Як користуватися голосовим введенням у Windows

Що таке голосове введення Windows насправді

Голосове введення Windows — це вбудована функція, яка дозволяє вводити текст голосом замість клавіатури. Вона входить до складу Windows 10 і Windows 11, нічого не коштує і працює в будь-якому текстовому полі з курсором. Опис від самого Microsoft варто процитувати, бо він одразу окреслює межі: голосове введення «використовує онлайн-розпізнавання мовлення на основі Azure Speech services». З цього одного речення випливають три висновки.

По-перше, потрібен інтернет. Ваше мовлення передається на сервери Microsoft, де перетворюється на текст, — тому без підключення голосове введення не зробить нічого. По-друге, потрібен робочий мікрофон — вбудований у ноутбук підійде для початку. По-третє, оскільки розпізнавання відбувається в хмарі, точність загалом хороша, і процесор майже не навантажується. Ось і весь баланс: безплатно і точно, але тільки онлайн і без конфіденційності.

Люди часто плутають це зі старим Windows Speech Recognition, з новішим Voice Access або з диктуванням усередині однієї програми. Для повсякденного «хочу говорити і бачити слова там, де пишу» — потрібна саме ця функція, яка відкривається через Windows + H. Наступний розділ — конкретна інструкція.

Вмикаємо через Windows + H

Жодних програм запускати і жодних майстрів налаштування проходити не потрібно. Ставите курсор туди, де хочете бачити текст, і викликаєте голосове введення комбінацією клавіш. Ось вся послідовність — і єдиний можливий відступ у налаштування.

Клацніть у будь-яке текстове поле — документ, лист, чат, адресний рядок — щоб там блимав курсор. Натисніть Windows + H. Вгорі екрана з'явиться невелика панель голосового введення. Зачекайте, доки вона не скаже «Слухаю», і тільки тоді починайте говорити — якщо почнете раніше, вона обріже початок. Говоріть звично, текст з'явиться там, де курсор. Щоб зупинити, натисніть кнопку мікрофона на панелі або ще раз ту саму комбінацію.

Якщо нічого не відбувається, зазвичай причин дві. Мікрофон не налаштований або не має дозволу — голосове введення потребує робочого мікрофона. Або вимкнено онлайн-розпізнавання мовлення — тобто хмарна частина функції заблокована. Увімкніть її через Пуск → Параметри → Конфіденційність і безпека → Мовлення і переведіть онлайн-розпізнавання мовлення в положення «Увімкнено». Якщо панель відкривається, але так і не показує «Слухаю», майже завжди справа в інтернет-з'єднанні — розпізнавання відбувається на серверах Microsoft, а не на вашому комп'ютері. (Якщо Win+H поводиться вперто і не хоче починати, я написав окрему статтю про те, чому Win+H перестає працювати і як це виправити.)

Кращий варіант для інтенсивної роботи: один хоткей скрізь

Вбудована функція чудова, доки ви не наткнетеся на одну з її стін: немає інтернету в поїзді, довгий блок диктування або слово, яке вона постійно розпізнає неправильно. Рішення — системний інструмент, який робить те саме, але працює на вашому комп'ютері, зберігає кінець фрази щоб не обрізати останнє слово, і використовує один хоткей у будь-якій програмі. Потрібен ПК з Windows 10 або новішою, робочий мікрофон і обліковий запис. Весь локальний пайплайн безплатний для будь-якого авторизованого користувача — карту при реєстрації не питають. Ось послідовність дій.

Найповільніше тут — одноразове завантаження моделі, а не саме налаштування. Після цього написання тексту в будь-якій програмі перестає бути задачею для пальців і стає задачею для голосу — і продовжує працювати, навіть коли Wi-Fi пропадає.

Якщо ви вже користувалися розпізнаванням мовлення в Windows 11 — це та сама ідея, але хоткей не зупиняється сам по собі.

Пунктуація: команди чи автоматична

Живе мовлення не містить ком. Кожен інструмент диктування вирішує це одним із двох способів, і голосове введення Windows насправді підтримує обидва. Є автоматична пунктуація — коми і крапки ставляться самі, залежно від того, як ви говорите, і перемикається вона через шестерню на панелі голосового введення. І є голосові команди: скажіть «крапка» або «крапку», «кома», «новий рядок», «відкрити лапки» і «закрити лапки» — і знак вставляється замість слова.

Меню шестерні на цій панелі варто відкрити хоч раз. Крім автоматичної пунктуації, там є фільтр нецензурної лексики і вибір мікрофона за замовчуванням. Нічого захованого — один клік від панелі, яка відкривається через Win+H. Поки ви говорите, невеликий індикатор показує, що функція слухає, — та сама ідея, яку використовує кожен хороший інструмент диктування, щоб ви ніколи не гадали, чи вас чують:

Обмеження командної пунктуації в тому, що вам доводиться проговорювати форматування вголос: «кома», «новий рядок», «крапка» — для короткого тексту терпимо, але на довгому абзаці стомлює. Автоматична пунктуація допомагає, але все одно видає буквальну транскрипцію того, що ви сказали, разом із «ем», «ну» та незакінченими реченнями. Очистити це до чогось придатного для відправки — окремий крок, і саме тут спеціалізований інструмент виходить уперед. Більше про це нижче.

Локально чи хмара: вибір, якого Win+H не дає

Голосове введення Windows зробило вибір за вас: тільки хмара, і без варіантів. Ваше мовлення щоразу йде на сервери Microsoft. Для списку покупок це нормально, але для нотатки в таблиці з зарплатами або листа клієнту, який ви б не хотіли транскрибувати десь на стороні, — вже проблема. Спеціалізований інструмент дає вибір, якого вбудований пропускає. Ось чим відрізняються три шляхи — програма змушує вас обрати, тому краще обирати свідомо:

• Local Parakeet — Рушій TDT від NVIDIA, близько 600 МБ — найшвидший локальний варіант: у 5–10 разів швидший за Whisper на CPU. Підтримує англійську і ще 24 європейські мови, 25 загалом. Без перекладу на англійську. Якщо ви диктуєте англійською або іншою європейською мовою і хочете швидкості без виходу даних із комп'ютера — це найпростіший вибір.
• Local Whisper — Повільніший за Parakeet на тому самому залізі, зате багатомовні збірки охоплюють 99 мов і можуть перекладати на англійську. Збірки тільки для англійської — саме для неї, а не для 99. Обирайте цей варіант для китайської, японської, корейської або будь-якої роботи з перекладом, з якою Parakeet не впорається. Стандартна англійська модель — близько 480 МБ.
• Cloud (OpenAI, BYOK) — Найвища точність і доступ до мережі — на вашому ключі OpenAI, який оплачується напряму OpenAI. Транскрипція за замовчуванням працює через gpt-4o-mini-transcribe. Потребує інтернету, як і Win+H, але ключ ваш і рішення ваше. Хмарний режим є частиною Whisper Pro.

Суха правда полягає в тому, що для більшості повсякденного письма локального рушія цілком достатньо — і це саме те, чого Win+H не може запропонувати. Обидва локальні варіанти працюють повністю на вашому комп'ютері, без відправки нічого на сервер. Хмара виправдовує себе, коли потрібна максимальна точність для складного запису або модель має знайти факт у мережі посеред речення. Починайте з локального, а до хмари тягніться лише тоді, коли локального не вистачає.

Чистіший текст без проговорювання кожної коми

І Win+H, і спеціалізований інструмент дають одну й ту саму стартову точку: суцільний потік слів. Ви кажете «ну тобто пересуньте дедлайн на п'ятницю скажіть клієнту і забронюйте кімнату на двох», — і це і є той непунктуйований монолог, який видає будь-який мовний рушій. Win+H вміє пунктуювати в процесі або приймати голосові команди. Але жоден із варіантів не прибирає «ну», «тобто» і речення, розпочаті з середини.

Ось де AI-обробка доводить свою цінність. Скажіть фразу-активатор «Hey whisper» — і транскрибований текст покращується ще до того, як потрапляє на місце: слова-паразити видаляються, перераховані думки розбиваються на речення, великі літери ставляться де треба. На локальній моделі це відбувається через Ollama на вашому комп'ютері; у хмарному режимі за замовчуванням — gpt-5-mini. Ви вимовляєте «брудний» варіант один раз і отримуєте той, який не соромно надіслати.

Є ще слова, які типовий рушій постійно перекручує: назва продукту, прізвище колеги, галузевий жаргон. Win+H не дає жодного способу навчити його цього. Спеціалізований інструмент дозволяє задати власний словник, щоб слова, які ви вживаєте щодня, нарешті розпізнавалися правильно. Він не вигадуватиме форматування, про яке ви не просили, і той, хто обіцяє «скажіть «заголовок» — і він сам застилізується», продає демо, а не реальний інструмент для вівторка. Наговоріть текст швидко і чисто голосом; розташуйте на сторінці клавішами, які ви вже знаєте.

Саме цей потік «говоримо — очищаємо» і є головною причиною, чому люди переходять: можна набирати текст голосом у будь-якій програмі замість того, щоб проговорювати коми у вбудовану панель, яка працює тільки онлайн.

Коли Win+H вже достатній

Іноді безплатне рішення, вже наявне на комп'ютері, і є правильною відповіддю — і вдавати, що це не так, було б нечесно. Голосове введення Windows справді добре підходить для великої частини того, що люди хочуть від нього, і встановлювати щось додаткове — зайве.

Залишайтеся з Win+H, якщо ви здебільшого онлайн, диктуєте короткими фразами і не проти того, що мовлення проходить через хмару Microsoft. Дворядкова відповідь у Slack, пошуковий запит, швидка нотатка в документі — натисніть Windows + H, зачекайте на «Слухаю», говоріть, готово. Безплатно, вбудовано, пунктуація сама. Для однорядкового нагадування я не буду говорити вам встановлювати окремий застосунок.

Тягніться до спеціалізованого системного інструменту, коли вбудований починає заважати: немає інтернету в літаку або поїзді, тривалі диктування, де утримання клавіші зручніше за панель із таймаутом, конфіденційність тексту, який не повинен покидати ваш комп'ютер, слова, які постійно розпізнаються неправильно, або потреба в одному хоткеї, який поводиться однаково в кожній програмі. Нижче цієї межі Win+H виграє за ціною і нульовим налаштуванням. Вище — різниця відчутна.

Якщо ви ще визначаєтесь, по який бік цієї межі знаходитеся, детальне порівняння в посібнику з альтернатив Win+H розкладає по поличках, де кожен варіант підходить, — без маркетингового лиску.

Windows додав голосове введення роки тому і сховав його за комбінацією клавіш, про яку ніхто не говорить вголос. Тепер ви знаєте: Windows + H, зачекайте «Слухаю», говоріть. Для більшості швидких задач — це вся відповідь, і вона безплатна. У той день, коли ви будете офлайн, або диктуватимете щось довше за SMS, або слово знову прийде неправильним — ви точно знатимете, на яку стіну наткнулися, і який інструмент допоможе її подолати. Чималу частину цього тексту я продиктував голосом, у застосунку, якому байдуже, в якому текстовому полі знаходиться курсор. Інтернет зникав двічі, поки я це робив. Диктування цього не помітило.