Kullanmaya değer sesten metne uygulamaları

Bir sesten metne uygulaması ne yapar

Bir sesten metne uygulaması, tek işmiş gibi görünen iki iş yapar. Önce otomatik konuşma tanıma mikrofonunuzu dinler ve sözcükleri yazar. Sonra bir biçimlendirme aşaması, ham konuşmada bulunmayan virgülleri, büyük harfleri ve paragraf bölümlerini ekler. Bazı uygulamalar burada durur. Daha iyileri, dolgu sözcüklerini düzelten ve ifadeyi sıkılaştıran bir yapay zekâ temizleme adımı ekler. Whisper bu aşamayı "Hey whisper" anahtar sözcüğüyle tetikler.

Asıl önemli olan, metnin nereye düştüğü. Otter gibi bir toplantı transkriptöreni bir konuşmayı kaydeder ve sonradan size bir döküm verir. Bir dikte uygulaması tam tersini yapar: bir tuşa basar, konuşur ve sözcükler imlecinizin zaten bulunduğu yerde, yazdığınız e-postada ya da belgede beliriverir. Bunlar farklı işler için farklı araçlardır ve insanların yaptığı en büyük hata yanlış olanın parasını ödemektir. Biri e-posta yazmak için bir toplantı transkriptöreni alır ya da bir web semineri yakalamak için bir yazma aracı alır, sonra da uygulamanın neden kendisiyle savaşıyormuş gibi hissettirdiğini merak eder. Suç uygulamada değil. Suç kategoride.

Eskiden konuşma tanımanın eğitilmesi gerekirdi. Yazılımın sesinizi öğrenebilmesi için kırk beş dakika boyunca yüksek sesle bir sözcük listesi okurdunuz ve o zaman bile her üç cümlede bir yanlış tahmin ederdi. (Bir akrabam bir keresinde kulaklığı odanın öbür ucuna fırlatmıştı. Kulaklık sağ kurtuldu; dikte deneyi kurtulamadı.) Modern uygulamalar bütün bunları atlar. Model, Whisper'ın çok dilli sürümlerinde zaten 99 dili bilerek ya da daha hızlı Parakeet motorunda odaklı 25 dili bilerek gelir ve aksanınızda kutudan çıktığı gibi çalışır.

Bir kısayola bas, konuş, metin beliriversin

Etkileşimin kendisi ürünün tamamı. Bir tuşa basılı tutarsınız, konuşursunuz, bırakırsınız, metin imlece yapıştırılır. Açılacak bir pencere yok, bulunacak bir kayıt düğmesi yok, sonradan kopyala-yapıştır yok.

Windows'ta varsayılan kısayol Ctrl+Space'tir. Mac'te Command ve Option tuşlarını birlikte basılı tutar, durdurmak için herhangi birini bırakırsınız. İkisi de özelleştirilebilir; bu da kulağa geldiğinden daha önemli. Bir kullanıcı bana kısayolumun çizim uygulamasıyla çakıştığını ilk söylediğinde, yanlış tuş olduğunda "tek tuşa bas"ın bir tuş fazla olduğunu öğrendim. Sabit kodlamıştım, öyle yayınlamıştım ve yaklaşık bir hafta boyunca kendimi zekice davranmış sanmıştım.

Çoğu zaman bir dikte uygulaması görünmezdir; sadece bir kısayol ve o katman. Ayarlar, nasıl davranacağını seçtiğiniz yerdir: hangi motorun çalışacağı, yapay zekâ temizlemenin açık olup olmayacağı, hangi dili bekleyeceği. İşletim sistemi yerleşikleri size işte bu seçimi vermez.

Yerel mi bulut mu ve neden gizliliğinizi belirler

Geri kalan her şeyi belirleyen ayrım şu. Yerel, transkripsiyonun kendi dizüstü bilgisayarınızda, çevrimdışı, makineden hiçbir şey çıkmadan gerçekleşmesi demektir. Whisper'ın yerel hattı bu şekilde iki motor çalıştırır: 99 dil ve İngilizceye çeviri için çok dilli Whisper modelleri ya da bir CPU'da 5 ila 10 kat daha hızlı olan ama 25 dili kapsayan ve Asya yazılarını desteklemeyen NVIDIA Parakeet. Bulut, sesin bir sunucuya gitmesi demektir. Whisper'ın Cloud modu kendi anahtarınızı getirdiğiniz OpenAI'dır; kendi API anahtarınızı siz sağlarsınız, yaklaşık 57 dili kapsar ve cihazınızdan çıkan tek şey sestir.

Çoğu yerleşik uygulama bulutu sessizce sizin yerinize seçer. Örneğin Windows ses yazımı bir internet bağlantısına ihtiyaç duyar. Microsoft bunu kendi yardım sayfasında açıkça söylüyor. Gboard'un çevrimdışı davranışı, cihaz üzerinde bir dil paketi indirip indirmediğinize bağlıdır ve bu da telefona göre değişir. Gerçek çevrimdışı seçenekler kategorinin ima ettiğinden daha dardır: iPhone Dictation iPhone 6s ve sonrasında bağlantısız çalışır, Mac Dictation genel metni cihaz üzerinde işleyebilir ve Whisper'ın yerel modu her şeyi makinenizde tutar.

Maaş tablonuzu ya da bir hukuki e-posta taslağını dikte ediyorsanız, o sesin dizüstü bilgisayarınızdan çıkıp çıkmadığını bilmek bir teknik ayrıntı değildir. Özel bir araçla kaydedilen bir araç arasındaki farktır. Bulut uygulamaları bunu, ham işletim sistemi araçlarının atladığı tek bir şeyle telafi eder: "şey, gönder onu, şey, yarın"ı göndereceğiniz bir cümleye dönüştüren bir yapay zekâ temizleme aşaması.

Benim seçeceğim uygulamalar

Yeterince giriş yaptık. İşte okul kapısında bana soran bir arkadaşa cihaza göre söyleyeceğim şeyler.

• Telefonunuzda klavye mikrofonunu kullanın. Android'deki Gboard'un da iOS klavyesinin de bir mikrofon düğmesi var: dokunun, konuşun, tamam. Ücretsiz, zaten yüklü ve bir mesaj ya da kısa bir not için ihtiyacınız olan her şey bu. Bunun için bir telefona yüklemeye değecek bir masaüstü uygulaması yok.

• Windows'ta Win+H ile başlayın. Herhangi bir metin kutusunda Windows tuşuna ve H'ye basın; ses yazımı, Microsoft 365 aboneliği gerekmeden sistem genelinde açılır. İnternet gerekir ama ücretsizdir ve her yerde çalışır.
• Mac'te Dictation ile başlayın. Sistem Ayarları'ndan açın, mikrofon tuşuna basın ve herhangi bir uygulamada yazsın. Genel metin için Apple'ın sunucularını aramak yerine cihaz üzerinde çalışabilir.
• Yerleşik olan yetmediğinde bir masaüstü uygulaması yükleyin. Whisper benim geliştirdiğim uygulama: sistem genelinde bir kısayol, yerel ya da bulut motoru seçeneğiniz, yapay zekâ temizleme ve işletim sistemi araçlarının sunmadığı bir çevrimdışı mod. Tüm yerel hat, oturum açan herkes için ücretsizdir ve kayıt sırasında kart istenmez. Tek bir platformdaysanız, Windows rehberi ve Mac rehberi kurulumu adım adım anlatıyor.

Bilmeye değer diğer uygulamalar

Biri bunu her aradığında birkaç isim ortaya çıkıyor, işte dürüst birer cümlelik özetler.

• Wispr Flow otomatik algılamayla 100'den fazla dilin reklamını yapıyor ve Mac, Windows, iPhone ve Android'de çalışıyor. Her yerde tek bir araç istiyorsanız ücretli, platformlar arası bir seçenek; tartıyorsanız daha kapsamlı bir Wispr Flow karşılaştırması yazdık.
• Dragon Professional eski ekolün temsilcisi. Nuance, ilk kullanımdan itibaren %99'a varan doğruluk ve yazmaktan üç kat daha hızlı dikte reklamı yapıyor, yalnızca Windows'ta. Ciddi, ücretli, profesyonel bir ürün.
• Otter.ai bir dikte aracı değil, bir toplantı transkriptörü. Ücretsiz katmanı ayda 300 dakika veriyor ve imlecinize yazmak için değil, konuşmaları kaydetmek için tasarlanmış. Doğru araç ama çoğu "sesten metne uygulaması" araması için yanlış kategori; aynı tuzağı transkripsiyon yazılımı rehberimizde de ele aldık.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

Ne zaman özel bir uygulamayı atlayıp yerleşik olanı kullanmalı

Yalnızca otuz kelimelik mesajlar ve arada bir not gönderiyorsanız, hiçbir şey yüklemeyin. Apple Dictation ücretsiz, Mac ve iPhone'unuza yerleşik ve yazabildiğiniz her uygulamada çalışıyor. Windows kullanıcılarında aynı parasına Win+H var. Yerleşik araçlar, daha uzun ve biçimlendirilmiş yazıda canınızı yakmaya başlar: yapay zekâ temizleme yok, motor seçimi yok ve Windows'ta çevrimdışı mod yok. Sınır işte burası. Bunun altında, Apple ve Microsoft'un zaten verdiği ücretsiz seçenek doğru tercih ve benimkini ihtiyaç duymadığı bir iş için yüklemeniz yerine onu kullanmanızı tercih ederim.

Maliyet konusunda da aynı dürüstlük geçerli. Yerleşik seçenekler cihazınızla birlikte gelir ve hiçbir şeye mal olmaz. Whisper'ın yerel hattı da oturum açan herkes için ücretsiz, başlamak için bir ödeme yöntemi gerekmiyor; ücretli Cloud yüzeyi ve güncel rakamları fiyatlandırma sayfasında yer alıyor. Telefon ve hızlı not kullanımı için kimseye hiçbir şey ödememeniz gerekir. Çevrimdışı mod ve yapay zekâ temizlemeyle sistem genelinde masaüstü dikte için ücretli bir araç mantıklı olmaya başlar.

Geçen salı, bir izin kâğıdını yanıtlarken beslenme çantalarını hazırlıyordum; bir elimde salatalık, diğerinin altında kısayol, küçük olanın ayın bazen neden orada olmadığını sorduğu an arasında "kâğıdı imzalıyorum, yarın gönderiyorum" diye dikte ediyordum. E-posta gitti. Beslenme çantaları hazırlandı. Eskiden bu, on beş dakikalık tek elle yazma demekti. Bu listeden hangi uygulamayı seçerseniz seçin, geri satın aldığınız şey işte o an.