Tal till text i Google Docs

Öppna Verktyg, klicka på Röstinmatning, börja prata

Ingen installation, inget tillägg, ingen kontouppgradering. Röstinmatning levereras redan inuti Google Docs.

Det hela tar ungefär trettio sekunder första gången, och tio vid varje besök därefter. Om mikrofonrutan aldrig dyker upp är du nästan säkert i Firefox eller en äldre webbläsarversion. Hoppa till felsökningsavsnittet nedan.

En detalj värd att ställa in innan du börjar: språkrullgardinsmenyn ovanför mikrofonen. Google Docs stöder 100+ språk och dialekter där, inklusive en lång lista regionala varianter av engelska, spanska och arabiska. Välj rätt och träffsäkerheten hoppar i samma ögonblick du gör det. Lämna den på ett språk du inte talar och du får ordsallad som läses som ett dåligt undertextspår.

Skiljeteckenkommandona och snabbtangenten du behöver

Här är delen som överraskar folk. Google Docs lägger inte till skiljetecken åt dig. Du säger dem.

För att avsluta en mening säger du "punkt". För en paus, "kommatecken". Du har också "utropstecken", "frågetecken", "ny rad" och "nytt stycke". Så att diktera två meningar låter så här högt: "mötet är bekräftat punkt skicka agendan senast fredag punkt". Det känns konstigt i ungefär fyra minuter, sedan blir det muskelminne, på samma sätt som att skriva ett semikolon en gång var.

En bredare uppsättning redigeringskommandon finns också: "markera stycke", "kursiv" och liknande formaterings- och navigeringsfraser. De fungerar endast på engelska, och bara när både ditt kontospråk och ditt dokumentspråk är inställda på engelska. Skiljeteckenkommandon är mer förlåtande och fungerar på fler språk; formateringskommandona är de engelsklåsta.

En kortkommando svävar också runt. Många användare och tredjepartsguider rapporterar den som Ctrl+Shift+S på Windows och Cmd+Shift+S på Mac för att slå på och av röstinmatning utan att behöva nå menyn. Värt att nämna eftersom Googles aktuella hjälpsida inte listar någon snabbtangent alls, så behandla den som "allmänt rapporterad och fungerar oftast" snarare än som ett facit. Om den inte gör något på din dator fungerar menyvägen alltid.

Den manuella skiljeteckengrejen är den renaste gränsen mellan Googles verktyg och de nyare AI-dikteringsverktygen. Att säga "kommatecken" högt är priset för en gratisfunktion som inte har förändrats mycket på åratal. Det är inte fel. Det är bara 2015 som sitter tyst inuti en produkt från 2026.

Det körs i en webbläsarflik, inte på din dator

Nästa avsnitt avgör om det inbyggda verktyget räcker för dig, så det får en bild av vad du tittar på.

Röstinmatning är en funktion i Google Docs, vilket betyder att det är en funktion i webbläsarfliken som Google Docs är öppen i. Det finns ingen datorapp. Stäng fliken och mikrofonen följer med. Det tidigare ryktet om "endast Chrome" är inaktuellt – Googles hjälpsida listar nu Chrome, Edge och Safari. Firefox lämnas fortfarande utanför.

Vad den webbläsarlåsningen kostar dig dyker upp i samma ögonblick som ditt skrivande lämnar dokumentet. Säg att du utkast till en projektuppdatering i Docs med rösten, sedan behöver du svara på en kommentar i din e-post, klistra in en anteckning i Slack och fylla i en cell i ett kalkylark. Mikrofonen kan inte följa din markör in i någon av dem. Den hör dig bara inuti Docs-fliken. För många är det fint – de skriver i Docs och ingen annanstans. För resten är det en vägg de slår i flera gånger om dagen.

Sedan finns mobilfrågan. På en telefon dyker inte datorns Röstinmatning-meny upp; Docs-mobilappen lutar sig istället mot din telefons inbyggda dikteringsmikrofon i tangentbordet. Den tangentbordsmikrofonen är hyfsad, men det är ditt operativsystem som gör jobbet, inte Google Docs.

När Google Docs röstinmatning slutar höra dig

Röstinmatning går sönder på ett litet antal förutsägbara sätt. Rangordnade efter hur ofta jag har sett dem hända.

• Den saknas i Verktyg-menyn. Du är i en webbläsare som inte stöds. Firefox är den vanliga boven; en uråldrig Chrome-version kommer på andra plats. Öppna samma dokument i aktuell Chrome, Edge eller Safari så dyker menyalternativet upp igen.
• Mikrofonrutan finns där men inget skrivs. Webbläsaren har inte mikrofonbehörighet, eller så är fel inenhet vald. Kontrollera den lilla kamera-/mikrofonikonen i webbläsarens adressfält och bekräfta att dokumentfliken är tillåten. Kontrollera sedan ditt operativsystems ljudinställningar för att se till att rätt mikrofon är standard – den inbyggda laptopmikrofonen och ett inkopplat headset slåss om detta.
• Ord flyter ihop eller kommer ut förvanskade. Detta är nästan alltid ljud, inte mjukvara. En billig USB-mikrofon gör mer för träffsäkerheten än någon inställning du kan ändra, oftast mer än en modelluppgradering gör. Bakgrundsljud, en fläkt, ett öppet fönster: allt hamnar i transkriptionen.
• Den stoppar av sig själv efter en minut eller två. Röstinmatning pausar när den slutar upptäcka tal under en stund, eller när fliken förlorar fokus. Klicka på mikrofonen igen för att fortsätta. Om du byter till ett annat fönster för att läsa något medan du dikterar, är det bytet som tystar dig.
• Ord dyker upp på fel plats, eller kommandon skrivs som text. Om du säger "nytt stycke" och orden "nytt stycke" hamnar i ditt dokument istället för en radbrytning, är ditt konto- eller dokumentspråk inte inställt på engelska, och redigeringskommandona är endast engelska. Skiljetecken som "kommatecken" och "punkt" är mer förlåtande över språk; formaterings- och navigeringskommandona är de strikta. Kontrollera båda språkinställningarna om kommandon fortsätter att dyka upp som bokstavlig text.

Om dokumentfliken fungerar men en annan app inte hör dig alls, är det inte ett Google Docs-problem. Det är webbläsarlåsningen igen. Inget felsökningssteg fixar det, eftersom det fungerar precis som det är tänkt.

Om mikrofonrutan aldrig börjar lyssna, läs vår fullständiga guide om varför röstinmatning i Google Dokument slutar fungera.

Diktera in i Docs utan att bo inuti en webbläsarflik

Ett systemövergripande verktyg ändrar formen på problemet. Whisper by Remskill är en datorapp, inte ett webbläsartillägg och inte ett Docs-tillägg. Du trycker på en snabbtangent var som helst, pratar, släpper, och texten klistras in vid din markör – i Google Docs-fliken, i din e-post, i Slack, i en kalkylarkscell, i vilket textfält som helst på datorn.

Standardsnabbtangenten är Ctrl+Space på Windows. På Mac är det en tryck-och-prata: håll Command+Option tillsammans för att spela in, släpp endera tangenten för att stoppa. Båda går att ändra i inställningarna om de krockar med något du redan använder. Flödet är detsamma på båda plattformarna – håll, prata, släpp, orden landar där din markör är. Du kan se hela genomgången i vår guide till hur Whisper fungerar, och de plattformsspecifika inställningarna för tal till text på Mac och tal till text på Windows.

Några saker som webbläsarverktyget strukturellt inte kan göra, som en datorapp kan:

• Skiljetecken är automatiska. Inget högt sägande av "kommatecken". Transkriptionen lägger till det åt dig, så diktering låter som att prata, inte som att läsa scenanvisningar.
• Det fungerar offline. Den lokala pipelinen körs helt på din maskin genom en ren Rust-motor, inget ljud lämnar laptopen. Ditt halvfärdiga uppsägningsbrev tar ingen omväg via någons server.
• Den följer din markör överallt. Samma snabbtangent som fyller ett Docs-stycke fyller ett Gmail-svar eller en Notion-sida trettio sekunder senare.

Ett ord om modeller, eftersom folk frågar. Lokalt väljer du motorn själv – valet är ditt, inte ett standardval vi valt åt dig. NVIDIAs Parakeet är det snabbaste lokala alternativet: cirka 600 MB, 5 till 10 gånger snabbare än Whisper på en processor, täcker engelska plus 24 europeiska språk, 25 totalt. Välj det om du mestadels talar engelska och vill ha fart.

De lokala Whisper-modellerna går bredare. De flerspråkiga byggena täcker 99 språk inklusive automatisk identifiering, plus översättning till engelska. Välj dem om du behöver andra språk eller översättning. De engelska-bara Whisper-byggena är låsta till engelska med flit, för bästa träffsäkerhet när engelska är allt du skriver. Och om du vill ha den senaste OpenAI-kvaliteten med webbåtkomst körs Cloud-läget på din egen OpenAI-nyckel och täcker de ungefär 57 språk som OpenAI officiellt listar. Tre vägar, du väljer. Appen väljer inte ett standardval åt dig, vilket jag lärde mig på den hårda vägen är precis vad folk vill ha – den första versionen levererades med en modell redan vald, och det första användarna gjorde var att gå och ändra den.

Den sista punkten är matlådetestet för mig. En tisdagskväll, gör smörgåsar och samma yoghurt som den yngre kommer att vägra äta, och skolan vill ha utflyktslappen besvarad senast åtta. Jag tar laptopen med en hand, håller snabbtangenten och dikterar svaret mellan gurkskivor – stannar en gång för att fråga hur lärarens namn stavas, en gång för att svara på varför månen ibland inte är där. Mejlet går iväg, matlådorna blir gjorda. Poängen är inte att det här är Docs. Poängen är att min markör var i en e-postklient, sedan en kalender, sedan en anteckningsapp, och samma tangent fungerade i alla tre. Röstinmatning hade hört den första och tystnat för resten.

När du ska hoppa över vår app och använda Googles inbyggda verktyg

Jag säger detta rakt ut eftersom ramverket jag skriver efter kräver det, och eftersom det är sant. Om du skriver inuti Google Docs och ingen annanstans, och du skickar korta stötar – ett stycke, en kommentar, en snabb anteckning – använd Googles Röstinmatning och installera ingenting. Det är gratis, det är redan där, det stöder 100+ språk, och att säga "punkt" några gånger kostar dig inget annat än värdighet.

Gränsen där ett systemövergripande verktyg börjar spela roll ligger ungefär vid 200-ordsgränsen, eller i det ögonblick din diktering behöver lämna dokumentet. Om du utkast långa texter, byter mellan tre appar i timmen, jobbar offline på ett tåg, eller hanterar text du hellre inte skickar till en server, blir webbläsarfliken flaskhalsen. Under den gränsen har Google dig täckt. Var ärlig mot dig själv om vilken sida du befinner dig på.

If you have already crossed that line, here is a Google voice typing alternative that dictates anywhere — including offline.

Ett inbyggt alternativ till som folk glömmer. Både Windows och macOS har sin egen diktering på systemnivå. På Windows är det Win+H-panelen för röstinmatning; på Mac är det operativsystemets diktering som du kan binda till en tangent. De fungerar åtminstone utanför webbläsaren, till skillnad från Googles. De är inte lika träffsäkra eller kontrollerbara som ett dedikerat verktyg, men de är gratis och redan installerade – värda att prova innan du sträcker dig efter något betalt.

Google Docs röstinmatning är gratis, inbyggt och fint för ett stycke i taget inuti en webbläsarflik. I det ögonblick din diktering behöver lämna den fliken – in i e-post, in i en chatt, in i ett kalkylark, offline på ett tåg – stannar mikrofonen kvar, eftersom den aldrig fanns på din dator från första början. Det är inte ett fel att fixa. Det är gränsen för vad en webbläsarfunktion kan nå. Min sjuåring dikterade en gång ett helt mejl till sin mormor och frågade sedan varför det inte fungerade i hennes ritapp. Rimlig fråga. Svaret är en snabbtangent som inte bryr sig om vilket fönster du är i.