Tal till text i Discord

Har Discord inbyggd tal-till-text?

Nej, inte den typ du menar. Discord har ingen funktion som omvandlar ditt tal till skriven text i meddelanderutan. Det som låter närmast är Text-to-Speech: skriv /tts följt av ett meddelande, eller aktivera det i inställningar, och Discord läser det meddelandet högt för alla i kanalen. Det är text som blir tal. Du är ute efter tal som blir text. Samma ord, omvänd pil.

Det snubblar folk på hela tiden, och det är inte deras fel. "Text-to-speech" och "speech-to-text" skiljer sig åt med ett ombytesparet ord, och Discord levererar bara ett av dem. Jag klickade runt i inställningarna och letade efter det andra längre än jag vill erkänna innan jag accepterade att det inte gömde sig i en undermeny. Det finns helt enkelt inte.

Så om du vill att din röst ska bli ett skrivet Discord-meddelande lever verktyget som gör det utanför Discord: ditt operativsystem, eller en dedikerad dikte ringsapp. Båda finns nedan. Det som transkriberar andra personer som pratar i en röstkanal är ett tredje alternativ och ett annat verktyg igen. Vi kommer till alla tre.

Skriva i varje kanal vs. bara prata

Argumentet för att diktera i Discord är enkelt. Tal går i ungefär 145 ord per minut; skrivning för de flesta är närmre 40. Det är ungefär tre och en halv gånger snabbare, och det frigör händerna, vilket spelar roll när en av dem är på en mus eller kontroll. Över en hektisk kväll av servrar summeras skillnaden upp.

Den ärliga motvikten: många Discord-meddelanden är tre ord långa. "gg." "på väg." "en sek." Diktering gör ingenting för dem, du skulle förlora tid på att byta läge. Röstskrivning tjänar sin plats på de längre sakerna: raidplanen, buggrapporten på en dev-server, stycket du normalt skulle skjuta upp för att skriva det på en telefon är tråkigt. Det är tröskeln. Korta pings, fortsätt skriva. Allt bortom en mening eller två, prata.

Det snabbaste sättet: en systemövergripande tangentkombination

Här förändrar en dedikerad app beräkningen. Whisper by Remskill är inte en Discord-bot, en serverintegration eller ett webbläsartillägg. Det är en desktopapp som fungerar som ett tangentbord: tryck på en tangentkombination, prata, och transkriptet klistras in vid markören, i vilken app som helst, inklusive Discords chattruta. Det fungerar likadant i Discord-desktopappen och i Discord öppnat i en webbläsare, eftersom din dator ser det som att du helt enkelt skriver.

Installationen är kort:

Det är hela loopen. Transkriptet visas i skrivfältet, du läser det, du trycker Enter.

Du pratar, och meddelandet visas i Discord

När det är igång är upplevelsen anmärkningsvärt ordinär. Du sätter markören i kanalen, håller ner tangenten, pratar, släpper. En sekund eller så senare sitter texten i Discords meddelanderuta som om du skrivit in den. Ingen kopiera-och-klistra, inget separat fönster att plocka fram texten ur, inget röstklipp som vänner ska söka sig igenom.

Eftersom den lokala transkriptionen körs på din maskin (ren Rust, ingen Python-sidecar, ingen server i loopen) fungerar den offline. Det spelar större roll för Discord specifikt än det låter. Du är ofta redan i en röstkanal, på en anslutning du helst inte vill belasta ytterligare, och ljudet av det du dikterar lämnar aldrig din laptop. Windows eget inbyggda röstskrivande behöver en internetanslutning för att fungera alls; Whispers lokala läge behöver det inte.

Hur den fullständiga Whisper-appen ser ut

Tangentkombinationen är den del du använder mest, men bakom den finns en inställningsyta. Du väljer din transkrigeringsmotor: Whisper-modeller, vars flerspråkiga varianter täcker 99 språk och de engelskspråkiga .en-byggnaderna täcker exakt ett, eller NVIDIAs Parakeet, ungefär 600 MB, 5 till 10 gånger snabbare än Whisper på CPU, täcker engelska plus 24 europeiska språk. Du ställer in din tangentkombination, hanterar historik och sparar förinställningar. Inget av det krävs för att diktera ett Discord-meddelande. Det finns där när du vill finjustera.

Städa upp dikterade meddelanden med AI

Talat språk är rörigt. Du säger "öh", startar om meningar, tystnar i ett ljud som betyder "du vet vad jag menar". Whisper har ett valfritt AI-förbättringssteg som rensar fyllnadsord och städar upp formuleringen innan det klistrar in. Så "öh, ja, alltså det, det patchet gick live, jag tror vi är, vi är okej" blir "Patchet gick live, jag tror vi är okej." Om det är värt det på Discord beror på kanalen; en dev-server, förmodligen ja; en meme-kanal, förmodligen inte.

Den städningen körs lokalt via Ollama, gratis, på din egen maskin. Pro-användare kan istället routa det via molnet, men fyllnadsordsrensningen kräver inte Pro; det finns i den gratis lokala pipelinen. Du kan också bara stänga av det och klistra in det råa transkriptet, vilket på Discord ofta är exakt rätt val.

Att transkribera en röstkanal är ett annat jobb

Det här är den del de ärliga guiderna hoppar över, så låt mig vara tydlig. Whisper omvandlar ditt tal till ett skrivet meddelande. Det transkriberar inte en Discord-röstkanal, vilket innebär att det inte sitter i ett samtal och skriver ned vad alla andra säger. Det är något folk verkligen vill ha, och det är ett genuint annorlunda verktyg: en Discord-bot.

De bottar byggda för det här — Scripty är den vanligaste — ansluter till en röstkanal och publicerar ett löpande transkript av konversationen i en textkanal. Scriptys kärntranskription är gratis, fungerar på ungefär 55 språk och bearbetar ljud utan att lämna det till tredje parter. Andra i det här utrymmet inkluderar SeaVoice och DiscMeet. Om ditt mål är "undertexta hela samtalet" är det ett av dem du ska använda, inte Whisper. Om ditt mål är "låt mig säga mitt eget meddelande istället för att skriva det", är det Whisper, eller ditt operativsystem. Två olika problem som råkar bo i samma app.

När du ska hoppa över en dikteringsapp och bara använda ditt operativsystem

Om du bara behöver diktera ett meddelande ibland, installera ingenting. Din dator gör det redan gratis. På Windows, tryck på Windows logo key + H och röstskrivning öppnas i valfri textruta, inklusive Discords chattfält, utan prenumeration. På en Mac gör den inbyggda Diktering-genvägen (eller mikrofonknappen) samma sak, och på Apple silicon körs den på enheten utan internet. På din telefon dikterar tangentbordets mikrofonsymbol direkt i Discords mobila meddelandefält; det är iOS eller Gboard som gör jobbet, inte Discord, men det fungerar.

Den enda avvägningen värd att känna till: Windows Win+H behöver en internetanslutning för att fungera, medan macOS-diktering och Whispers lokala läge inte gör det. För ett snabbt "5 min sen, börja utan mig" är operativsystemverktyget rätt val. Där en dedikerad app tar täten är volymen, fyllnadsordsrensningen och offline-diktering mitt i ett samtal: ju längre och oftare du gör det, desto mer spelar det roll.

Välj det minsta verktyget som löser ditt problem. För ett meddelande är det tangenten du redan har. För en hel kväll av långa meddelanden på fem servrar slutar den dedikerade appen att kännas som överdrift runt det andra eller tredje stycket du inte behövde skriva.

Vad Whisper kostar

Den lokala dikteringspipelinen — transkription och AI-städning via Ollama — är gratis för alla inloggade användare, utan kort vid registrering. Så att få din röst in i Discord med Whisper kostar ingenting. Whisper Pro lägger till molnfunktionerna (OpenAI-transkription, moln-AI-förbättring, röstwebsökning) och har en separat provperiod. De exakta siffrorna finns på prissättningssidan snarare än här, eftersom priser rör sig och ett blogginlägg är en dålig plats att hålla dem aktuella.

Discord kommer förmodligen att lansera riktig diktering till slut, på det sättet appar tenderar att göra när tillräckligt många skriver /tts och förväntar sig att det gör det andra. Tills dess har din dator redan funktionen, en app finns för när den inbyggda versionen inte är snabb nog, och en bot finns för det helt separata jobbet att undertexta ett samtal. Tre verktyg, tre problem. Det mesta av tiden behöver du det minsta.