Modern dikte uygulaması

Tuşa bas, konuş, kelimeler imlecine gelir

Masaüstü dikte uygulamasını tanımlayan mekanizma budur. Bir tuşa basarsınız; Windows'ta varsayılan olarak Ctrl+Space, yeniden atanabilir bir konuş-bırak kısayolu. Bir cümle söylersiniz. Tuşu bırakırsınız. Bir saniye kadar sonra metin, imlecinizin yanıp söndüğü yerde belirir.

"İmlecinde, her uygulamada" kısmı, gerçek bir dikte uygulamasını bir transkripsiyon sitesinden ayıran şeydir. Transkripsiyon aracı kaydedilmiş bir dosyayı alır ve size bir metin duvarı verir; onu bir yere kopyalamanız gerekir. Dikte uygulaması dosyayı tamamen atlar. Yazmakta olduğunuz şey, kelimelerin göründüğü şeydir. Bir mektubu dikte etmek ile onu okurken yaptığınız kaydı transkribe etmek arasındaki fark budur.

Hız, insanların beklediğinden daha önemli. Çoğumuz dakikada yaklaşık 40 kelime yazarız. Konuşma ise yaklaşık 145 kelime. Bu, üç buçuk kat daha hızlı demek; bu yüzden bir saniye bastığınız bir araç size öğleden sonranın gerçek bir dilimini kazandırabilir. Birikmiş e-postalar, toplantı notları, öğle yemeğinden önce yazılacak on iki farklı e-posta taslağı.

Bilgisayarınızda zaten var; bazen bu yeterli

Bir şey kurmadan önce şunu bilin: büyük olasılıkla zaten bir dikte aracına sahipsiniz. Her iki büyük işletim sistemi de birini ücretsiz olarak sunuyor.

Windows 11'de Windows tuşu + H'ye basarsınız ve bir sesle yazma çubuğu belirir. Çalışır; tek bir taktiği var: Azure destekli çevrimiçi konuşma tanıma kullandığından internet bağlantısı gerekir. Bağlantı yoksa dikte de yok. İstediğinizde noktalama işaretlerini de otomatik ekleyebilir.

Mac'te Apple Dictation, Sistem Ayarları'nın Klavye bölümünde yer alır; mikrofon tuşuyla veya seçtiğiniz bir kısayolla başlatılır. Apple'ın versiyonu, konuşma modelini indirdikten sonra tamamen cihaz üzerinde çalışabilir; bu da çevrimdışı çalıştığı ve sesinizin makinenizden çıkmadığı anlamına gelir. Düzinelerce dili destekler. Apple, özellik kullanılabilirlik sayfasında 54 çevrimiçi, 43 çevrimdışı dil listeler. Özel kelime hazinesi, ifadelerinizi AI ile düzenleme veya hangi transkripsiyon modelinin çalışacağını seçme gibi özellikleri yoktur.

Sıkıcı gerçek şu: kısa ve gündelik dikte için, 30 kelimelik bir metin, hızlı bir arama, tek satırlık bir yanıt için yerleşik araç gerçekten yeterli. Ücretsiz, zaten orada ve menü çubuğuna annenize mesaj atmak için dördüncü bir simge eklemenize gerek yok. Yaptığınız tek şey buysa, bu sekmeyi kapatın ve Win+H'ye ya da Mac'inizin dikte tuşuna basın. Ciddi söylüyorum.

Telefon veya tablette de dikte yapıyorsanız, her cihaza hangi sesle yazma uygulaması uyar yazısı platforma göre seçimi ele alıyor.

Ayrı bir dikte uygulaması ne zaman işe yarar

Peki yerleşik araç ne zaman yetmez? Genellikle üç şey. Birincisi, gerçekten özel olan çevrimdışı kullanım. Windows sesle yazma buluta ihtiyaç duyar. Ayrı bir uygulama her şeyi kendi CPU'nuzda çalıştırabilir; böylece çocuğunuzun okuluna yazdığınız e-posta ya da hazırladığınız hukuki belge hiçbir yere gitmez. İkincisi, doğruluk ve kontrol: daha büyük bir model seçmek, sürekli yanlış duyduğu özel kelimeleri eklemek, ifadelerinizin otomatik düzenlenmesi. Üçüncüsü ise yerleşik araçların sessizce atladığı kısım: her uygulamada, her seferinde, sürprizsiz aynı şekilde çalışmak.

Whisper by Remskill tam bu alanı dolduruyor. Windows ve Apple Silicon'lu macOS için bir masaüstü uygulaması. Oturum açan herkes için yerel pipeline'ın tamamı ücretsiz; kayıt sırasında kart bilgisi gerekmiyor. Bu kapsam; yerel transkripsiyon motorlarını, AI düzenlemesini, geçmişi, özel kelimeleri ve en fazla üç cihaz kaydını içeriyor.

Motor konusunda size tek bir varsayılan sunulmaz ve beğenmeniz beklenmez. Siz seçersiniz. Yerel Parakeet en hızlı seçenek: yaklaşık 600 MB, CPU'da Whisper'dan 5 ila 10 kat daha hızlı, İngilizce artı 24 Avrupa dili. Yerel Whisper daha yavaş ama 99 dili destekler, konuşmayı İngilizceye çevirebilir ve özel kelime hazinesi ile daha fazla kontrol sunar; en büyük model yaklaşık 3 GB. OpenAI'nin en son bulut modellerini ve canlı web yanıtlarını istiyorsanız, kendi API anahtarınızı getirdiğiniz ve Remskill'in hiçbir pay almadığı isteğe bağlı Pro bulut yüzeyi de var. Üç yol, hızı mı dilleri mi yoksa en yeni bulut kalitesini mi önemsediğinize göre seçim sizin.

Dürüst görüş: çoğu "AI dikte" uygulaması model değil, kâr marjı

Güçlü tek görüşüm bu ve bir sayıyla destekleyeceğim. Son iki yılda piyasaya çıkan dikte uygulamalarının büyük çoğunluğu aslında aynı şey: kendinizin de çalıştırabileceği bir konuşma modeli, üstüne güzel bir arayüz ve hesaplama maliyetiyle çok az ilgisi olan aylık bir fatura. Daha pahalı olanlarda bu düzenlemenin piyasa fiyatı ayda otuz dolar civarında.

Satış sunumu "yapay zeka destekli" diyor. Benim ipotek başvurum da öyle. Bu ifade artık bir anlam taşımıyor. Yalnızca bulut tabanlı bir uygulamada gerçekte ne için ödeme yapıyorsunuz? Birinin sizin yerinize modeli çalıştırmasının kolaylığı, artı sesinizin dizüstü bilgisayarınızdan çıkmasının gizlilik bedeli. Çalışma hassasiyse bu bir kolaylık değil, bir yükümlülük.

Ücretsiz yerel kullanımın temel olması konusunda bu kadar ısrarcı olmamın tek nedeni bu. Dizüstü bilgisayarınızda bir mikrofon ve bir CPU var. Bir paragraflık dikte için sunucuya gerek yok.

Diğer dikte uygulamalarına dürüst bir tur

Seçim yapmadan önce mevcut seçenekleri bilmek gerekir. Adı geçmeye değer olanlar, her biri için bir satır, hakkı teslim edilerek.

Birkaçını dışarıda bıraktım. Mesele bir listeyi ezberlemek değil. "Dikte uygulaması" ifadesinin ücretsiz yerleşik araçları, açık kaynak projeleri, cilalı abonelikleri ve kurumsal sesli komut paketlerini kapsayan kalabalık bir sözcük olduğunu görmek. Kimin ana sayfasını ilk gördüğünüze göre değil, gerçekte ne yaptığınıza göre seçin.

"Sadece bir tuşa bas" neden göründüğünden zor

Sıkıcı ayrıntılara bu kadar önem vermemimin nedeni olan kısa bir hikâye. Uygulamayı yedi yaşındaki küçük kızıma bir cumartesi verdim. Tek demo: bas, konuş, bırak, yapıştır. Tek bir soru sormadan büyükannesine düşen bir diş, diş perisinin döviz kuru ve dans dersi hakkında 90 kelimelik bir e-posta yazdı.

İki gün sonra geri geldi: "hotkey çizim uygulamamda çalışmıyor." Ortalama bir insan hotkey çakışmasının ne olduğunu bilmez. Sadece çalışmayı bıraktığını bilir. O gece özelleştirilebilir kısayol ayarlarını gönderdim. Bir dikte uygulaması küçük şeylere bağlıdır: tahmin etmediğiniz çakışma, Windows'taki hayalet tuş bırakması — bir zamanlar işleyicimin her basışta altı kez tetiklenmesine yol açtı ve düzeltmek için birkaç gün ile 300ms'lik bir debounce gerektirdi. Yüksek lisansım var. Debounce yine de beni küçük düşürdü.

Dikte uygulamasına ihtiyaç duymadığınız durumlar

Çoğu makalenin atladığı kısım bu, o yüzden açıkça söylüyorum. Bu durumlardan herhangi biri sizin için geçerliyse ayrı bir dikte uygulamasına ihtiyacınız yok.

• Yalnızca kısa ve gündelik şeyler dikte ediyorsunuz. Mesajlar, aramalar, arada bir tek satırlık yanıtlar. Bunlar için yerleşik araç ücretsiz olarak yeterli.
• Her zaman çevrimiçisiniz ve hassas hiçbir şeye dokunmuyorsunuz. Bu durumda bulut tabanlı yerleşik araçlar ya da yalnızca bulut tabanlı ücretli bir uygulama yeterli; yerel kullanımdan fazla kazanım elde edemezsiniz.
• Yalnızca tek bir yerde dikte yapıyorsunuz, örneğin tek bir tarayıcı sekmesinde. Sistem genelinde bir uygulama olmadan bir tarayıcı uzantısı bunu karşılar. Voice In, örneğin yalnızca tarayıcı içinde çalışan bir Chrome uzantısı.
• Yalnızca metin girişi değil, bilgisayarınızın tamamını eller serbest kontrol etmek istiyorsunuz. Bu sesli komut alanı ve Dragon bunu dikte odaklı herhangi bir araçtan daha iyi yapıyor.

Ayrı bir uygulama daha uzun, daha sık, daha özel ve daha çok dilli kullanımda değer kazanmaya başlar; kabaca gerçek paragrafları her gün dikte ettiğiniz ve bunların makinenizden çıkmamasını tercih ettiğiniz noktanın ötesinde. Bu sınırın altında paranızı biriktirin. Ücretsiz seçeneklerin daha kapsamlı bir karşılaştırması için bir ücretsiz dikte yazılımı rehberi, daha geniş bir bakış açısı için sesle yazma yazılımı ve belirli bir uygulamadan buraya geldiyseniz, superwhisper alternatifi karşılaştırması mevcut.

Tek bir şey hatırlayacaksanız

Dikte uygulaması şu demek: "bir tuşa bas, konuş, kelimeler yazdığın yerde belirir." Bilgisayarınızdaki yerleşik araç kolay versiyonu zaten ücretsiz yapıyor. Ayrı bir uygulama, çevrimdışı gizlilik, gerçek çok dilli doğruluk veya her uygulamada aynı davranış ihtiyacı duyduğunuzda değer kazanır; bu ihtiyaçlar yoksa geçmenize gerek yok.

Whisper by Remskill tam bu nedenle yerel pipeline'ın tamamını ücretsiz tutuyor: ödeme yapmadan önce sizin için nerede çizildiğini bulabilmelisiniz. İsteğe bağlı bulut Pro planının fiyatlandırması fiyatlandırma sayfasında yer alıyor. Yedi yaşındaki kızım bu sınırı bir cumartesinde buldu. Siz büyük ihtimalle daha hızlı bulursunuz.