Голос у текст у Gmail, як належить

У Gmail немає вбудованого голосового введення на комп’ютері. Ось що працює.

Відкрийте Gmail на ноутбуці, натисніть «Написати», пошукайте в редакторі мікрофон. Його там немає. У Google Docs і Slides голосове введення вбудоване (Chrome, Edge або Safari), але власна довідка Google обмежує цю функцію лише Docs і Slides. Gmail у списку немає. Люди роками просять кнопку мікрофона в Gmail на форумах підтримки Google. Вона так і не з’явилася.

Три чесні шляхи на комп’ютері: відкрийте Gmail замість цього на телефоні — мікрофон системної клавіатури вже працює в будь-якому текстовому полі, зокрема у вікні написання листа Gmail. Установіть розширення для Chrome, яке додає мікрофон до вкладки Gmail — Voice In, Voicy або прямолінійно названу «Dictation for Gmail». Або встановіть застосунок для робочого столу, який перехоплює гарячу клавішу на рівні ОС і вставляє розшифрований текст у те вікно, що активне зараз — Whisper, Willow Voice, нативну збірку Voicy. Перший працює лише у вкладках Chrome. Третій працює всюди, де блимає курсор.

Нудна правда в тому, що вони розв’язують різні задачі. Якщо ви хочете голос лише всередині Gmail, розширення вистачить. Якщо ви хочете зробити це звичкою — для Gmail і ще вісьмох застосунків, у яких ви теж пишете, — розширення швидко впирається у свою стелю.

Найшвидше налаштування: розширення для Chrome і гаряча клавіша

Якщо ви хочете голос у Gmail і вже працюєте в Chrome, це найкоротший шлях. Загальний час: близько 3 хвилин.

Передумови (одна хвилина)

• Установлений Google Chrome (або браузер на базі Chromium, як-от Edge чи Brave).
• Робочий мікрофон. Вбудованого цілком достатньо.
• Надано дозвіл на мікрофон на рівні ОС. macOS: System Settings → Privacy & Security → Microphone. Windows: Settings → Privacy → Microphone.
• Ви ввійшли в Gmail.

Виберіть одне розширення

Три з реальною базою користувачів:

• Voice In від Dictanote, інструмент лише як розширення для Chrome (також спакований як доповнення для Edge). Працює на 10 000+ сайтах та 100+ мовами. Є безкоштовний рівень і платний Plus.
• Voicy — і нативний застосунок, і розширення для Chrome. Розширення підключається до Gmail і ще 20 000+ сайтів. Заявляє 50+ мов і 99% точності.
• Dictation for Gmail, заточене під Gmail, додає іконку мікрофона поруч із кнопкою «Надіслати». 60 мов, 100 000+ користувачів, 3,5★ із 273 оцінок.

Установлення за чотири кроки

Більшість людей запускає це менш ніж за три хвилини. Тертя не в налаштуванні. Тертя — у всьому, що буде потім, до чого ми ще дійдемо.

На мобільному Gmail уже це вміє, і це нормально

Якщо більшість листів ви пишете з телефона, застосунок для цього вам не потрібен. Розширення не потрібне. Решту цієї статті можете не читати. Час на налаштування: нуль. Усе вже там.

На Android відкрийте Gmail, торкніться «Написати», торкніться тіла листа й погляньте на верхній ряд клавіатури Gboard. Там є іконка мікрофона. Торкніться її, говоріть, торкніться знову. Власна документація Google формулює це так: «ви можете говорити, щоб писати, у більшості місць, де можна друкувати з клавіатури». Чіткої кількості мов вони не публікують, лише зазначають, що це працює не для кожної мови, яку підтримує Gboard. Основні романські й германські мови охоплено.

На iPhone відкрийте Gmail, торкніться «Написати», торкніться тіла листа й погляньте на клавіатуру iOS. Поруч із пробілом є клавіша мікрофона. Торкніться її, говоріть, торкніться «Готово». Мікрофон клавіатури iOS системний, тож та сама клавіша працює в Gmail, Messages, Notes і Safari. (У Gboard для iOS є власна кнопка мікрофона, якщо ви його встановили. Працює будь-який варіант.) Apple не публікує єдиної цифри для кількості мов диктування на iOS; воно близько повторює Apple Dictation на macOS, де перелічено 47 регіональних варіантів.

Обидва безкоштовні. Обидва вбудовані. Якщо ви пишете передусім із телефона, решта цієї статті — для тих днів, коли ви за ноутбуком. Інакше — ви закінчили.

Чому розширення для робочого столу досі плутають пунктуацію

Розширення для Chrome працюють, але саме їхня точність — причина того, що «Dictation for Gmail» має в середньому 3,5 зірки з 273 відгуків, а не 4,7. Шаблон скарг однаковий для всіх трьох. Щойно ви його розпізнаєте, перестаєте дивуватися.

Більшість інструментів диктування у вигляді браузерних розширень — це обгортки над Web Speech API. Вони просять Chrome виконати перетворення мовлення на текст, а потім вставляють результат. Цей API нормальний для коротких фраз, але крихкий для чогось довшого. Конкретно ламається ось що:

• Пунктуацію треба промовляти. «Крапка», «кома», «знак питання», «новий абзац». Ви думаєте, що вивчите це. Не вивчите. Ваш мозок не хоче казати «крапка» вголос наприкінці кожного речення. Більшість користувачів диктують суцільний потік без розділових знаків, а потім чистять його тачпадом. Що з’їдає майже весь сенс.
• Мікрофон вимикається після тиші. Зробіть паузу на три секунди, щоб обміркувати формулювання, — і API припиняє слухати. Ви знову починаєте говорити, а пів речення вже зникло.
• Фокус прив’язаний до вкладки. Клацніть в іншу вкладку Chrome — і мікрофон зупиняється. Перемкніться на календар, щоб звірити дату, — і мікрофон зупиняється. Диктування живе всередині однієї вкладки.
• Акценти та власні назви. Імена автовиправляються на те слово, яке браузер вважає ближчим. Моїх адресатів називали Andre, Ankara, а одного разу «Ms. Andrescu», перш ніж я це помітив.

Voicy заявляє, що його розширення використовує власний ШІ для вищої точності, і саме цю версію я спробував би першою, якби обирав шлях розширення. Але жодне з них не розв’язує проблему пунктуації голосом та вимкнення за тишею. Обидві вшиті в саме припущення, що браузерне диктування — це дія на 30 секунд, а не інструмент для письма.

Та сама стеля браузерного розширення стосується й голосового введення в Google Docs — зручно всередині вкладки, але воно ніколи не слідує за вашим курсором у Gmail чи деінде.

Чим я користуюся для Gmail і коли взагалі не заморочуюся

Я зробив Whisper, бо вигорів від розширень Chrome із наведених вище причин. Це застосунок для робочого столу на Tauri для Mac (Apple Silicon) і Windows. Без Intel Mac, без Linux. Він реєструє гарячу клавішу на рівні ОС. Затиснули, сказали, відпустили. Текст розшифровується й вставляється в те вікно, що активне.

Гаряча клавіша за замовчуванням: Ctrl+Space на Windows, лише модифікатори Command + Option на macOS (будь-який Command, будь-який Option, затиснули для запису, відпустили для зупинки). Обидві налаштовуються в Settings.

Те, що змінило мій спосіб роботи: застосунку байдуже, який застосунок активний. Та сама гаряча клавіша у вікні написання Gmail, у Slack, у Notion, у VS Code, у терміналі. Модуль вставки на Rust пише в буфер обміну ОС і вставляє нативне Cmd+V чи Ctrl+V у те вікно, на яке я дивлюся. macOS першого разу просить дозвіл Accessibility. Після цього все непомітно.

Для Gmail це важливо через перемикання контексту. Я починаю писати відповідь, перемикаюся в календар, повертаюся. З розширенням Chrome стан мікрофона зник. З гарячою клавішею на робочому столі я підхоплюю з того місця, де зупинився.

Двигун розшифровки обираєте ви. Три шляхи, чесно, без замовчування:

• Хмара (OpenAI BYOK). gpt-4o-mini-transcribe за замовчуванням, gpt-4o-transcribe для рівня з вищою точністю. Ви приносите власний ключ OpenAI. Найкраща якість, вбудований вебпошук, потрібне з’єднання.
• Локальний Parakeet. Модель TDT від NVIDIA, близько 600 МБ, у 5–10× швидша за Whisper на CPU. Англійська плюс 24 європейські мови. Офлайн. Без азійських мов, без перекладу на англійську.
• Локальний Whisper. Від Base (близько 140 МБ) до Large v3 (близько 3 ГБ). Багатомовні варіанти охоплюють 99 мов. Варіанти .en — лише англійською. Повільніший за Parakeet, але підтримує переклад і тонший контроль для кожного запису.

Для відповідей у Gmail англійською я лишаю локальний Parakeet. Хмара бере гору, коли мені потрібен довший лист із вебпошуком. Ключове слово-тригер для ШІ — «Hey whisper» з наступною інструкцією.

Коли я не заморочуюся: відповідь в один рядок на кшталт «дякую, зроблю». Затримка гарячої клавіші перемагає набір лише десь після десяти слів. Сенс диктування — у листах на 80–200 слів, де говорити швидше, ніж друкувати.

Коли диктування Gboard чи iOS — правильна відповідь

Якщо 90% вашого Gmail відбувається на телефоні, не встановлюйте нічого. Диктування Gboard та iOS безкоштовне, системне й створене для коротких та середніх повідомлень. Іконка мікрофона на клавіатурі впорається з відповіддю на 100 слів за 40 секунд.

Якщо ви на Mac і вам потрібні 30-секундні голосові нотатки в текстовому полі, Apple Dictation згодиться для коротких записів. macOS Tahoe постачається з 47 мовами й регіональними варіантами. Вмикається клавішею мікрофона, налаштовуваною комбінацією або через Edit → Start Dictation. Воно зупиняється після 30 секунд тиші, що робить його чудовим для «так, відповідай, щоб підтвердити» і поганим для абзацу, який вимагає паузи на роздуми.

Якщо більшість листів ви пишете на комп’ютері чи ноутбуці, у кількох застосунках, які не всі є вкладками браузера, ось де системний застосунок починає важити. Ми робимо один. Так само роблять Willow Voice і нативна збірка Voicy. Спробуйте кілька, перш ніж зупинитися на чомусь — та сама загальносистемна гаряча клавіша також дає змогу диктувати в Notion.

Голосове введення в Gmail мало стати функцією Google ще десять років тому, а його чомусь досі немає. Доки немає, обирайте шлях, який пасує вашому дню. Клавіатура телефона, якщо ви на телефоні; розширення для Chrome, якщо ви живете в одній вкладці; застосунок для робочого столу, якщо ви пишете всюди, куди йде ваш курсор. Хоч що ви оберете, мета одна. Перестати друкувати листи на 100 слів.