Głos na tekst w WordPress: 3 sposoby

WordPress nie ma wbudowanego dyktowania. Oto co to oznacza.

Zajrzałem do oficjalnego katalogu wtyczek, żeby się upewnić, że nie umyka mi ustawienie schowane trzy menu w głąb. (Nie umykało. Rzadko mi umyka, ale zawsze sprawdzam, bo ten jeden raz, gdy tego nie zrobię, będzie tym, kiedy tam jest.) Wyszukaj w katalogu wtyczek WordPress.org hasło „dictation” i dostaniesz ścianę wtyczek firm trzecich — „Dictation (Speech Recognition)”, „Dictate Button” i podobne. Żadna z nich nie jest częścią rdzenia. Sam WordPress ma zerową obsługę głosu. To uczciwy wniosek i zmienia sposób, w jaki powinieneś myśleć o każdym narzędziu poniżej.

Skoro nie ma natywnego silnika, każda ścieżka przynosi własny. Większość wtyczek do dyktowania w WordPress oraz popularne rozszerzenia przeglądarki opierają się na Web Speech API przeglądarki — chmurowym rozpoznawaniu mowy od Google. Twój akapit roboczy jest więc wysyłany na serwer, by go przepisać. Działa. Jest też wyłącznie online i zwykle tylko w Chrome albo Edge. Nudna prawda jest taka, że „dyktowanie w WordPress” to w większości cienka etykietka naklejona na cudzy chmurowy mikrofon.

Jedyny wyjątek od reguły chmury to dyktowanie, które działa na twoim własnym komputerze — wbudowana funkcja systemu operacyjnego albo aplikacja desktopowa. Do obu jeszcze dojdziemy.

Trzy sposoby na dyktowanie do WordPress i kompromis, na jaki idzie każdy z nich

Są dokładnie trzy kategorie, plus ścieżka aplikacji desktopowej. Każda coś ci daje i czymś za to płaci.

Sposób pierwszy: rozszerzenie przeglądarki. Voice In od Dictanote to częsty wybór. Instalujesz je z Chrome Web Store, klikasz w pole i dyktujesz. Działa na Web Speech API przeglądarki, więc jest chmurowe i żyje wewnątrz karty przeglądarki. Darmowe na start, szybkie w instalacji. Haczyk: działa tylko w tej karcie. Przełącz się na Slack albo na pocztę i mikrofon znika. A twój dźwięk i tak przechodzi przez chmurę Google.

Sposób drugi: wtyczka do WordPress. Wtyczki takie jak „Dictation (Speech Recognition)” albo Listener dodają przycisk mikrofonu wprost w edytorze. Większość również opiera się na Web Speech, więc dziedziczy te same ograniczenia: tylko online i głównie w Chrome. Plus: żyje w WordPress, więc nie ma nic więcej do ogarnięcia. Wybierz to, jeśli konkretnie chcesz przycisk w edytorze i nie przeszkadza ci chmura.

Sposób trzeci: dyktowanie systemowe. Windows ma Pisanie głosowe (naciśnij Win + H). macOS ma Dyktowanie w Ustawieniach systemowych. Oba wpisują tekst do dowolnego aktywnego pola, w tym do bloku Gutenberga w przeglądarce. Darmowe, bez instalacji, już są w twoim komputerze. Jakość bywa różna i działa na jednej platformie, ale do szybkiego akapitu naprawdę wystarcza. Jeśli masz peceta, pełen przegląd zamiany głosu na tekst w Windows omawia ścieżkę Win + H bardziej szczegółowo.

Jest jeszcze ścieżka aplikacji desktopowej i tu właśnie siedzi Whisper. Ta sama idea co dyktowanie systemowe — skrót klawiszowy, który wkleja tekst do aktywnego pola — ale wieloplatformowo, z możliwością pracy offline i bez przywiązania do karty przeglądarki. Najbliższym bezpośrednim konkurentem jest tu Blurt, aplikacja Maca w pasku menu, która dyktuje do dowolnego pola WordPress. To schludne narzędzie. Jest też wyłącznie na macOS, wyłącznie chmurowe i darmowe tylko do pierwszych 1000 słów, a potem kosztuje $10 miesięcznie lub $99 rocznie. Warto wiedzieć, jeśli masz Maca i nie przeszkadza ci chmura.

Podyktuj wpis do edytora blokowego skrótem klawiszowym

Oto rzeczywisty przebieg, krok po kroku, z użyciem desktopowego narzędzia ze skrótem. To te same pięć ruchów, niezależnie od tego, czy korzystasz z edytora w przeglądarce, czy z własnego hostingu.

1. Otwórz swój wpis w edytorze blokowym. WordPress w dowolnej przeglądarce albo na własnym hostingu — to bez znaczenia, bo skrót działa na poziomie systemu, a nie wewnątrz wtyczki.
2. Kliknij w blok, który chcesz wypełnić. Blok akapitu, tytuł wpisu, zajawka, pole meta w Yoast lub Rank Math — wszędzie tam, gdzie miga kursor.
3. Przytrzymaj skrót i mów. W Windows to Ctrl+Space; w macOS to Command+Option, przytrzymane jak naciśnij-i-mów. Powiedz swój akapit tak, jak powiedziałbyś go na głos.
4. Puść. Tekst pojawia się przy kursorze, w bloku, który kliknąłeś. I tyle.
5. Kliknij następny blok i powtórz. Klawiatura albo mysz do przechodzenia między blokami, skrót do wypełniania każdego z nich.

Jedno uczciwe zastrzeżenie, bo obiecywanie za dużo nikomu nie pomaga. Narzędzie dyktuje do aktywnego bloku. Nie rozumie struktury bloków Gutenberga. Nie utworzy nowego bloku nagłówka, nie podzieli akapitu na dwa ani nie przeskoczy do następnego bloku, gdy powiesz „dalej”. Ty prowadzisz bloki; skrót je wypełnia. Każde narzędzie do dyktowania w tej kategorii działa tak samo — Blurt i Voice In włącznie. Głos pisze słowa. Meble nadal ustawiasz ty.

Cała aplikacja, na żywo

To prawdziwa aplikacja desktopowa osadzona powyżej, nie zrzut ekranu. Poklikaj. Rzecz, dzięki której działa w WordPress, jest jednocześnie tym, co czyni ją nudną do opisania: to globalny skrót klawiszowy działający w całym systemie, który wkleja transkrypcję przy kursorze w każdej aplikacji, w której możesz pisać. Edytor blokowy WordPress, pole komentarza, opis produktu WooCommerce, poczta, Slack, edytor kodu — ten sam klawisz, to samo zachowanie. Żadnej wtyczki na każdą aplikację.

To właśnie praktyczna różnica wobec wyników wyszukiwania. Rozszerzenie przeglądarki kończy się na krawędzi karty. To nie. Dyktujesz opis meta w Yoast, potem odpowiedź na komentarz czytelnika, potem przeskakujesz do skrzynki i dyktujesz również tam, bez zmiany narzędzia. Ten sam skrót działa, jeśli publikujesz też gdzie indziej — edytor Ghost oraz edytor Substack przyjmują dyktowanie dokładnie tak samo.

Automatycznie uporządkuj dyktowanie

Surowe dyktowanie ma swoje tiki. Mówisz „yyy”, zaczynasz zdanie dwa razy, zapominasz o przecinku. Whisper ma opcjonalny krok porządkowania AI, który poprawia wielkie litery i interpunkcję oraz usuwa słowa-wypełniacze, zanim tekst trafi do bloku. W darmowym trybie lokalnym działa w całości na twoim komputerze; w wersji Pro działa w chmurze. Jest opcjonalny, nie magiczny — wyłącz go, a dostaniesz dosłowną transkrypcję, jeśli wolisz poprawiać sam.

Przy wpisie na bloga to oszczędza realny czas. Podyktowanego akapitu, który ma już przecinki we właściwych miejscach, nie musisz porządkować, zanim klikniesz Opublikuj. Ten sam tryb pracy przenosi się na inne narzędzia do pisania — tak samo piszesz szybciej głosem w szkicu gdziekolwiek, nie tylko w WordPress.

Offline i prywatnie

Oto jedna mocna opinia, na którą się tu zdobędę: dyktowanie, które działa tylko w chmurze, bez opcji offline, to katastrofa prywatności czekająca, by ją przepisać. Każda ścieżka rozszerzenia przeglądarki i większość ścieżek wtyczek na tej stronie wysyła twój szkic na serwer, by zamienić go w tekst. Przy publicznym wpisie może ci to nie przeszkadza. Ale przy do połowy napisanym wpisie o twoim pracodawcy albo odpowiedzi na komentarz, w której wylewasz żale, zanim ją skasujesz — twój laptop ma już mikrofon i procesor. Nie potrzebuje serwera w pętli, żeby napisać jeden akapit.

Tryb lokalny Whisper działa całkowicie offline. Dźwięk nigdy nie opuszcza komputera; jedyne, co potrzebuje internetu, to jednorazowe pobranie modelu, gdzieś między 140 MB a 3 GB, zależnie od tego, który model wybierzesz. Blurt, Voice In i wtyczki Web Speech są z założenia wyłącznie online. To prawdziwa, sprawdzalna granica między nimi a lokalną aplikacją desktopową — nie slogan.

Działa też na Windows i Macu oraz obsługuje ponad 90 języków (linia modeli wielojęzycznych sięga konkretnie 99; wersje tylko angielskie robią jeden język dobrze), co ma znaczenie, jeśli blogujesz w więcej niż jednym.

Kiedy odpuścić Whisper i po prostu użyć dyktowania w Windows lub Mac

Zrobię to, czego strony marketingowe nie zrobią. Jeśli dyktujesz do WordPress od czasu do czasu — akapit tu, komentarz tam — odpuść pobieranie i użyj tego, co już masz. W Windows naciśnij Win + H, by otworzyć Pisanie głosowe i mów do aktywnego bloku. Na Macu włącz Dyktowanie w Ustawieniach systemowych i zrób to samo. Darmowe, bez instalacji, już jest.

Jeśli żyjesz w jednej przeglądarce i nie przeszkadza ci, że twój tekst przechodzi przez chmurę, rozszerzenie przeglądarki albo wtyczka w edytorze to rozsądny, w miarę darmowy wybór. Po aplikację desktopową taką jak Whisper sięgnij tylko wtedy, gdy chcesz mieć ją offline, chcesz tego samego skrótu w każdej aplikacji zamiast w jednej karcie, chcesz obsługi Windows i Maca albo chcesz opcjonalnego porządkowania AI. Jeśli żadne z tego to nie ty, darmowa ścieżka systemowa jest właściwą odpowiedzią — i wolę, żebyś z niej skorzystał, niż przepłacił.

Darmowy lokalny pipeline. Pro dokłada chmurę.

Cały lokalny pipeline — dyktowanie i opcjonalne porządkowanie AI — jest darmowy dla zalogowanych użytkowników, bez karty przy rejestracji. Instalujesz aplikację desktopową, logujesz się i dyktujesz do WordPress, nie płacąc nic. Pro dokłada powierzchnię chmurową dla osób, które chcą najnowszych modeli OpenAI, i przychodzi z krótkim trialem chmurowym, który prosi o kartę dopiero na etapie ulepszenia konta, nigdy przy pierwszej rejestracji. Tak więc ścieżka offline, której rzeczywiście użyłbyś do pisania wpisów, nie kosztuje nic. Pełne liczby znajdziesz na stronie cennika; nie będę ich cytował w środku akapitu.

Dla kontekstu, najbliższy płatny konkurent — Blurt — daje ci 1000 darmowych słów, a potem kosztuje $10 miesięcznie lub $99 rocznie. Średni wpis na bloga ma około 1000 słów. Czyli mniej więcej jeden wpis, a potem już bije licznik.

W zeszły wtorek podyktowałem trzy rzeczy do WordPress, robiąc dzieciom kanapki do szkoły — akapit do szkicu, odpowiedź na komentarz i opis meta, który odwlekałem od tygodnia. Ogórek w jednej ręce, skrót pod drugą. Dzieciaki gadały przez połowę tego; krok porządkowania po cichu wyrzucił fragment, gdzie młodsze pytało, dlaczego księżyca czasem nie ma. Kiedyś było to piętnaście minut pisania jedną ręką. Teraz to tyle, ile zajmuje zrobienie kanapki. (Kanapka, dla porządku, i tak wyszła krzywa. Krok porządkowania nie naprawia śniadaniówek.)

Jeśli dyktujesz tylko sporadyczną linijkę, twój system operacyjny już robi to za darmo i powinieneś z tego skorzystać. Jeśli chcesz mieć to offline, wszędzie i uporządkowane, wypróbuj przy następnym wpisie. Tak czy inaczej, przestań wpisywać te części, które mógłbyś po prostu powiedzieć.