Gemini'ye Dikte Et

Gemini'yle zaten konuşabilir misiniz?

Evet. Gemini'nin yerleşik sesli girişi var. Telefonunuzdaki Gemini uygulamasında mikrofona dokunup sorunuzu söylersiniz; desteklenen bir cihazda elleri serbest başlayabilirsiniz. gemini.google.com'da da prompt alanında bir mikrofon var. Dolayısıyla hedefiniz «Gemini'ye sesli bir şey sormak ve cevap almak»sa başka bir şeye ihtiyacınız yok. Özellik ürünün içinde geliyor.

Bunu başından netleştirmek istiyorum, çünkü bu anahtar kelime için pek çok makale bunu atlayıp doğrudan size bir şey satmaya gidiyor. Gemini'nin kendi sesli girişi hızlı sözlü sorular için gerçekten iyi. «İstanbul'da hava nasıl», «200 gramı bardağa çevir», «bu makaleyi özetle» — konuş, dinle, tamam. Yaptığınızın tamamı buysa bu kısa bir makale: orada zaten bulunan mikrofonu kullanın.

Fark, prompt'ınız uzadığında veya daha kasıtlı hale geldiğinde ve aynı alışkanlığı Gemini olmayan bir yerde kullanmak istediğinizde ortaya çıkıyor. Makalenin geri kalanı bu.

Neden sadece konuşmak yerine prompt'ı yazmak

Doğrudan bir chatbot'un mikrofonuna konuştuğunuzda, sözleriniz içeri girer ve cevap çıkar — ama prompt'ı önce düzenlenebilir metin olarak göremezsiniz. Tek satırlık bir soru için bu iyi. Dikkatli bir prompt için değil. «Bunu resmi bir tonda özetle» dediniz, mikrofon «bunu resmi bir tonda öztle» duydu ve şimdi model biraz yanlış bir şey yapıyor ve her şeyi yeniden kaydediyorsunuz. Prompt'ı önce kutuya yazmak, çalışmadan önce onu okuduğunuz anlamına gelir.

Diğer neden bu alışkanlığın taşınmasıdır. Konuşmanızı bir metin kutusuna yazan bir kısayol, hangi kutu olduğunu umursamaz. Bugün Gemini, yarın ChatGPT, öbür gün bir Claude prompt'ı, bir Slack mesajı, bir commit açıklaması, çocuğunuzun öğretmenine bir e-posta. Tek bir kas belleği, her uygulama. Gemini'nin mikrofonu yalnızca Gemini içinde çalışır — tam olarak bekleneceği gibi, ama bu her yerde çalışan ikinci bir aracın gereksiz olmadığı anlamına gelir — farklı bir şekle sahip.

En hızlı yol: sistem genelinde kısayol

İşte özel bir uygulamanın durumu değiştirdiği yer burası. Whisper by Remskill bir Gemini eklentisi, Chrome uzantısı ya da Google entegrasyonu değil. Klavyeniz gibi davranan bir masaüstü uygulaması: bir kısayola basın, konuşun ve transkript imlecinize yapıştırılır — herhangi bir uygulamada, Gemini prompt kutusu dahil. Tarayıcıda ve masaüstünde aynı şekilde çalışır, çünkü bilgisayarınız açısından sadece yazıyorsunuz.

Kurulum kısa:

Tüm döngü bu. Transkript kutuda belirir, okursunuz, yanlış olan şeyleri düzeltirsiniz, gönderirsiniz.

Doğrudan Gemini'ye prompt dikte edin

Çalışmaya başladığında deneyim en iyi şekilde sıradan. İmleci Gemini'nin prompt kutusuna koyarsınız, tuşu basılı tutarsınız, prompt'ınızı söylersiniz, bırakırsınız. Bir saniye ya da sonra metin orada oturur, sanki yazmışsınız gibi. Şimdi canlı mikrofonun yapmanıza izin vermediği şeyi yapıyorsunuz: okuyorsunuz. Uzun prompt'lar özellikle — üç paragraf arka plan artı gerçek soru — çalışmadan önce görebildiğinizde doğru yapmak çok daha kolay.

Yerel transkripsiyon makinenizde çalıştığından (saf Rust, Python sidecar yok, döngüde sunucu yok), çevrimdışı çalışır ve dikte ettiğiniz şeyin sesi hiçbir zaman laptopunuzu terk etmez. Prompt'ı sesinizle yazıyorsunuz ve ardından kendiniz Gemini'ye gönderiyorsunuz — dikte adımı ve yapay zeka adımı ayrı, bu da aradaki düzenlemenizi yapabilmenizin tüm nedeni.

Yapay zeka temizliği «eem»leri kaldırır

Konuşma dili dağınık. «Eem» diyorsunuz, cümlelere yeniden başlıyorsunuz, «ne demek istediğimi biliyorsunuzdur» anlamına gelen bir sese dönüşüyorsunuz. Whisper'ın yapıştırmadan önce dolgu kelimelerini kırpan ve ifadeyi düzelten isteğe bağlı bir yapay zeka geliştirme adımı var. Yani «eem, yazabilir misiniz, yazabilir misiniz bana bir, kısa bir e-posta bunu reddeden» «Bunu reddeden kısa bir e-posta yazabilir misiniz» haline gelir. Daha temiz bir prompt daha temiz bir cevap almaya eğilimli, bu yüzden bu düz notlardan daha çok yapay zeka prompt'laması için önem taşıyor.

Bu temizlik yerel olarak Ollama üzerinden, ücretsiz, kendi makinenizde çalışır. Pro kullanıcıları bunun yerine bulut üzerinden yönlendirebilir, ancak dolgu temizliği faydası Pro gerektirmez; ücretsiz yerel pipeline'da mevcuttur. Ayrıca kapatıp ham transkripsiyonu yapıştırabilirsiniz, zaten prompt'ı okuyup düzenleyecekseniz bu uygundur.

Aynı kısayol ChatGPT, Claude, her yerde çalışır

Bu, ayrı aracı değerli kılan kısım. Kısayol Gemini'nin ne olduğunu bilmiyor. İmlecinizin bulunduğu yere metin yapıştırır, bu yüzden az önce öğrendiğiniz tam alışkanlık ChatGPT'de, Claude'da, Perplexity'de, bir Google Dokümanında, e-posta istemcinizde, bir pull request'in yorum kutusunda çalışır. Bir hareket öğrenirsiniz ve bugün hangi yapay zekayı prompt'ladığınızı düşünmeyi bırakırsınız. Gemini'nin yerleşik mikrofonu tasarım gereği yalnızca Gemini içinde yardımcı olur.

Normal bir haftada ne yaptığıma bağlı olarak üç veya dört yapay zeka aracı arasında geçiş yapıyorum. İstemediğim, her birinde farklı bir ses düğmesi olmasıydı, her biri biraz farklı davranıyordu. Hepsine yazan tek bir kısayol hatırlanacak daha az şey demek, ve bunlardan biri bir yeniden tasarım gönderdiğinde çalışmaya devam eder.

Tam Whisper uygulaması nasıl görünür

Kısayol en çok kullandığınız kısım, ancak arkasında bir ayarlar yüzeyi var. Transkripsiyon motorunuzu seçersiniz: Whisper modelleri (çok dilli varyantlar 99 dili kapsıyor ve yalnızca İngilizce .en yapıları tam olarak birini kapsıyor) veya NVIDIA'nın Parakeet'i (yaklaşık 600 MB, CPU'da Whisper'dan 5 ila 10 kat daha hızlı, İngilizce artı 24 Avrupa dilini kapsıyor). Kısayolunuzu ayarlarsınız, geçmişi yönetirsiniz ve ön ayarları kaydedersiniz. Gemini'ye bir prompt dikte etmek için bunların hiçbiri gerekli değil. Ayarlamak istediğinizde orada.

Gemini'nin kendi mikrofonu ne zaman yeterli

Sadece Gemini'ye hızlı sözlü sorular sormak istiyorsanız, ayrı uygulamayı tamamen atlayın. Gemini'yi açın, mikrofona dokunun veya tıklayın, konuşun. Yerleşik, ücretsiz ve tek satırlık bir soru için ikinci bir araçtan kazanılacak bir şey yok — bir adım eklersiniz, çıkarmazsınız. Aynı durum, yalnızca o uygulamada çalışırken diğer büyük chatbot'ların içindeki ses özellikleri için de geçerli.

Özel bir kısayol üç noktada öne çıkar: göndermeden önce okumak istediğiniz uzun prompt'lar, dolgu temizliği ve Gemini yerine her uygulamada aynı dikte alışkanlığını kullanmak. Prompt'larınız gerçek yazmaya ne kadar benzerse — bağlam, talimatlar, bir soru — ve ne kadar çok araç arasında geçiş yaparsanız, o kadar önemli olur.

Probleminizi çözen en küçük aracı seçin. Tek bir sözlü soru için Gemini'nin zaten mikrofonu var. Gemini ve ChatGPT ile yarım kalmış bir e-posta üzerinden dikte edilen uzun prompt'lar için, sistem genelinde kısayol yazmak zorunda olmadığınız ikinci paragraf civarında aşırı gelmez.

Whisper ne kadar tutuyor

Yerel dikte pipeline'ı — transkripsiyon ve Ollama üzerinden yapay zeka temizliği — kayıtta kart olmaksızın oturum açmış tüm kullanıcılara ücretsizdir. Yani Whisper ile Gemini'ye prompt dikte etmek ücretsizdir. Whisper Pro bulut özelliklerini ekler (OpenAI transkripsiyonu, bulut yapay zeka geliştirme, sesli web araması) ve ayrı bir deneme dönemi içerir. Kesin rakamlar fiyatlandırma sayfasında yer alıyor, burada değil, çünkü fiyatlar değişiyor ve bir blog gönderisi bunları güncel tutmak için kötü bir yer.

Gemini sizi zaten duyabiliyor ve hızlı bir soru için hikayenin sonu bu — orada olan mikrofonu kullanın. Bunun yerine prompt'ı kutuya dikte etmenin nedeni, mikrofonun yapamadığı kısım: çalışmadan önce okuyabilirsiniz ve bunu konuştuğunuz diğer tüm uygulamalarda aynı şekilde yapabilirsiniz. İki araç, iki iş. Çoğu zaman küçük olan yeterli.