Zamiana mowy na tekst w Google Keep: w telefonie tak, w przeglądarce nie

Dotknij mikrofonu, mów, masz notatkę. W telefonie, rzecz jasna

Oto element, który Google Keep robi dobrze. W aplikacjach na Androida i iPhone'a otwierasz nową notatkę, dotykasz ikony mikrofonu i mówisz. Keep zapisuje to, co mówisz, i wstawia tekst prosto do notatki. Zapisuje też oryginalne nagranie audio pod tekstem, więc dostajesz jedno i drugie — słowa i nagranie — zsynchronizowane na wszystkich urządzeniach, na których się logujesz.

Mówić możesz nawet przez około dziesięć minut. Transkrypcja pojawia się jako zwykły, edytowalny tekst, więc poprawisz wszystko, co Keep źle usłyszał. Na Androidzie możesz też uruchomić ją bez użycia rąk komendą „OK Google”, co przydaje się, gdy obie ręce masz zajęte czymś innym.

Język zależy od ustawień klawiatury i wprowadzania głosowego, a nie od ustawienia wewnątrz Keep. To często ludzi gubi — szukają listy rozwijanej z językiem w samej notatce, a jej tam nie ma. Zmieniasz go tam, gdzie zmieniasz język klawiatury.

Do szybkiego notowania w biegu trudno o coś lepszego. Jest za darmo, jest wbudowane i zapisuje nagranie na wypadek, gdyby transkrypcja przeoczyła jakieś słowo. Trzeba to docenić.

Haczyk: w przeglądarkowej wersji Keep nie ma przycisku głosu

Teraz część, którą strony marketingowe pomijają. Otwórz keep.google.com w Chrome, Edge, Firefoksie albo Safari na komputerze i poszukaj tego mikrofonu. Nie ma go. Wersja Google Keep na komputer i w przeglądarce nie ma wbudowanego dyktowania ani przycisku notatki głosowej. Pierwszy wynik na dokładnie to wyszukiwanie mówi wprost: zamiana mowy na tekst jest w aplikacji mobilnej, ale nie w przeglądarkowej wersji Google Keep.

Ludzie mylą to z Google Docs i trudno się dziwić — oba to Google, w obu można pisać. Ale Docs ma własne pisanie głosowe na komputerze w menu Narzędzia, a Keep nie. To osobne produkty. Keep w przeglądarce zostaje przy myszce i klawiaturze.

Jeśli więc większość notatek robisz przy biurku, natywna funkcja, o której czytasz, Cię nie dotyczy. Masz trzy uczciwe sposoby na dyktowanie do Keep na komputerze: rozszerzenie do przeglądarki, które działa tylko w karcie Chrome albo Edge, wbudowane dyktowanie Twojego systemu operacyjnego, albo ogólnosystemowe narzędzie na komputer. Do wszystkich trzech jeszcze wrócę.

A nawet w telefonie notatka głosowa Keep działa w chmurze — wymaga połączenia z internetem i nie działa offline. „Czy zamiana mowy na tekst w Google Keep działa offline” to jedno z najczęstszych pytań, jakie zadają ludzie, a uczciwa odpowiedź brzmi: nie. Dwie inne osobliwości: nie dodaje żadnej interpunkcji ani formatowania, więc dostajesz surowy blok słów do samodzielnego rozstawienia przecinków, a oryginalne nagranie audio jest zawsze zapisywane obok transkrypcji — niezależnie od tego, czy chciałeś to nagranie, czy nie. Nic z tego nie psuje listy zakupów. Zaczyna mieć znaczenie, gdy dyktujesz coś, co wolałbyś zachować dla siebie.

Tu postawię sprawę jasno: dyktowanie wyłącznie w chmurze to katastrofa prywatności czekająca, by się wydarzyć. Notatka do nauczyciela Twojego dziecka, na wpół ukształtowana myśl o szefie, adres odczytany na głos — nic z tego nie musi odbywać podróży tam i z powrotem przez serwer tylko dlatego, że nie chciało Ci się pisać. Twój laptop ma już mikrofon i procesor. Do jednego akapitu nie potrzebuje niczego więcej w tym obiegu.

Dyktuj do Google Keep na komputerze za pomocą skrótu klawiszowego

Oto rozwiązanie na komputer. Whisper to natywna aplikacja na Windows i macOS, która daje Ci jeden globalny skrót klawiszowy: naciskasz go, mówisz, puszczasz, a Twoje słowa pojawiają się przy kursorze — w tym polu, w którym akurat stoi kursor. Dotyczy to też notatki Keep otwartej w przeglądarce, tytułu albo treści, po jednym polu naraz.

Cały proces jest krótki. Otwierasz keep.google.com, klikasz w treść nowej notatki, przytrzymujesz skrót, mówisz zdanie i puszczasz. Tekst się wstawia. W Windows domyślny skrót to Ctrl+Space; w macOS przytrzymujesz razem Command+Option i puszczasz, by zatrzymać. Możesz go zmienić w ustawieniach, jeśli koliduje z czymś innym.

Ponieważ skrót działa na poziomie systemu operacyjnego, nie jest przywiązany do Keep ani do karty przeglądarki. Ten sam klawisz dyktuje do Gmaila, Slacka, Twojego edytora kodu, dokumentu Word i paska wyszukiwania. Keep to po prostu jedno z miejsc, w których akurat ląduje tekst. To różni go od rozszerzenia przeglądarki w stylu Voice In, które działa tylko w karcie Chrome albo Edge i nigdy nie opuszcza przeglądarki.

Jedno uczciwe ograniczenie: Whisper wpisuje tekst. Nie nagrywa ani nie dołącza pliku audio tak, jak robi to mobilna notatka Keep. Jeśli zależy Ci właśnie na zapisanym nagraniu, to powód, by sięgnąć po funkcję Keep w telefonie, a nie po to.

Cała aplikacja, na żywo

To jest faktyczna aplikacja, nie zrzut ekranu. Sam wybierasz, jak działa transkrypcja — nie ma narzuconej opcji domyślnej. Lokalny Whisper obsługuje ponad 90 języków i działa w całości na Twoim urządzeniu. Wielojęzyczna linia modeli sięga konkretnie ponad 99 języków z automatycznym wykrywaniem; warianty tylko dla angielskiego dobrze radzą sobie z jednym językiem. Jest też szybsza opcja lokalna do dyktowania po angielsku i w językach europejskich oraz ścieżka chmurowa, jeśli podasz własny klucz OpenAI.

Wybierasz zależnie od tego, czego potrzebujesz: szybkości, zasięgu językowego albo najwyższej jakości. Aplikacja pokazuje opcje i schodzi z drogi. Poklikaj w osadzony widok powyżej — to dokładnie to, co byś zainstalował.

Posprzątaj dyktowanie automatycznie

Pamiętasz problem Keep z brakiem interpunkcji? Tu się on rozwiązuje. Whisper może uruchomić opcjonalny przebieg porządkowania przez AI na surowej transkrypcji. Dodaje interpunkcję, poprawia oczywiste potknięcia i porządkuje tekst, zanim trafi do Twojej notatki.

To porządkowanie działa lokalnie w trybie darmowym, albo przez Twój własny klucz OpenAI, jeśli włączyłeś funkcje chmurowe. Tak czy inaczej, to, co trafia do Twojej notatki Keep, jest czystym akapitem, a nie ścianą słów pisanych małymi literami, które musisz ręcznie przedzielać przecinkami. Przy dłuższych notatkach — podsumowaniu spotkania, wpisie do dziennika, szkicu maila wklejonym do notatki — ten jeden przebieg oszczędza czas redagowania, który sprawia, że dyktowanie wydaje się większym wysiłkiem niż pisanie.

Offline i prywatnie

Tryb lokalny Whispera działa w pełni offline. Podczas transkrypcji nie jest wymagany internet, a dźwięk nigdy nie opuszcza Twojego komputera. Połączenie potrzebne jest tylko raz, przy jednorazowym pobraniu modelu, który waży od około 140 MB do 3 GB, w zależności od tego, który wybierzesz. Potem możesz dyktować do notatki Keep w pociągu bez zasięgu — słowa wchodzą, głos zostaje w domu.

To praktyczna odpowiedź na poruszoną wcześniej kwestię prywatności. Notatka głosowa Keep za każdym razem wysyła Twoją mowę na serwer. Lokalny Whisper nie wysyła jej nigdzie. Przy liście zakupów nikogo to nie obchodzi. Przy czymkolwiek, co powiedziałbyś ściszonym głosem, to różnica, która ma znaczenie.

Najbardziej zauważam to w nudnych chwilach. W zeszły wtorek podyktowałem maila do nauczyciela, odpowiedź na ogłoszenie o mieszkaniu i listę zakupów, w tej kolejności, robiąc przy tym kanapki do pudełek śniadaniowych — plasterki ogórka, jogurt, którego młodsze odmówi. Whisper poradził sobie z przejściami, łącznie z pauzą, gdy zapytałem, jak przeliterować nazwisko nauczyciela. Mail poszedł, pudełka śniadaniowe były gotowe i nic z tego nie dotknęło serwera. Kiedyś zajmowało mi to piętnaście minut pisania jedną ręką.

Kiedy zamiast tego użyć głosu z Androida w samym Keep

Tu powiem Ci, żebyś odpuścił sobie moje narzędzie. Jeśli z Google Keep korzystasz wyłącznie w telefonie i masz zasięg, po prostu użyj wbudowanej notatki głosowej. Otwierasz aplikację, dotykasz mikrofonu, mówisz, gotowe. Jest za darmo, jest już zainstalowana, a nawet zapisuje nagranie audio na wypadek, gdyby transkrypcja czegoś nie wychwyciła. Do złapania myśli w alejce supermarketu żadna aplikacja na komputer nie pobije telefonu, który już masz w ręce.

Sięgnij po narzędzie na komputer, gdy spełniony jest jeden z trzech warunków: robisz notatki na komputerze, a przeglądarkowa wersja Keep zostawiła Cię bez przycisku; chcesz, żeby działało offline, a dźwięk pozostawał na Twoim urządzeniu; albo chcesz czysty tekst z interpunkcją bez nagrania Twojego głosu doczepionego do całości. Jeśli żaden z nich to nie Ty, mikrofon w telefonie to właściwy wybór.

Część, która konkuruje z Keep, jest darmowa

Notatka głosowa Google Keep jest darmowa, więc to nie cena rozstrzyga to porównanie. Lokalny mechanizm Whispera — dyktowanie offline, które wpisuje tekst do dowolnej aplikacji, łącznie z Keep w przeglądarce — jest darmowy dla zalogowanych użytkowników, bez karty na start. Funkcje chmurowe, które dodają Twój własny klucz OpenAI do transkrypcji w chmurze i odpowiedzi z sieci, stanowią płatny poziom. Pełne liczby znajdziesz na stronie z cennikiem Whispera; nie będę ich tu przytaczał, bo część, która konkuruje z Keep, to ta darmowa. Prawdziwa różnica wobec Keep nie tkwi w koszcie — tkwi w tym, gdzie to działa i co robi z Twoim dźwiękiem.

Mikrofon w telefonie to właściwe narzędzie do alejki supermarketu. Do biurka — gdzie wersja przeglądarkowa po cichu pozbyła się mikrofonu — potrzebujesz czegoś, co wpisuje tekst w dowolne pole i trzyma Twój głos z dala od serwera. Jeśli wolisz najpierw zobaczyć mechanikę, nasz przewodnik po pisaniu głosowym na Windows przeprowadza przez skrót klawiszowy, a jak pisać szybciej głosem omawia szerszy nawyk. Po krewnego z Docs zajrzyj do zamiany mowy na tekst w Google Docs, a zamiana mowy na tekst do robienia notatek obejmuje notatki poza Keep. Moja młodsza córka napisała 90-słowny mail do swojej babci, zanim zadała choć jedno pytanie o to, jak to działa. Chciałbym móc powiedzieć to samo o moim ostatnim rozliczeniu wydatków.