Tal till text på Windows: gratis eller betalt

Tre vägar på en minut

Appen väljer inte transkriberingsmodell åt dig. Du väljer mellan tre vägar. Det är ett medvetet val.

Cloud (OpenAI, BYOK) — vägen med högst kvalitet

Du tar med din egen OpenAI API-nyckel. Transkribering körs på gpt-4o-mini-transcribe (standard) eller gpt-4o-transcribe. AI-textförbättring körs på gpt-5-mini som standard; gpt-5-nano och gpt-5 finns också. Webbsökning routas via gpt-4o-mini genom Responses API. Du betalar OpenAI direkt för användningen; vi tar inget mellanlägg. Välj den här om du vill ha bästa kvalitet och webbåtkomst i ett verktyg, och du är okej med att betala per minut direkt till OpenAI.

Parakeet (NVIDIA TDT, ~600 MB) — den snabbaste lokala vägen

Parakeet v3 är 5 till 10× snabbare än Whisper på CPU. Engelska plus 24 europeiska språk. Ingen översättning till engelska. Ingen kodväxling med asiatiska skrifter. Kvaliteten är god, inte i klass med Whisper-large-v3, men mer än tillräcklig för vardagliga mejl och dokumentarbete. Välj den här om du vill ha fart och du mest pratar engelska.

Lokal Whisper (8 modeller) — den lokala vägen med mest kontroll

Långsammare än Parakeet på samma hårdvara. I gengäld får du 99 språk i de flerspråkiga byggena, översättning till engelska, anpassad vokabulär, kontroll av beam-storlek och hotword-bias. Välj den här om du behöver översättning, flerspråkig transkribering (särskilt kinesiska, japanska, koreanska, vilket Parakeet inte klarar), eller finare kontroll per inspelning.

Alla tre vägar använder samma snabbtangent, samma overlay, samma inställningar. Omkopplaren är en enda brytare.

Vad Windows redan ger dig (Win+H)

Öppna vilket textfält som helst: Word, Outlook, en webbläsares adressrad, Notepad, Slack-inmatningen. Tryck Windows + H. Ett litet dikteringsverktygsfält dyker upp, och din PC lyssnar. Prata. Klicka utanför, eller tryck på stoppknappen i verktygsfältet, och texten ligger kvar. Det är hela grundnivån.

Microsoft kallar det Voice Typing. Det är inbyggt i Windows 10 och Windows 11. Det finns ingen app att installera. Ingen "träning" på det sätt som släktingen jag tänker på fick göra med Dragon NaturallySpeaking på en Windows 98-dator 1999, som krävde 45 minuters läsning av en kalibreringslista innan programmet kunde avgöra om du sa "writing" eller "riding". Talteknologin blev tyst bättre medan ingen tittade, och Microsoft levererade resultatet i en systemuppdatering utan något pressmeddelande.

Några saker att veta från start. Voice Typing använder Microsofts molnbaserade taligenkänning, drivet av Azure Speech-tjänsterna. Det betyder att ljud lämnar din laptop på vägen till ett Microsoft-datacenter. Om du dikterar ett lönekalkylblad, ett HR-meddelande, eller något som omfattas av HIPAA eller GDPR, spelar det roll. Kontrollera er IT-policy eller använd ett verktyg vars integritetshistoria är enklare. Funktionen stödjer mer än 50 språk med regionala varianter. På en Copilot+ PC (den nya Snapdragon X / Surface-generationen) finns även en Voice Typing-funktion som heter Fluid dictation, som använder en lokal liten språkmodell för att fixa grammatik, interpunktion och utfyllnadsord medan du pratar. Den är för närvarande tillgänglig på alla engelska språkvarianter.

Voice Typing vs Voice Access — välj rätt yta

Två olika Microsoft-funktioner som ofta förväxlas. Voice Typing är vad du får med Windows + H. Voice Access är en separat funktion för att styra hela datorn med rösten: öppna appar, klicka på knappar, scrolla, plus skriva text. Voice Access kräver Windows 11 22H2 eller senare, använder lokal taligenkänning som fungerar utan internetuppkoppling, och ersatte den gamla Windows Speech Recognition i september 2024. Voice Access-språken täcker engelska (sex regionala varianter), spanska, tyska, franska, förenklad och traditionell kinesiska, japanska och italienska.

Om ditt mål är "jag vill diktera text in i appar" vill du ha Voice Typing. Om ditt mål är "jag kan inte använda mus och tangentbord, jag behöver styra hela datorn" vill du ha Voice Access. De två bygger på olika premisser och dokumentationen ligger på olika ställen. De flesta läsare som söker "tal till text på Windows" vill ha Voice Typing.

När Microsoft Voice Typing räcker

Mellan oss sagt: de flesta behöver inte en betald dikteringsapp. Om du skickar ett 30-ords svar, dikterar in i en Slack-tråd eller skriver en kalenderanteckning är Windows + H gratis och funkar. Whisper börjar bli värt det runt 200-ordsgränsen, där Voice Typings noggrannhet och avsaknaden av ett förbättringssteg börjar göra ont. Långa meningar blir hopslagna. Interpunktionen driver. Egennamn vacklar; min äldsta dotters namn har transkriberats som "Maira", "Mirror" och en gång, minnesvärt, "Mirror image".

Uppdelningen är ungefär: kort, vardagligt, bara engelska, inga regelkrav → Voice Typing. Långt, medvetet, flerspråkigt, känsligt, eller du vill ha förbättring → ta till ett riktigt verktyg. Om din dag mest består av tvåradiga Teams-chattar är du klar med den här artikeln. Om dagen handlar om att skriva mejl, sammanfattningar, kodkommentarer, föreläsningssummeringar eller marknadsföringsvarianter, fortsätt läsa. dictating into Word specifically has a few extra considerations worth reading.

And if you want the inverse — Windows reading text back to you for proofreading long drafts — the honest free text-to-speech roundup covers Edge's built-in Read Aloud and the five tools worth the install.

Föredrar du produktsidan framför guiden? Whispers tal till text för Windows samlar appen, de lokala modellerna och nedladdningen på ett ställe.

Genomgång: Cloud-läge (OpenAI BYOK-vägen)

Cloud är vägen med högst kvalitet och den jag skulle sätta upp först på en ny dator. Tidsbudget: ungefär 3 minuter om du redan har en OpenAI-nyckel.

Alternativ väg: Parakeet (det lokala spåret)

Om du föredrar att ljudet inte lämnar laptopen är Parakeet den snabbaste lokala motorn.

Installera

Samma Whisper-installationsprogram. Inställningar → Transkribering → byt läge till Local — Parakeet. Appen laddar ner Parakeet v3-modellfilen (~600 MB) och packar upp den vid första körningen.

Använd

Samma snabbtangent: håll in Ctrl + Space, prata, släpp. Transkriptet dyker upp vid markören, precis som i Cloud-läge. Inget internet krävs när modellen väl är nedladdad. All transkribering är ren Rust via transcribe-rs (ingen Python-sidecar).

När du ska välja den

Engelsktalande. Mest engelskt arbete. EU-språkväxling går bra; Parakeet täcker 25 språk inklusive franska, tyska, spanska, italienska, polska, ukrainska, ryska och 17 till. Du vill ha fart och du behöver inte översätta till engelska eller asiatiska språk. Parakeet kör 5-10× snabbare än Whisper på CPU, vilket på en typisk Intel i5/i7-laptop innebär att du är klar med dikteringen ungefär när fingret lämnat tangenten.

När du ska hoppa över den

Du talar kinesiska, japanska, koreanska, arabiska eller ett annat icke-EU-språk; du behöver översätta till engelska; eller du behöver beam-storleks- och hotword-kontroll. Använd den lokala Whisper-vägen eller Cloud i stället.

Alternativ väg: lokal Whisper (när du behöver kontroll)

Lokal Whisper är den bredaste lokala motorn. 99 språk i de flerspråkiga byggena. Översättning till engelska. Anpassad vokabulär. Beam-storlekskontroll. Hotword-bias.

Installera

Samma Whisper-installationsprogram. Inställningar → Transkribering → byt läge till Local — Whisper. Välj en modell.

Använd

Samma snabbtangent: håll in Ctrl + Space, prata, släpp. AI-förbättring i lokalt läge går via Ollama om du har det installerat; annars rå transkribering.

Prestandaprofiler

Inställningar → Transkribering → Prestanda. Tre alternativ: Snabb (beam 3), Balanserad (beam 6), Noggrann (beam 9). Snabb och Balanserad passar de flesta; Noggrann är för transkribering med hög insats där du har råd att vänta en extra sekund.

När du ska välja den

Du översätter ukrainska till engelska mitt i en mening, du dikterar japanska, du växlar mellan fem språk i ett stycke, eller du vill ha hotword-bias för branschspecifik vokabulär (medicinsk, juridisk, teknisk).

När du ska hoppa över den

Du är en ren engelsktalare som vill ha det snabbaste lokala alternativet; välj Parakeet i stället. Du vill ha topp-noggrannhet och har en OpenAI-nyckel; välj Cloud.

Den ärliga jämförelsen: Microsoft Voice Typing, Wispr Flow och Whisper

Wispr Flow är en polerad molnbaserad produkt på ungefär $15 i månaden på Windows. Själva transkriberingen sker via samma familj av Whisper-modeller som körs på någon annans GPU. Vi får samma motor att köra på din laptop i stället, tar $9.99 i månaden och inkluderar moln (BYOK till OpenAI) som reservalternativ när du vill ha det. Livstidspriset ($69) går jämnt ut mot månadsprenumerationen vid sju månader: vid $9.99 × 7 har du betalat $69.93 på månadsbasis. De flesta användare fortsätter diktera i mycket längre än sju månader. Lifetime är det ärliga priset för ett verktyg du faktiskt använder.

Jag vill vara tydlig: Wispr Flow är en riktig produkt gjord av smarta människor. Om deras gränssnitt är det som övertygar dig att börja diktera över huvud taget är det värt mer än $20 i månaden i sparat skrivande. Vi tycker bara att diktering inte ska kosta en månadsprenumeration för evigt år 2026.

If your dictation lives mostly in the browser, the Chrome-extension route is a different trade-off again; the honest Voice In (Dictanote) alternative weighs an in-page extension against a system-wide app that types into every window.

Välja rätt Whisper-modell för din hårdvara

Whisper levereras i åtta storlekar inuti appen. Den tråkiga sanningen är att de flesta Windows-användare ska välja small.en för rent engelskt arbete, eller small för flerspråkigt, och sedan aldrig fundera på det igen.

Alla storlekar är hämtade direkt från skrivbordsappens modellregister; ingen avrundning, inga siffror från det publika Whisper-papperet.

Några tumregler. Med 8 GB RAM kör Cloud-läge på vilken hårdvara som helst oavsett. Lokalt: Parakeet, base.en eller small.en är de säkra valen; medium.en kommer att kvävas. Med 16 GB+ och en diskret GPU kör alla vägar bekvämt, och large-v3 och turbo har störst nytta av GPU:n. En USB-mikrofon för $20 gör mer för transkriberingsnoggrannheten än att uppgradera från small.en till medium.en. Lägg pengar på inmatningen innan du lägger dem på modellen.

För flerspråkiga användare som växlar mellan engelska och ukrainska, tyska eller japanska mitt i ett stycke är large-v3 eller turbo den enda modellfamiljen som hanterar verklig kodväxling rent. Mindre flerspråkiga modeller kan transkribera ett språk bra, men de vacklar när du vänder mitt i en mening.

Tre saker som snubblar folk första veckan

En liten historia som kan rädda en kväll åt dig. Den första versionen av Whispers snabbtangentshanterare avfyrade stop-callbacken sex gånger per riktigt knapptryck på Windows. Funkade fint på en ren installation, gick sönder på kunddatorer som hade någon form av språkinmatning aktiverad. Det tog flera dagars telemetri, en 50 ms debounce som inte räckte och sedan en 300 ms debounce som äntligen gjorde det. Windows IME genererar fantom-Ctrl + Space-släppningshändelser med oförutsägbara intervall; antingen debouncar du eller så blir du galen. Vi valde det första. Debouncen är osynlig för dig; den sitter där och gör sitt jobb, så som det mesta välbyggd infrastruktur gör.

If your Win + H toolbar opens but the microphone meter never moves — or the whole shortcut does nothing — that's a different problem with its own short fix list: eight verified fixes for Windows voice typing that stopped working.

Om du bara minns en sak, minns det här: din Windows-PC gör redan tal till text, gratis, tillräckligt bra för korta anteckningar. Använd det. När integritetshistorien (Azure-dirigerat ljud), avsaknaden av förbättring och begränsningarna för långform-diktering börjar kosta dig riktig tid (vanligtvis runt 200-ordsgränsen, vanligtvis ungefär en vecka in) — det är då ett riktigt dikteringsverktyg gör skäl för sig. Testa lokalt först om du bryr dig om integritet eller mest är offline. Cloud är vägen med högst kvalitet om du inte gör det. Omkopplaren är en enda brytare i Inställningar, och snabbtangenten är densamma. Om du väger installationssteg i huvudet just nu är det snabbaste experimentet: installera Whisper, ställ in Cloud-läge med din OpenAI-nyckel, håll in Ctrl + Space, diktera in det här stycket i ett Notepad-fönster och se om du någonsin vill gå tillbaka till att skriva. Jag slår vad om att du inte vill det.