Google sesle yazma alternatifi: her yerde dikte edin

Google sesle yazma neyi iyi yapar ve nerede durur

Önce hakkını verelim. Google sesle yazma bir Google hesabıyla ücretsizdir, sıfır kurulum gerektirir ve Chrome, Edge ve Safari'nin en güncel sürümlerinde çalışır. Bir Docs belgesinin içinde ya da Slides'taki konuşmacı notları ve altyazılarda tanıma oldukça iyidir ve dil listesi uzundur. Her şeyi Docs'ta yazıyorsanız, ekmeğini hak ediyor ve Google Docs sesle yazma rehberimiz kurulumu ayrıntılı olarak anlatıyor.

Duraklar da en az o kadar somut. Noktalama işaretleri elle eklenir: "nokta," "virgül," "soru işareti," "yeni paragraf" dersiniz. Ve noktalama her dilde mevcut değildir. Düzenleme ve biçimlendirme komutları yalnızca İngilizcede çalışır, hem de yalnızca hem hesap diliniz hem de belge diliniz İngilizce olduğunda. (Slides konuşmacı notları sesle yazmayı alır ama hiçbir sesli komut almaz. Nedenini ben de bilmiyorum.)

Ve bu makaleyi başlatan sınır: özellik iki Google yüzeyinin içinde var ve başka hiçbir yerde yok. Gmail, Slack, CRM'iniz, kod düzenleyiciniz, bir web formu — sessizlik. Bunların hiçbiri bir hata değil. Ücretsiz bir özelliğin kendi yardım sayfasının söylediğini yapması, fazlası değil. Asıl soru, yazınızın o kutunun içine sığıp sığmadığı. Ve cümlenin ortasında dinlemeyi bıraktığında, bu genellikle siz değil, mikrofondur — Google Docs sesle yazma çözümlerimiz olağan nedenleri kapsıyor.

Her uygulamada çalışan bir sesle yazma alternatifi

Whisper tam tersi bir bahse giriyor: dikte tek bir web sitesine değil, işletim sistemine aittir. Bir kısayola basıyorsunuz: Windows'ta Ctrl+Space ya da Mac'te bas-konuş olarak basılı tutulan Command+Option. Konuşuyorsunuz. Bırakıyorsunuz. Metin imlecinizin bulunduğu yere düşüyor: bir e-posta, bir sohbet penceresi, bir tablo hücresi, bir commit mesajı. Kopyalama adımı yok, çünkü kopyalanacak bir "kaynak belge" yok.

Hız argümanı basit bir aritmetik. Dikte dakikada yaklaşık 145 kelimeyle çalışır, yazmanın yaklaşık 40'ına karşı — buna 3,6 katlık bir fark diyelim. Küçük İngilizce modeliyle bir M1 MacBook Air'de, tuşu bırakmakla metni görmek arasındaki süre 1,4 saniyedir.

Kaputun altında üç yoldan birini siz seçiyorsunuz ve uygulama sizin yerinize seçmiyor. Bulut modu, kendi API anahtarınızla OpenAI'ye bağlanır ve gpt-4o-mini-transcribe ya da gpt-4o-transcribe kullanır. NVIDIA'nın yerel motoru Parakeet, CPU'da Whisper modellerinden 5-10 kat daha hızlı çalışır ve İngilizce ile 24 Avrupa dilini kapsar. Ve yerel açık kaynaklı Whisper modelleri 140 MB'lık bir İngilizce modelden 3 GB'lık Large v3'e kadar uzanır. Uygulama, Windows ve Apple Silicon Mac'ler için sunuluyor.

Google sesle yazma vs Whisper, yan yana

Tablodan önce seçilen ölçütler: aracın nereye yazdığı, neyin içinde çalıştığı, noktalama, sesli komutlar, dil kapsamı, çevrimdışı davranış ve fiyat biçimi. Hâlâ Docs mikrofonunu kullanırken benim için kararı veren yedi şey bunlardı. Google sütunu Google'ın kendi yardım sayfasından geliyor; Whisper sütunu ise buradan görebildiğim uygulamanın kaynak kodundan geliyor.

Karar ilk paragrafla örtüşüyor: Yazınız Google Docs'tan ayrıldığı an Whisper doğru tercihtir. Google sesle yazma, yazısı oradan hiç çıkmayan insanlar için doğru yanıt olmaya devam ediyor. O durumun aşağıda kendi bölümü var ve bunu ciddiyetle söylüyorum.

Çevrimiçi sesle yazma vs masaüstünüzde sesle yazma

"Çevrimiçi sesle yazma" çoğunlukla bir sekmede açtığınız bir web sitesi anlamına gelir: bir metin kutusuna transkripsiyon yapan, mikrofon düğmesi olan ücretsiz bir sayfa. Bu araçlar tarayıcının konuşma tanıma motorunun üzerinde oturur ve MDN'in Web Speech API belgeleri bunun nasıl çalıştığı konusunda açık sözlüdür: "Sesiniz tanıma işlemi için bir web hizmetine gönderilir, bu yüzden çevrimdışı çalışmaz." Aynı sayfa iki maliyeti adlandırıyor: gizlilik, çünkü konuşmanız makineden ayrılıyor ve güvenilirlik, çünkü bağlantı yoksa transkripsiyon da yok.

Tek seferlik bir not için çevrimiçi bir sesle yazma sayfası gayet iyidir. Vergi tekrarla ortaya çıkar: her dikte seç, kopyala, geçiş yap, yapıştır ile biter. Bir keresinde yanlış sekmeye bir market listesi dikte ettim ve onu bir bütçe tablosuna yapıştırdım. Yaklaşık on saniye boyunca, 3. çeyrek tahminleri "yoğurt küçük olanlar, büyük olanlar değil" içeriyordu. Bir masaüstü aracı bu kaza türünü tamamen ortadan kaldırır çünkü metin nerede bitiyorsa orada başlar — imlecinizde. Ve tarayıcı mikrofonu yaramazlık yaptığında, çözüm tarayıcı ayarlarında yaşar, ki bu da başlı başına bir öğleden sonra. Yeterince insan sorunca Chrome dikte çözümlerini yazdık.

Noktalama ve düzenleme: kimsenin saymadığı düzenleme vergisi

Sıkıcı gerçek şu ki, yavaş kısım hiçbir zaman transkripsiyon değildi. Düzenleme yavaş kısım. Google sesle yazmayla noktalamanızı konuşuyorsunuz ("nokta," "yeni paragraf"), ki bu işe yarıyor ama sizi virgülleri seslendiren birine dönüştürüyor. Bu makale için komutları test ettim ve test belgem içinde "virgül" kelimesi tam on bir kez geçti. Alışkanlık eve de geliyor: o zamandan beri gerçek bir sohbette konuşulan bir cümleyi "nokta" diyerek bitirdim.

Whisper ise ham transkripti bir yapay zeka düzenleme aşamasından geçirir: dil bilgisi düzeltilir, dolgu sözcükleri kaldırılır, noktalama ait olduğu yere konur. Yerel modda bu Ollama üzerinden çalışır; bulut modunda varsayılan iyileştirici olarak gpt-5-mini ile OpenAI modellerini kullanır. Bir cümleye "Hey whisper" ile başlayın, yapay zeka ardından geleni yazılacak metin olarak değil bir talimat olarak değerlendirir: "Hey whisper, bu yanıtı kibar ama net yap" gerçek bir iş akışı, bir gösteri değil. Hissettirdiği farkı abartmak zor. Bir araç biçimlendirmeyi sizin yapmanızı ister. Diğeri bir insan gibi konuşmanıza izin verir ve olduğu gibi göndereceğiniz bir şey geri verir.

Gizlilik: sesiniz nereye gidiyor

İşte savunacağım görüş: sesinizi kontrol etmediğiniz bir sunucuya gönderen bir dikte bir gizlilik sorunudur ve bazı işler için bir engeldir. Tarayıcı tabanlı sesle yazma, sesi işlenmek üzere dışarı göndererek çalışır. Bu bir market listesi için sorun değil. Bir sözleşme taslağı, bir hasta notu ya da çocuğunuzun okul durumuyla ilgili e-posta için bambaşka bir konuşma.

Bu dersin maliyet tarafını yakından izledim. Birlikte çalıştığım bir ekip, bir yükleniciye her ifade için bir bulut API'sini çağıran dahili bir yapay zeka dikte prototipi yaptırmıştı. Çeyrek sonunda yönetici maliyet panosunu açtı: beş haneli bir fatura, çoğu da yeniden deneme mantığı fazla hevesli olduğu için aynı ayakta toplantı kayıtlarını dört kez transkribe eden tek bir ekipten geliyordu. Yüklenici, istemi optimize etmeyi önerdi. CFO ise zaten notları olan toplantıları dinlemesi için bir sunucuya para ödememeyi önerdi. İkisi de bir konuda haklıydı.

Whisper'ın yerel modu soruyu tartışmak yerine kapatıyor: model makinenizde çalışır, hiçbir şey cihazdan ayrılmaz ve hiç internet gerekmez. Aynı kısayol, aynı akış, aktarımda sıfır ses.

Whisper'ı atlayıp Google'da ne zaman kalmalı

Dikte ettiğiniz her kelime bir Google Doc'ta sona eriyorsa, Google sesle yazmayla kalın. Hiçbir şeye mal olmuyor, zaten Araçlar menüsünde ve Docs'un içinde işini görüyor — bu, karşı çıkması zor bir bileşim ve aksini iddia etmeyeceğim. Ayda iki kez dikte ediyorsanız da aynısı geçerli: iki kopyala-yapıştırı kurtarmak için bir masaüstü uygulaması kurmak fazla mühendisliktir ve bunu mesleki olarak söylüyorum. Whisper, yazınız düzenli olarak belgeden ayrıldığında (e-posta, sohbet, formlar, notlar) ya da yapay zekayla noktalama, çevrimdışı kullanım veya sesi makinenizde tutmak önem kazandığında yerini hak eder. O zamana kadar ücretsiz yerleşik araç doğru araçtır.

Sayfanın başındaki o öğretmen e-postası sonunda gönderildi — doğrudan Gmail'e dikte edilerek, bir Doc üzerinden aktarım olmadan, tek kelime söylemeden noktalama dahil. Google Docs sekmesi kapalı kaldı. İşte tüm karşılaştırma tek bir anda: ücretsiz araç yazınızın ona gelmesini ister, alternatif ise yazının zaten olduğu yere gider. Gününüze hangi yön uyuyorsa onu seçin.