Tal till text på Windows 11

Väg 1: tryck på Win+H och börja prata

Krav: Windows 11, internetanslutning, fungerande mikrofon och markören i ett textfält. Inget att ladda ned och inget konto. Tid: under en minut.

Förväntat resultat: verktygsfältet visar Lyssnar och orden du säger dyker upp vid markören medan du pratar. Om du slår på automatisk interpunktion (kugghjulsikonen i verktygsfältet) lägger verktyget till kommatecken och punkter baserat på vad du säger.

Om inget händer: röstinmatningen använder taligenkänning online via Azure och kräver därför internetanslutning, fungerande mikrofon och en markör inne i ett textfält. Ingen anslutning, ingen transkribering. Den fullständiga felsökningslistan finns två avsnitt längre ned.

Kommer du från en äldre guide som pratar om Windows Speech Recognition? Den funktionen ersattes av Voice Access för Windows 11 22H2 och senare redan i september 2024. Den gamla WSR-kontrollpanelen lever kvar endast i äldre Windows-versioner. Så om en guide ber dig öppna en guide för taligenkänning och du inte hittar den, är guiden inaktuell — inte din dator.

När den inbyggda röstinmatningen räcker

Jag ska inte be dig installera programvara du inte behöver. För många uppgifter är Win+H rätt svar, och det kostar ingenting.

Använd det inbyggda verktyget när dikteringen är kort, du har anslutning och insatserna är låga. Ett svar till en kollega i Teams. En snabb notering i OneNote. En sökfråga du hellre pratar än knåpar fram med tummen. Det hanterar automatisk interpunktion och fungerar i alla vanliga textfält i Windows 11. För 30-ords-utbrott när du ändå är uppkopplad skulle det gå långsammare att öppna en andra app än att bara prata.

En annan inbyggd funktion förvirrar folk, så låt mig reda ut det. Voice Access är inte samma sak som röstinmatning. Voice Access låter dig styra hela datorn och skriva text med rösten, och till skillnad från Win+H körs det offline med lokal taligenkänning efter en engångsnedladdning av språkpaket. Det kräver Windows 11 version 22H2 eller senare. Så om du behöver full handsfree-kontroll av datorn (klicka, scrolla, öppna appar med rösten) är Voice Access det inbyggda verktyget att välja — inte röstinmatning. Det är olika uppgifter.

Var Win+H inte räcker till (offline, noggrannhet, språk)

Det inbyggda verktyget har tre verkliga begränsningar. Ingen av dem är avgörande för en snabb notering. Alla tre börjar ställa till det så fort du gör längre eller mer seriöst arbete.

Integritetsperspektivet är det jag tänker mest på. Din diktering — mejlet till barnets skola, utkastet till ett kontrakt, den halvfärdiga idén du aldrig skulle säga högt på ett möte — lämnar din dator och går till en server. För ett Teams-möte som drar fem minuter över är det ingenting. För det du verkligen bryr dig om är det värt att veta vart ljudet tar vägen.

Win+H fungerar inte? De tre vanligaste bovarna

När Win+H inte gör någonting är det nästan alltid en av tre saker. Kontrollera dem i den här ordningen, för så vanliga är de som orsak.

Om ingen av dem löser det är den djupare orsaken oftast ett språkpaket som inte installerades klart eller en Windows-uppdatering som körde mitt i. Det är också när jag slutar brottas med det inbyggda verktyget och ställer in något jag kontrollerar från start till slut, vilket är Väg 2 nedan. Om det fortsätter att misslyckas efter det har vi skrivit en separat guide för när röstinmatning inte fungerar i Windows med den längre checklistan.

Väg 2: installera en dedikerad dikteringsapp

Whisper är skrivbordsappen jag bygger, och den gör de tre saker Win+H inte kan: den transkriberar offline på din egen CPU, den fungerar via ett systemomfattande kortkommando i vilken app som helst, och den låter dig välja motor för din hårdvara och dina språk i stället för en fast molnmodell. Här är hela installationen, från start till mål.

Krav: Windows 11, ungefär 1 GB ledigt diskutrymme för en mellanstor modell, en mikrofon och ett gratiskonto (inget betalningssätt krävs från start). Du behöver anslutning för den engångsvisa nedladdningen; transkriberingen efter det är offline. Tid: 5–10 minuter, mest modellnedladdningen.

Förväntat resultat: med modellen nedladdad håller du Ctrl+Space i vilken app som helst, pratar, släpper, och dina ord klistras in vid markören utan internet inblandat efter nedladdningen. Att säga Hey whisper utlöser ett AI-städpass på texten innan den hamnar på plats, om du aktiverar det.

Om kortkommandot missar: bind om det i Inställningar. Det lärde jag mig på den hårda vägen. Den första versionen av kortkommandohanteraren avfyrade stopp-inspelnings-callback:en sex gånger per verkligt knapptryck i Windows, eftersom Windows indataramverk genererar spöklika Ctrl+Space-släpphändelser med oförutsägbara intervall. Det fungerade på en ren maskin och gick sönder på alla bärbara datorer med ett andra inmatat språk aktiverat. Det krävde telemetri, en 50ms-vakt som inte räckte och slutligen ett 300ms-debounce som gjorde det. Min dotters dom kvarstår: det är därför papps mejl tar så lång tid.

Vad gäller språktäckning hanterar den lokala Whisper-motorn 99 språk på sina flerspråkiga modeller, medan .en-byggena är bara engelska och lite snabbare för just det jobbet. Parakeet-motorn körs 5–10 gånger snabbare än Whisper på CPU och täcker engelska plus 24 europeiska språk (25 totalt), men hoppar över asiatiska språk och översättning till engelska. Om offline-första är det som är viktigt för dig täcker vår djupare guide till offline-tal-till-text motorerna mer detaljerat.

Win+H vs Voice Access vs en dedikerad app

Tre sätt att omvandla tal till text i Windows 11, sida vid sida. Tabellen täcker bara vad varje verktyg dokumenterar. Inga påhittade noggrannhets- eller hastighetspoäng.

Om ditt enda behov är ett snabbt Teams-svar medan du är uppkopplad vinner Väg 1 på enkelhet. Den finns redan på din dator. Så fort offline, täckning i alla appar eller ett saknat språk kommer in i bilden förtjänar Väg 2 att installeras.

Lokalt vs molnet: vilket Whisper-läge passar din dator

Whisper körs i två lägen och valet beror på din hårdvara och om du vill ha webbåtkomst.

Lokalt läge gör allt på din dator. Välj en Whisper-modell anpassad till din dator: Base är ungefär 140 MB och körs på nästan vad som helst, Small är ungefär 480 MB, Medium ungefär 1,5 GB och den flerspråkiga Large v3 är ungefär 3 GB för bästa noggrannhet om du har RAM-minne. Eller välj Parakeet på ungefär 600 MB för det snabbaste lokala alternativet om du mest arbetar på engelska eller europeiska språk. Inget av det berör internet efter nedladdningen.

Molnläge är räddningsluckan. Det använder din egen OpenAI-nyckel: transkribering via gpt-4o-mini-transcribe eller gpt-4o-transcribe, och webbsökning när du vill ha ett aktuellt svar inklistrat vid markören. Du tar med nyckeln; vi tar ingen del.

Här är åsikten jag ställer mig bakom: prova lokalt läge först. Om din Windows-dator är från de senaste fyra åren behöver du inte molnet för vardagsdiktering, och lokalt läge håller ditt ljud på din dator där det hör hemma. Molnet är reservalternativet för när du stöter på en vägg, inte standarden. Whisper är gratis för hela den lokala pipelinen när du väl loggat in, utan krav på betalningssätt från start. Cloud-ytan är den betalda Pro-nivån. Detaljer finns på prissidan. För den fullständiga lokala genomgången går guiden för röst-till-text i Windows steg för steg.

När du ska skippa den dedikerade appen

Jag föredrar att du behåller Win+H framför att installera något du inte kommer använda. Skippa en dedikerad app och behåll den inbyggda röstinmatningen när allt detta stämmer:

• Du dikterar korta utbrott, inte långa dokument.
• Du är uppkopplad varje gång du dikterar.
• Du arbetar bara på ett språk som Microsofts röstinmatning redan täcker.
• Ditt ljud är lågprioriterat och du bryr dig inte om det lämnar datorn.

Win+H är gratis, redan installerat och bra på precis det jobbet. Den dedikerade appen förtjänar sin plats i det ögonblick du överskrider en av dessa gränser — ett flyg, ett kontraktsutkast, ett språk Microsoft hoppat över, eller en app som inte är ett vanligt textfält.

Ärlig prissättning

Whispers lokala läge är gratis för alla som loggar in: Whisper- och Parakeet-transkribering, AI-förbättring, historik, förinställningar, anpassade nyckelord, hårdvaruacceleration, modellnedladdningar och det globala kortkommandot — allt detta utan krav på kort från start. Whisper Pro lägger till Cloud-funktionerna ovanpå: OpenAI-molntranskribering, Cloud AI-förbättring och röstbaserad webbsökning. Den inbyggda Windows-röstinmatningen är också gratis eftersom den är en del av Windows. Den fullständiga planöversikten finns på prissidan. Jag föredrar att du läser de exakta siffrorna där snarare än att lita på en siffra i ett blogginlägg som kan bli inaktuell.

Två vägar, ett beslut. Om du är uppkopplad, noteringen är kort och insatserna är låga — tryck på Windows-tangenten + H och prata, det är gratis och redan på din dator. I det ögonblick du behöver det på ett flyg, i vilken app som helst, på ett språk Microsoft hoppat över eller med ditt ljud kvar på din egen dator — ställ in den dedikerade appen i stället. Jag korsade den gränsen någonstans vid den tredje mötesanteckning jag dikterade envändigt medan jag packade matlådor, och jag har inte skrivit ett långt mejl sedan dess.