. To prawie zawsze dźwięk, nie oprogramowanie. Tani mikrofon USB robi dla dokładności więcej niż jakiekolwiek ustawienie, które możesz zmienić, zwykle więcej niż zmiana modelu. Hałas w tle, wentylator, otwarte okno: wszystko to ląduje w transkrypcji.
• Zatrzymuje się samo po minucie lub dwóch. Pisanie głosowe wstrzymuje się, gdy przez dłuższą chwilę przestaje wykrywać mowę, albo gdy karta traci aktywność. Kliknij mikrofon ponownie, aby wznowić. Jeśli przełączasz się do innego okna, żeby coś przeczytać podczas dyktowania, to właśnie to przełączenie cię wycisza.
• Słowa pojawiają się w złym miejscu albo komendy są wpisywane jako tekst. Jeśli mówisz „nowy akapit”, a słowa „nowy akapit” lądują w twoim dokumencie zamiast podziału wiersza, język twojego konta lub dokumentu nie jest ustawiony na angielski, a komendy edycyjne są tylko po angielsku. Interpunkcja jak „przecinek” i „kropka” jest bardziej wyrozumiała w różnych językach; to komendy formatowania i nawigacji są te restrykcyjne. Sprawdź oba ustawienia języka, jeśli komendy ciągle pojawiają się jako dosłowny tekst.

Jeśli karta dokumentu działa, ale inna aplikacja w ogóle cię nie słyszy, to nie jest problem Google Docs. To znowu przywiązanie do przeglądarki. Żaden krok rozwiązywania problemów tego nie naprawi, bo działa to zgodnie z założeniem.

Jeśli pole mikrofonu w ogóle nie zaczyna nasłuchiwać, zobacz nasz pełny przewodnik o tym, dlaczego pisanie głosowe w Dokumentach Google przestaje działać.

Dyktowanie do Docs bez mieszkania wewnątrz karty przeglądarki

Narzędzie działające w całym systemie zmienia kształt problemu. Whisper by Remskill to aplikacja na komputer, nie rozszerzenie przeglądarki ani dodatek do Docs. Naciskasz skrót gdziekolwiek, mówisz, puszczasz, a tekst jest wklejany przy twoim kursorze — w karcie Google Docs, w mailu, w Slacku, w komórce arkusza, w dowolnym polu tekstowym na komputerze.

Domyślny skrót to Ctrl+Space na Windows. Na Macu jest to naciśnij-i-mów: przytrzymaj razem Command+Option, aby nagrywać, puść dowolny klawisz, aby zatrzymać. Oba są zmienne w ustawieniach, jeśli kolidują z czymś, czego już używasz. Przebieg jest taki sam na obu platformach — przytrzymaj, mów, puść, słowa lądują tam, gdzie jest twój kursor. Pełny przewodnik znajdziesz w naszym przewodniku, jak działa Whisper, a konfiguracje specyficzne dla platform dotyczące zamiany mowy na tekst na Macu i zamiany mowy na tekst na Windows.

Kilka rzeczy, których narzędzie przeglądarkowe strukturalnie nie potrafi, a aplikacja na komputer potrafi:

• Interpunkcja jest automatyczna. Bez mówienia „przecinek” na głos. Transkrypcja dodaje ją za ciebie, więc dyktowanie brzmi jak mówienie, a nie jak czytanie didaskaliów.
• Działa offline. Lokalny potok działa w całości na twoim komputerze przez silnik w czystym Rust, żaden dźwięk nie opuszcza laptopa. Twój na wpół napisany list rezygnacyjny nie robi objazdu przez czyjś serwer.
• Podąża za twoim kursorem wszędzie. Ten sam skrót, który wypełnia akapit w Docs, wypełnia odpowiedź w Gmailu albo stronę w Notion trzydzieści sekund później.

Słowo o modelach, bo ludzie pytają. Lokalnie silnik wybierasz sam — wybór należy do ciebie, nie jest to domyślny, który wybraliśmy za ciebie. Parakeet od NVIDIA to najszybsza opcja lokalna: około 600 MB, od 5 do 10 razy szybszy niż Whisper na CPU, obejmujący angielski plus 24 języki europejskie, 25 w sumie. Wybierz go, jeśli głównie mówisz po angielsku i zależy ci na szybkości.

Lokalne modele Whisper sięgają szerzej. Wielojęzyczne wersje obejmują 99 języków, w tym automatyczne wykrywanie, plus tłumaczenie na angielski. Wybierz je, jeśli potrzebujesz innych języków lub tłumaczenia. Wersje Whisper tylko po angielsku są z założenia zablokowane na angielski, dla najlepszej dokładności, gdy piszesz wyłącznie po angielsku. A jeśli chcesz najnowszej jakości OpenAI z dostępem do sieci, tryb Cloud działa na twoim własnym kluczu OpenAI, obejmując około 57 języków, które OpenAI oficjalnie wymienia. Trzy ścieżki, ty wybierasz. Aplikacja nie wybiera domyślnego za ciebie, czego nauczyłem się na własnej skórze, że jest dokładnie tym, czego ludzie chcą — pierwsza wersja wyszła z już wybranym modelem, a pierwszą rzeczą, jaką robili użytkownicy, było pójście i jego zmiana.

Ten ostatni punkt to dla mnie test śniadaniówki. Wtorkowy wieczór, robienie kanapek i tego samego jogurtu, którego młodsze i tak odmówi zjedzenia, a szkoła chce odpowiedzi na zgodę na wycieczkę do ósmej. Chwytam laptop jedną ręką, przytrzymuję skrót i dyktuję odpowiedź między plastrami ogórka — zatrzymując się raz, żeby zapytać, jak się pisze nazwisko nauczycielki, raz, żeby odpowiedzieć, dlaczego księżyca czasem nie ma. Mail wychodzi, śniadaniówki są zrobione. Chodzi nie o to, że to Docs. Chodzi o to, że mój kursor był w kliencie pocztowym, potem w kalendarzu, potem w aplikacji do notatek, i ten sam klawisz działał we wszystkich trzech. Pisanie głosowe usłyszałoby ten pierwszy i zamilkło dla reszty.

Kiedy pominąć naszą aplikację i użyć wbudowanego narzędzia Google

Powiem to wprost, bo wymaga tego framework, którym się kieruję, i bo to prawda. Jeśli piszesz wewnątrz Google Docs i nigdzie indziej, a wysyłasz krótkie fragmenty — akapit, komentarz, szybką notatkę — użyj Pisania głosowego Google i nic nie instaluj. Jest darmowe, już tam jest, obsługuje ponad 100 języków, a powiedzenie „kropka” kilka razy nie kosztuje cię nic poza godnością.

Granica, gdzie narzędzie działające w całym systemie zaczyna mieć znaczenie, to z grubsza próg 200 słów albo moment, gdy twoje dyktowanie musi opuścić dokument. Jeśli piszesz dłuższe formy, przełączasz się między trzema aplikacjami na godzinę, pracujesz offline w pociągu albo obsługujesz tekst, którego wolałbyś nie wysyłać na serwer, karta przeglądarki staje się wąskim gardłem. Poniżej tej granicy Google cię obejmuje. Bądź ze sobą szczery, po której stronie jesteś.

If you have already crossed that line, here is a Google voice typing alternative that dictates anywhere — including offline.

Jeszcze jedna wbudowana opcja, o której ludzie zapominają. Zarówno Windows, jak i macOS mają własne dyktowanie na poziomie systemu. Na Windows to panel pisania głosowego Win+H; na Macu to dyktowanie systemu operacyjnego, które możesz przypisać do klawisza. One przynajmniej działają poza przeglądarką, w przeciwieństwie do tego od Google. Nie są tak dokładne ani tak kontrolowalne jak dedykowane narzędzie, ale są darmowe i już zainstalowane — warto je wypróbować, zanim sięgniesz po cokolwiek płatnego.

Pisanie głosowe w Google Docs jest darmowe, wbudowane i wystarczające do akapitu naraz wewnątrz karty przeglądarki. W chwili, gdy twoje dyktowanie musi opuścić tę kartę — do maila, na czat, do arkusza, offline w pociągu — mikrofon zostaje z tyłu, bo od początku nie był na twoim komputerze. To nie jest wada do naprawienia. To granica tego, jak daleko może sięgnąć funkcja przeglądarki. Moja siedmiolatka kiedyś podyktowała cały mail do babci, a potem zapytała, dlaczego nie zadziała w jej aplikacji do rysowania. Rozsądne pytanie. Odpowiedzią jest skrót, którego nie obchodzi, w którym oknie jesteś.