Альтернатива TalkTyper: друкуйте в будь-якому застосунку

Що таке TalkTyper і що він робить добре

TalkTyper — безкоштовна програма для розпізнавання мовлення, що працює у браузері. Клікаєш на мікрофон, говориш — і розпізнаний текст з'являється в реальному часі в текстовому полі. До того як прийняти фразу, можна переглянути альтернативні варіанти розпізнавання та відредагувати результат — приємна деталь, яку більшість безкоштовних інструментів ігнорує.

Справжня родзинка TalkTyper — набір кнопок після диктування. Він може роздрукувати текст з власними заголовком, підзаголовком та нижнім колонтитулом, надіслати його через Gmail або FastMail, твітнути або перекласти готовий текст іншою мовою. Якщо ваша задача — «продиктувати щось коротке, а потім одразу відправити, не виходячи зі сторінки» — це акуратний маленький сценарій. Жоден інший безкоштовний браузерний інструмент не пропонує саме такого набору «надиктував — відправив».

Варто одразу застерегти від плутанини: кнопка «Перекласти» в TalkTyper — це переклад тексту, який ви вже надиктували. Тобто текстовий перекладач, прикріплений до інструменту диктування. Це не те саме, що розпізнавання мовлення з виводом результату англійською. Запам'ятайте цю деталь — вона знадобиться пізніше.

Де TalkTyper упирається в стелю: одна вкладка, тільки онлайн, тільки Chrome

TalkTyper живе у вкладці Google Chrome. Йому потрібен Chrome версії 25 або новіший і дозвіл на мікрофон, а інші браузери можуть взагалі не підтримувати мовне введення. Тож перша стіна — сам браузер: немає Chrome — немає диктування.

Друга стіна — сама вкладка. TalkTyper заповнює лише власне текстове поле. Хочете отримати текст у Word, Slack, поштовому клієнті чи VS Code? Копіюйте й вставляйте вручну. Кнопка «Копіювати» існує саме тому, що інструмент не може звернутися до цих застосунків напряму. Для одного абзацу це дрібниця. Для продавця, який диктує нотатки в CRM між дзвінками, чи для автора, що пише прямо в документ — ця плата за копіювання швидко накопичується.

Третя стіна — інтернет. TalkTyper працює лише онлайн: розпізнавання відбувається через браузерний мовний рушій, а значить, потрібне постійне підключення до мережі й ваш аудіосигнал іде на чужий сервер для транскрибування. Цей браузерний мовний рушій — це Web Speech API — і саме через нього TalkTyper прив'язаний до Chrome і до онлайну: API працює лише там, де браузер його підтримує, і надсилає аудіо за межі пристрою для розпізнавання. Диктування в літаку — неможливе. Повністю приватний чернетковий режим — теж.

Гарячий клавіш, що друкує в будь-якому застосунку

Whisper — це настільний застосунок для Windows і macOS, а не вкладка браузера. Головна різниця — одне натискання клавіші. Утримуєш системний гарячий клавіш — Ctrl+Space у Windows або Command+Option на Mac — говориш, відпускаєш, і транскрипт вставляється там, де знаходиться твій курсор, у будь-якому відкритому застосунку. Word, Slack, Discord, Teams, VS Code, Notion, Obsidian, поле у браузері, поштовий клієнт. Якщо там можна друкувати — там можна й диктувати.

Це весь задум, і він здається дрібницею — доки не починаєш ним жити. Ніякого поля для диктування. Жодного кроку «скопіювати». Жодного кроку «вставити». Слова з'являються там, куди руки все одно мали б друкувати. Мені знадобилось три переписування логіки вставки, щоб ця функція почала сприйматися як щось само собою зрозуміле — а це і є мета, бо найкраща версія будь-якої функції та, яку перестаєш помічати.

Минулого вівторка я складав ланч-бокси — бутерброди, фрукти, йогурт, який молодша все одно відмовиться їсти. Зі школи прийшов дозвіл на екскурсію, на який треба було відповісти до 20:00. Я взяв ноутбук однією рукою, натиснув гарячий клавіш і продиктував листа вчительці між нарізанням огірків, прямо у вікно пошти. Жодної вкладки відкривати, жодного тексту переносити. Лист пішов, ланч-бокси склав — і все це зайняло хвилину. Те саме завдання раніше коштувало б п'ятнадцять хвилин однорукого друкування. Ось саме ця різниця і пояснює, чому системний гарячий клавіш перемагає браузерне поле для всіх, хто диктує більше ніж час від часу.

Офлайн і приватно — за замовчуванням

Ось де ці два інструменти взагалі перестають бути в одній вазі. TalkTyper зобов'язаний надсилати ваш аудіосигнал на зовнішній сервер для розпізнавання. Локальний режим Whisper працює повністю на вашому комп'ютері — під час транскрипції інтернет не потрібен жодного разу. Підключення необхідне лише один раз — для завантаження обраної моделі, яка важить від 140 МБ до 3 ГБ. Після цього диктуйте в літаку, в потязі, в підвальному офісі з одним поділком сигналу — Whisper байдужий до цього.

І ось моя єдина справжня думка в цьому матеріалі: спочатку спробуйте локальний режим. Якщо ваш Mac на Apple Silicon або ваш ПК куплений протягом останніх кількох років — хмара вам не потрібна для щоденного диктування. За нашими власними тестами, точність локальної транскрипції зазвичай становить від 95% до 99%, аудіо залишається на пристрої й ніколи не торкається серверів вендора. Таблиця зарплат вашого начальника, лист учительці дитини, юридичний чернетки — нічому з цього не треба покидати ваш ноутбук лише тому, що ви захотіли говорити замість друкувати. Хмара — це запасний вихід, а не стартова точка.

Є ще й мовний аспект. Whisper підтримує понад 90 мов у своїх режимах, а багатомовна лінія моделей охоплює 99+ мов, включно з автовизначенням (англомовні варіанти підтримують рівно одну мову — англійську — і це задумано). На багатомовних моделях Whisper також може перекладати мовлення на англійську в процесі транскрипції. Ось та деталь, яку я просив запам'ятати: кнопка «Перекласти» в TalkTyper конвертує текст, який ви вже надиктували; переклад на англійську в Whisper відбувається безпосередньо під час прослуховування. Різні функції, одне слово на кнопці.

Інші безкоштовні браузерні інструменти для диктування, на які варто глянути

TalkTyper — не єдиний у категорії безкоштовних браузерних інструментів, і якщо вам справді підходить вкладка браузера, варто поглянути на сусідів. SpeechTexter — ще один безкоштовний інструмент для диктування в Chrome із налаштовуваним списком голосових команд; детальний розбір є в нашому матеріалі про альтернативу SpeechTexter. Speechnotes — безкоштовний браузерний блокнот для диктування з автозбереженням, про нього є стаття про альтернативу Speechnotes. Dictation.io працює за тією самою моделлю — у браузері, лише в Chrome. А якщо ви користуєтеся Windows, Win+H дає безкоштовне системне голосове введення, вбудоване в ОС; на Mac Apple Dictation робить те саме. Усі вони мають ті самі переваги та більшість обмежень TalkTyper — хіба що вбудовані в ОС хоча б виходять за межі однієї вкладки.

Коли TalkTyper все одно краще

Скажу прямо, бо вдавати інакше було б безглуздо: для деяких людей TalkTyper — правильний вибір, а Whisper — надмірність. Якщо ви диктуєте зрідка, не хочете нічого встановлювати й реєструватися, і вже сидите в браузері — TalkTyper відкривається одним кліком і нічого не коштує: ні картки, ні колись. Якщо вам саме потрібні кнопки «надиктував — відправив» — Друк із власними заголовками, Email через Gmail або FastMail, Tweet, переклад після диктування — Whisper не відтворює цей маленький самодостатній набір.

А на корпоративному комп'ютері з обмеженими правами, де не можна встановлювати програми, вкладка браузера іноді єдиний варіант. Безкоштовний локальний рівень Whisper вимагає облікового запису Whisper і одноразового завантаження моделі до початку диктування; TalkTyper не вимагає нічого. Це чесний виграш TalkTyper, якщо ваша потреба невелика. Та сама порада стосується SpeechTexter і Speechnotes.

Безкоштовно локально, Pro для хмари

Весь локальний конвеєр Whisper безкоштовний для авторизованих користувачів — спосіб оплати при реєстрації не потрібен. Локальна транскрипція, офлайн-режим, кілька моделей — усе безкоштовно. Whisper Pro додає хмарний рівень, і це єдиний платний шар; він поставляється з коротким пробним доступом до хмари, який таки запитує картку, але лише при переході на Pro, а не при першій реєстрації. Отже, чесне порівняння: TalkTyper безкоштовний і залишається у браузері; Whisper безкоштовний для локального настільного конвеєра і бере гроші лише за хмарні функції.

Точні цифри є на нашій сторінці цін — тут я не буду їх наводити. Якщо ви ніколи не засікали час, голос приблизно в три-чотири рази швидший за друкування для більшості людей — саме тому ця категорія існує. Ми розібрали це в матеріалі друкуйте швидше за допомогою голосу. А якщо браузерне диктування в вас барахлить, голосове введення не працює в Chrome — там розібрані найпоширеніші причини.