Голос у текст у Discord

Чи є у Discord вбудований голос-у-текст?

Ні, не той, який ти маєш на увазі. У Discord немає функції, яка перетворює мовлення на набраний текст у полі повідомлення. Найближче за назвою — Text-to-Speech: введи /tts і повідомлення або ввімкни в налаштуваннях, і Discord зачитає це повідомлення вголос усім у каналі. Це текст стає мовленням. Тобі потрібне мовлення, яке стає текстом. Ті ж слова, стрілка навпаки.

Це постійно збиває людей з пантелику, і це не їхня вина. «Text-to-speech» і «speech-to-text» відрізняються лише переставленою парою слів, а Discord реалізував лише одне з них. Я натискав по налаштуваннях у пошуках іншого довше, ніж хотів би визнати, перш ніж змиритися, що воно не ховається в підменю. Його просто немає.

Тому якщо ти хочеш, щоб твій голос став набраним повідомленням у Discord, інструмент для цього живе поза Discord: твоя ОС або спеціалізований застосунок для диктування. Обидва нижче. Те, що транскрибує інших людей, які говорять у голосовому каналі, — третій варіант і зовсім інший інструмент. До всіх трьох дійдемо.

Писати в кожному каналі чи просто говорити

Аргумент на користь диктування у Discord простий. Мовлення йде приблизно на 145 слів на хвилину; у більшості людей друк — ближче до 40. Це приблизно втричі швидше, і руки вільні — що важливо, коли одна з них на миші або джойстику. За насичений вечір на серверах різниця накопичується.

Чесний контраргумент: багато повідомлень у Discord мають три слова. «gg.» «йду.» «хвилинку.» Диктування для таких нічого не дасть — ти втратиш час на перемикання режимів. Голосовий ввід виправдовує себе на довших речах: план рейду, звіт про баг на dev-сервері, абзац, який ти зазвичай відкладаєш, бо набирати його на телефоні — морока. Ось де межа. Короткі пінги — продовжуй писати. Все, що довше одного-двох речень, — говори.

Найшвидший спосіб: системна гаряча клавіша

Тут спеціалізований застосунок змінює рахунок. Whisper by Remskill — не бот Discord, не серверна інтеграція і не розширення браузера. Це десктопний застосунок, який працює як клавіатура: натисни гарячу клавішу, говори, і транскрипт вставляється на курсорі в будь-якому застосунку, включно з полем чату Discord. Він однаково працює в десктопній програмі Discord і в Discord, відкритому в браузері, бо з точки зору комп'ютера ти просто друкуєш.

Налаштування коротке:

Це весь цикл. Транскрипт з'являється в полі написання, ти читаєш його й натискаєш Enter.

Говориш — і повідомлення з'являється у Discord

Коли все запущено, досвід найкращим чином нічим не вражає. Ставиш курсор у канал, затискаєш клавішу, говориш, відпускаєш. Секунди через дві текст вже в полі повідомлення Discord, наче ти його набрав. Без копіювання й вставки, без окремого вікна, з якого треба витягати текст, без голосового кліпу, що мусять прослухати друзі.

Оскільки локальна транскрипція виконується на твоїй машині (чистий Rust, без Python-sidecar, без сервера у ланцюжку), вона працює офлайн. Для Discord це важливіше, ніж здається. Ти часто вже в голосовому каналі, на з'єднанні, яке не хочеш додатково навантажувати, а аудіо того, що ти диктуєш, ніколи не залишає твій ноутбук. Власне вбудоване голосове введення Windows вимагає інтернет-з'єднання для роботи; локальний режим Whisper — ні.

Як виглядає повний застосунок Whisper

Гаряча клавіша — та частина, яку ти використовуватимеш найчастіше, але за нею є панель налаштувань. Ти вибираєш движок транскрипції: моделі Whisper, багатомовні варіанти яких охоплюють 99 мов, а англійські збірки .en — рівно одну; або Parakeet від NVIDIA, близько 600 МБ, у 5–10 разів швидший за Whisper на CPU, підтримує англійську плюс 24 європейські мови. Налаштовуєш клавішу, керуєш історією та зберігаєш пресети. Нічого з цього не потрібно, щоб продиктувати одне повідомлення в Discord. Це є, коли хочеш підлаштувати.

Очищення продиктованих повідомлень за допомогою ШІ

Розмовна мова неохайна. Ти кажеш «ну», починаєш речення знову, загубишся в звуці, що означає «ну ти розумієш». Whisper має опціональний крок покращення ШІ, який обрізає слова-паразити й прибирає формулювання перед вставкою. Тож «ну, так, от цей, цей патч вийшов, я думаю ми, ми нормально» стає «Патч вийшов, думаю ми нормально.» Чи варто це в Discord — залежить від каналу: на dev-сервері напевно так, на мем-каналі — напевно ні.

Це очищення виконується локально через Ollama, безкоштовно, на твоїй власній машині. Користувачі Pro можуть натомість спрямовувати через хмару, але перевага очищення від слів-паразитів не вимагає Pro — вона є у безкоштовному локальному пайплайні. Можна просто вимкнути це й вставляти сирий транскрипт, що в Discord часто і є правильним рішенням.

Транскрипція голосового каналу — це інша робота

Це та частина, яку чесні посібники пропускають, тому скажу прямо. Whisper перетворює твоє мовлення на набране повідомлення. Він не транскрибує голосовий канал Discord — тобто не буде сидіти в дзвінку й записувати, що кажуть інші. Це те, чого люди дійсно хочуть, і для цього є зовсім інший інструмент: бот Discord.

Боти, створені для цього, — Scripty є найпоширенішим — приєднуються до голосового каналу й публікують поточний транскрипт розмови в текстовому каналі. Основна транскрипція Scripty безкоштовна, охоплює близько 55 мов і обробляє аудіо без передачі третім сторонам. Серед інших — SeaVoice та DiscMeet. Якщо твоя мета — «додати субтитри до всього дзвінка», скористайся одним із них, а не Whisper. Якщо твоя мета — «сказати своє повідомлення замість того, щоб його набирати», це Whisper або твоя ОС. Дві різні проблеми, що випадково живуть в одному застосунку.

Коли пропустити застосунок для диктування й просто скористатися ОС

Якщо тобі лише зрідка потрібно продиктувати повідомлення, не встановлюй нічого. Твій комп'ютер уже робить це безкоштовно. На Windows натисни Windows logo key + H і голосове введення відкриється в будь-якому полі тексту, включно з панеллю чату Discord, без підписки. На Mac вбудований ярлик Диктування (або клавіша мікрофона) робить те ж саме, а на Apple silicon працює на пристрої без інтернету. На телефоні іконка мікрофона клавіатури диктує прямо в мобільне поле повідомлень Discord; це iOS або Gboard виконує роботу, а не Discord, але це працює.

Єдиний компроміс, що варто знати: Win+H у Windows потребує інтернет-з'єднання, тоді як диктування macOS і локальний режим Whisper — ні. Для швидкого «запізнюся на 5 хв, починайте без мене» — інструмент ОС є правильним вибором. Спеціалізований застосунок виходить вперед у об'ємі, очищенні слів-паразитів і офлайн-диктуванні під час дзвінка: що довше й частіше ти це робиш, то більше це важить.

Обирай найменший інструмент, що вирішує твою проблему. Для одного повідомлення — це клавіша, яка вже є. Для цілого вечора довгих повідомлень на п'яти серверах — спеціалізований застосунок перестає відчуватись зайвим десь на другому-третьому абзаці, який не довелось набирати.

Скільки коштує Whisper

Локальний пайплайн диктування — транскрипція та очищення ШІ через Ollama — безкоштовний для будь-якого авторизованого користувача без картки при реєстрації. Тобто ввести свій голос у Discord через Whisper не коштує нічого. Whisper Pro додає хмарні функції (транскрипція OpenAI, хмарне покращення ШІ, голосовий веб-пошук) і має окремий пробний період. Точні цифри на сторінці тарифів, а не тут, бо ціни змінюються, а блог-пост — погане місце для їх актуальності.

Discord, мабуть, колись запустить справжнє диктування — так, як застосунки роблять, коли достатньо людей вводять /tts, сподіваючись на протилежне. До того часу твій комп'ютер уже має цю функцію, для тих, кому вбудована версія не достатньо швидка, є застосунок, а для зовсім окремої задачі — субтитрів до дзвінка — є бот. Три інструменти, три проблеми. Найчастіше потрібен найменший.