Альтернатива SpeechTexter, яка працює поза браузером

Відкрий вкладку, говори, дивися як друкує. Це SpeechTexter.

Віддамо належне: SpeechTexter добре робить одну річ. Це безкоштовний багатомовний веб-застосунок для перетворення нотаток, документів, звітів або дописів у блозі на текст голосом — «друкуй голосом», як зазначено на сайті. Відкриваєш сторінку, клікаєш мікрофон — і в реальному часі отримуєш транскрипцію за допомогою браузерного розпізнавання мови від Google (Web Speech API, який обробляє дані на серверах Google). У списку — понад 70 мов.

Функція, яка вирізняє SpeechTexter серед більшості браузерних інструментів для диктування, — це можливість налаштовувати голосові команди. Можна вимовити #newparagraph, #newline, #undo або #redo, а також власні команди для вставлення розділових знаків, фраз чи виконання дій — усе голосом. Є автоматична капіталізація, поле попереднього перегляду транскрипції, яке можна вмикати й вимикати, та експорт у файл .doc або .txt. Сам SpeechTexter заявляє точність «вище 90%». Це їхня цифра — я її не перевіряв.

Якщо ти завжди диктуєш лише в цей один редактор, а потім копіюєш результат — усе добре. Проблеми починаються, щойно текст потрібен деінде.

Де SpeechTexter зупиняється: одна вкладка Chrome, без офлайну, без інших застосунків

Три стіни, і об усі три люди рано чи пізно вдаряються.

Перша — браузер. На десктопі SpeechTexter потребує найновішого Google Chrome — інші браузери не підтримуються — у Windows, Mac або Linux. Якщо ти сидиш у Firefox чи Safari, доведеться перемикатися. Друга стіна — сама вкладка: текст потрапляє на сторінку SpeechTexter, а не у застосунок, у якому ти насправді пишеш. Системного вставлення в Word, Slack, Teams, поштовий клієнт чи редактор коду немає. Третя стіна — мережа. Сервіс працює на хмарному движку розпізнавання мови від Google, тому потребує інтернету — власний розділ підтримки посилається на «помилку мережі» при поганому з'єднанні, а офлайн-режиму для веб-версії не існує. Android-застосунок, у якого колись була офлайн-підтримка, вже не підтримується.

Це не баги. Це просто і є браузерний інструмент для диктування. Веб-сторінка технічно не може дотягнутися до десктопних застосунків, а Web Speech не може розпізнавати без звернення до сервера. Якщо ці три стіни ніколи не заважають тобі — альтернатива не потрібна. Але якщо ти ловив себе на тому, що диктуєш у SpeechTexter, а потім копіюєш у місце, де насправді мав писати, — цей крок «копіювати-вставити» і є стук альтернативи у двері. Якщо диктування взагалі не запускається в Chrome — це окрема кролик'яча нора: я написав про типові способи виправити голосовий набір у Chrome, який не працює — для випадків, коли проблема у дозволі мікрофона або самому движку.

Натисни гарячу клавішу — і диктуй у будь-який застосунок

Ось у чому принципова різниця між підходами. Whisper — це десктопний застосунок, а не веб-сторінка. Натискаєш гарячу клавішу, говориш, відпускаєш — і текст з'являється там, де стоїть курсор, у будь-якому відкритому застосунку: документ Word, гілка в Slack, повідомлення у Discord, чат у Teams, VS Code, Notion, Obsidian, чернетка листа, поле у браузері — скрізь, де можна друкувати. Стандартна гарячa клавіша — Ctrl+Space у Windows і Command+Option на Mac.

Немає жодної вкладки, у яку треба заходити. Застосунок, у якому ти вже працюєш, так і залишається активним. Ніякого копіювання, ніякого вставлення, ніяких перемикань у Chrome. Я витратив незручну кількість вечорів на реалізацію вставлення прямо за курсором — це речі, які демонструються за п'ять секунд, а надійно працюють у кожному застосунку лише після місяця роботи. У мене є ступінь магістра.

Це та частина, яку люди недооцінюють, поки самі не відчують. З SpeechTexter диктування — це місце, куди треба піти. З системною гарячою клавішею диктування — це те, що ти робиш там, де вже знаходишся. Моя молодша донька, якій сім років, протестувала це краще за будь-яку специфікацію. Я показав їй один раз — натисни, говори, відпусти, вставлено — і вона написала лист на 90 слів своїй бабусі в Україні про зуб, який щойно випав, і курс обміну зубної феї. Жодного питання про інструмент. Через два дні вона повернулась із єдиною скаргою, яка по-справжньому важить: «воно не працює в моєму застосунку для малювання». Вона не знала, що таке конфлікт гарячих клавіш. Вона просто знала, що слова мають з'являтися там, куди вона дивиться. Тієї ж ночі ми випустили налаштування гарячих клавіш. Ось і вся планка: текст іде туди, де ти є.

Підтримується понад 90 мов у місцевому та хмарному режимах, а багатомовна лінійка моделей охоплює 99+ мов з автовизначенням — варіанти моделей лише для англійської залишаються тільки англійськими, тому не варто їх плутати з рештою. Багатомовні моделі також можуть перекладати мовлення англійською наживо — браузерний Web Speech так не вміє.

Офлайн і на твоїй машині, а не на серверах Google

Тут я висловлю свою єдину тверду думку: диктування без офлайн-режиму — коли хмара є єдиним шляхом, а не вибором — це катастрофа для приватності, яка чекає свого часу. Таблиця зарплат керівника, лист до школи дитини, юридична нотатка, яку ти диктуєш у поїзді, — нічому з цього не потрібно мандрувати через сервери вендора лише тому, що ти хотів друкувати голосом. Хмарне розпізнавання, яке можна вмикати за потреби, — нормально. Хмарне розпізнавання, яке не можна вимкнути, — проблема. SpeechTexter чесно говорить, що працює у хмарі: він використовує розпізнавання мови від Google і потребує підключення. Для списку продуктів — ок. Для всього, що незручно читати вголос у відкритому офісі, — це вже складніше.

Локальний режим Whisper працює повністю офлайн — інтернет під час розпізнавання не потрібен. Підключення потрібне лише один раз — для завантаження моделі: від приблизно 140 МБ до 3 ГБ залежно від обраної моделі. Сам локальний движок — це та ж відкрита сімейство моделей OpenAI Whisper, що лежить в основі більшості продуктів цієї категорії. Після цього кожне слово залишається на твоїй машині. У літаку, на робочому ноутбуці з відключеною мережею, у кімнаті, де Wi-Fi існує лише теоретично — все одно друкує.

Я бачив, як одна команда набрала п'ятизначний рахунок за хмарні послуги за один квартал, диктуючи записи стендапів — здебільшого тому, що цикл «розумного повтору» транскрибував одне й те саме аудіо чотири рази. Фінансовий директор відкрив дашборд на квартальному огляді — і в кімнаті стало дуже тихо. Хмара корисна. Але це має бути твій вибір, а не єдиний можливий шлях.

Безкоштовно без акаунта, але «безкоштовно» тут означає різні речі

Обидва інструменти можна спробувати безкоштовно, але це слово в кожному випадку означає різне. SpeechTexter безкоштовний у найчистішому сенсі: без завантаження, без установлення, без реєстрації — клікаєш мікрофон і диктуєш. Нічого налаштовувати, нікуди входити. Це справжня перевага, і применшувати її не буду.

Локальна версія Whisper теж безкоштовна, але тут «безкоштовно» означає: завантажуєш десктопний застосунок, створюєш акаунт Whisper, а потім один раз завантажуєш модель. Кілька хвилин на початку замість нуля. За ці хвилини отримуєш системну гарячу клавішу, офлайн-розпізнавання та поведінку «слідую за курсором». Хмарний рівень — функції OpenAI, власний ключ — це вже окремий платний Pro-тариф; не варто плутати його з безкоштовним локальним застосунком. Повний опис — на сторінці тарифів. Коротко: локальне диктування нічого не коштує і не закінчується.

Чесно кажучи, це обмін. SpeechTexter не вимагає налаштування й акаунта, але натомість тримає тебе в одній хмарній вкладці. Whisper вимагає завантаження й реєстрації, але натомість дає доступ до будь-якого застосунку та офлайн-режим. Вибирай, яку ціну зручніше платити.

Коли SpeechTexter все ж є кращим вибором

У кількох реальних ситуаціях я б узагалі обійшовся без десктопного застосунку — і SpeechTexter виграє в них беззаперечно.

Якщо ти на заблокованій машині, де не можна встановлювати програми — бібліотечний комп'ютер, шкільна лаборантська, робочий ноутбук з адміністративними обмеженнями — SpeechTexter запускається у вкладці браузера й ні в кого не питає дозволу. Якщо диктуєш зрідка — абзац тут, абзац там — модель без встановлення і без акаунта справді зручніша. Якщо ти насправді використовуєш той налаштовуваний список голосових команд — говориш #newparagraph і #undo, щоб форматувати під час диктування, — це специфічний сценарій, під який SpeechTexter заточений, і десктопний інструмент з гарячою клавішею не відтворить його так само. І якщо ти переважно пишеш в одному веб-редакторі й рідко виносиш текст звідти — вкладка не є стіною, це просто твоє робоче місце. В усіх цих випадках: відкривай speechtexter.com, клікай мікрофон і не ускладнюй. Відправити тебе до правильного безкоштовного інструменту — це і є суть.

Інші інструменти для диктування, про які варто знати

SpeechTexter і Whisper — не єдині варіанти. Коротка чесна карта ринку:

• Speechnotes — ще один безкоштовний браузерний блокнот для диктування з тією ж прив'язкою до вкладки, що й SpeechTexter. Якщо розглядаєш і його, ось порівняння з альтернативами Speechnotes.
• Dictation.io / Dictanote — безкоштовні інструменти голосового набору на основі Chrome; та ж стеля вкладки браузера, без системного вставлення.
• Speechify — продукт зі штучним інтелектом для читання та голосу, який також підтримує голосовий набір; позиціонує себе як альтернативу SpeechTexter.
• LilySpeech — інструмент для диктування у Windows, що використовує движок на основі Chrome для друкування в застосунки; зручний у Windows, але прив'язаний до цього середовища.
• Apple Dictation — вбудовано в macOS та iOS, безкоштовно, підходить для коротких фрагментів, лише одна платформа.
• Голосовий набір Windows (Win+H) — вбудований у Windows, диктує системно в більшість текстових полів, безкоштовно, без встановлення. Якщо щось не працює, посібник з альтернативами Win+H підкаже, що використовувати замість нього.

Поділ простий. Браузерні інструменти (SpeechTexter, Speechnotes, Dictation.io) — безкоштовні й не потребують встановлення, але прив'язані до вкладки і залежать від хмари. Системне диктування ОС (Win+H, Apple) — системне й безкоштовне, але однопла тформне і якість різниться. Десктопні застосунки на кшталт Whisper — системні, здатні працювати офлайн і кросплатформні, але вимагають завантаження.

Отже, що б я обрав насправді

Якщо потрібне найшвидше диктування на машині, де нічого не можна встановити, — залишайся з SpeechTexter: безкоштовно, миттєво, і список голосових команд — приємний бонус. В усьому іншому — написання в реальних застосунках, робота офлайн, збереження чутливих даних на власній машині — я б узяв десктопний інструмент із системною гарячою клавішею. Диктування дає приблизно 145 слів на хвилину проти приблизно 40 при друкуванні, тому вузьким місцем ніколи не були твої пальці — ним були стіни навколо слів. Обери інструмент з найменшою кількістю стін для твоїх завдань. Якщо хочеш відчути різницю, подивись, як насправді працює голосовий набір у будь-якому застосунку.

SpeechTexter — хороший безкоштовний інструмент, який робить рівно те, що обіцяє, в межах однієї вкладки Chrome. День, коли твій текст виходить за межі цієї вкладки — в пошту, в чат, в редактор, в нотатки — це день, коли починаєш хотіти, щоб диктування пішло разом із тобою. Це єдина справжня різниця, і вона велика. Моя семирічна донька розібралась за два дні і один звіт про баг. Решта з нас, мабуть, теж зможе.