Alternativ till Google röstinmatning: diktera var som helst

Vad Google röstinmatning gör bra, och var det tar slut

Först en eloge. Google röstinmatning är gratis med ett Google-konto, kräver ingen installation alls och fungerar i de senaste versionerna av Chrome, Edge och Safari. Inne i ett Docs-dokument, eller i talaranteckningar och undertexter i Slides, är igenkänningen hyfsad och språklistan lång. Om du skriver allt i Docs gör det rätt för sig, och vår guide till röstinmatning i Google Docs går igenom inställningarna i detalj.

Stoppen är lika konkreta. Skiljetecken är manuella: du säger "punkt", "komma", "frågetecken", "nytt stycke". Och skiljetecken finns inte tillgängligt på alla språk. Kommandona för redigering och formatering fungerar bara på engelska, och bara när både ditt kontospråk och dokumentspråket är engelska. (Talaranteckningar i Slides får röstinmatning men inga röstkommandon alls. Jag vet inte heller varför.)

Och gränsen som startade den här artikeln: funktionen finns inne i två Google-ytor och ingen annanstans. Gmail, Slack, ditt CRM, din kodredigerare, ett webbformulär — tystnad. Inget av detta är en bugg. Det är en gratis funktion som gör precis vad dess egen hjälpsida säger att den gör, inte mer. Frågan är om ditt skrivande får plats i den lådan. Och när den slutar lyssna mitt i en mening är det oftast mikrofonen, inte du — våra fixar för röstinmatning i Google Docs går igenom de vanliga orsakerna.

Ett alternativ till röstinmatning som fungerar i varje app

Whisper satsar tvärtom: diktering tillhör operativsystemet, inte en enda webbplats. Du trycker på en snabbtangent: Ctrl+Space på Windows, eller Command+Option nedtryckt på en Mac som tryck-och-tala. Du talar. Du släpper. Texten landar där markören står: ett mejl, ett chattfönster, en kalkylcell, ett commit-meddelande. Det finns inget kopieringssteg, eftersom det inte finns något "källdokument" att kopiera från.

Hastighetsargumentet är enkel matematik. Diktering ligger på ungefär 145 ord i minuten mot runt 40 för skrivning — kalla det en skillnad på 3,6 gånger. På en M1 MacBook Air med den lilla engelska modellen är glappet mellan att släppa tangenten och se text 1,4 sekunder.

Under huven väljer du en av tre vägar, och appen väljer inte åt dig. Molnläget ansluter till OpenAI med din egen API-nyckel och använder gpt-4o-mini-transcribe eller gpt-4o-transcribe. Parakeet, NVIDIAs lokala motor, kör 5–10 gånger snabbare än Whisper-modeller på CPU och täcker engelska plus 24 europeiska språk. Och de lokala open source-Whisper-modellerna sträcker sig från en engelsk modell på 140 MB till Large v3 på 3 GB. Appen finns för Windows och för Mac med Apple Silicon.

Google röstinmatning vs Whisper, sida vid sida

Kriterierna, valda före tabellen: var verktyget skriver, vad det körs i, skiljetecken, röstkommandon, språktäckning, offline-beteende och prisform. Det var de sju sakerna som avgjorde saken för mig när jag fortfarande använde Docs-mikrofonen. Google-kolumnen kommer från Googles egen hjälpsida; Whisper-kolumnen kommer från appens källkod, som jag kan se härifrån.

Domen stämmer med första stycket: Whisper är valet i samma ögonblick som ditt skrivande lämnar Google Docs. Google röstinmatning förblir rätt svar för dem vars skrivande aldrig gör det. Det fallet får ett eget avsnitt längre ner, och jag menar det.

Röstinmatning online vs. röstinmatning på din dator

"Röstinmatning online" betyder oftast en webbplats du öppnar i en flik: en gratissida med en mikrofonknapp som transkriberar in i en textruta. De här verktygen vilar på webbläsarens motor för taligenkänning, och MDN:s dokumentation om Web Speech API är rakt på sak om hur det fungerar: "Ditt ljud skickas till en webbtjänst för igenkänningsbearbetning, så det fungerar inte offline." Samma sida namnger de två kostnaderna: integritet, eftersom ditt tal lämnar maskinen, och tillförlitlighet, eftersom ingen anslutning betyder ingen transkribering.

För en enstaka anteckning duger en sida för röstinmatning online. Skatten dyker upp med upprepning: varje diktering slutar med markera, kopiera, byta, klistra in. En gång dikterade jag en inköpslista i fel flik och klistrade in den i ett budgetkalkylark. I ungefär tio sekunder innehöll prognosen för Q3 "yoghurt de små, inte de stora". Ett skrivbordsverktyg tar bort hela den olyckskategorin eftersom texten börjar där den slutar — vid din markör. Och när webbläsarmikrofonen krånglar bor lösningen i webbläsarinställningarna, vilket är en eftermiddag i sig. Vi skrev ihop fixarna för diktering i Chrome efter att tillräckligt många hade frågat.

Skiljetecken och putsning: redigeringsskatten ingen räknar

Den tråkiga sanningen är att transkriberingen aldrig var den långsamma biten. Putsningen är det. Med Google röstinmatning säger du dina skiljetecken ("punkt", "nytt stycke"), vilket fungerar, men gör dig till en person som läser upp kommatecken. Jag testade kommandona för den här artikeln, och mitt testdokument innehöll till slut ordet "komma" elva gånger. Vanan följer med hem också: jag har sedan dess avslutat en talad mening, i ett riktigt samtal, med "punkt".

Whisper skickar i stället den råa transkriberingen genom en AI-putsning: grammatiken fixas, utfyllnadsord tas bort, skiljetecken placeras där de hör hemma. I lokalt läge körs det via Ollama; i molnläge använder det OpenAI-modeller, med gpt-5-mini som standardförbättrare. Börja en mening med "Hey whisper" så behandlar AI:n det som följer som en instruktion i stället för text att skriva: "Hey whisper, gör det här svaret artigt men bestämt" är ett verkligt arbetsflöde, inte en demo. Skillnaden i känsla är svår att överdriva. Det ena verktyget ber dig framföra formateringen. Det andra låter dig tala som en människa och lämnar tillbaka något du skulle skicka som det är.

Integritet: vart din röst tar vägen

Här är åsikten jag tänker försvara: diktering som skickar din röst till en server du inte kontrollerar är ett integritetsproblem, och för en del arbete är det en deal breaker. Webbläsarbaserad röstinmatning fungerar genom att skicka ut ljud för bearbetning. Det är okej för en inköpslista. Det är ett annat samtal för ett kontraktsutkast, en patientanteckning eller mejlet om ditt barns situation i skolan.

Jag såg kostnadssidan av den här läxan på nära håll. Ett team jag jobbade med lät en konsult bygga en intern AI-dikteringsprototyp som anropade ett moln-API för varje yttrande. I slutet av kvartalet öppnade chefen kostnadsöversikten: en femsiffrig faktura, mestadels ett team som transkriberade standup-inspelningar fyra gånger eftersom återförsökslogiken var alltför ivrig. Konsulten föreslog att optimera prompten. Ekonomichefen föreslog att inte betala en server för att lyssna på möten som redan hade anteckningar. Båda hade rätt om något.

Whispers lokala läge avslutar frågan i stället för att argumentera om den: modellen körs på din maskin, inget lämnar enheten, och inget internet behövs alls. Samma snabbtangent, samma flöde, noll ljud på resa.

När du ska hoppa över Whisper och stanna hos Google

Om varje ord du dikterar landar i ett Google-dokument, stanna hos Google röstinmatning. Det kostar inget, det finns redan i menyn Verktyg, och inne i Docs gör det jobbet — det är en svår kombination att argumentera emot, och jag tänker inte låtsas något annat. Detsamma gäller om du dikterar två gånger i månaden: att installera en skrivbordsapp för att slippa två kopiera-och-klistra är överarbete, och det säger jag som proffs. Whisper gör sig förtjänt av sin plats när ditt skrivande regelbundet lämnar dokumentet (e-post, chatt, formulär, anteckningar), eller när skiljetecken-via-AI, offline-användning eller att hålla ljudet på din maskin spelar roll. Fram till dess är det gratis inbyggda verktyget rätt verktyg.

Det där lärarmejlet från sidans topp kom till slut iväg — dikterat direkt i Gmail, ingen omväg via ett Doc, skiljetecken inkluderade utan att jag sa ett ord om dem. Fliken med Google Docs förblev stängd. Det är hela jämförelsen i ett ögonblick: det gratis verktyget ber ditt skrivande att komma till det, och alternativet går dit skrivandet redan finns. Välj den riktning som matchar din dag.