Голос у текст у Google Docs

Відкрийте «Інструменти», натисніть «Голосове введення», починайте говорити

Жодних встановлень, розширень чи апгрейду акаунта. Голосове введення вже вбудоване в Google Docs.

Уся ця штука займає близько тридцяти секунд першого разу й десять — кожного наступного. Якщо віконце з мікрофоном так і не з'являється, ви майже напевно у Firefox або в старій збірці браузера. Перейдіть до розділу з усуненням несправностей нижче.

Одна деталь, яку варто налаштувати перед стартом: випадний список мов над мікрофоном. Google Docs підтримує там понад 100 мов і діалектів, зокрема довгий перелік регіональних варіантів англійської, іспанської та арабської. Виберіть правильний — і точність підскочить тієї ж миті. Залиште мову, якою ви не розмовляєте, — і отримаєте словесний салат, що читається як погана доріжка субтитрів.

Команди розділових знаків і скорочення, яке вам знадобиться

Ось частина, яка людей дивує. Google Docs не ставить розділові знаки за вас. Ви промовляєте їх.

Щоб завершити речення, ви кажете «крапка». Для паузи — «кома». Є також «знак оклику», «знак питання», «новий рядок» і «новий абзац». Тож диктування двох речень звучить уголос так: «нараду підтверджено крапка надішли порядок денний до п'ятниці крапка». Хвилини чотири це здається дивним, а потім стає м'язовою пам'яттю — так само, як колись набирання крапки з комою.

Існує також ширший набір команд редагування: «вибрати абзац», «курсив» та подібні фрази для форматування й навігації. Вони працюють лише англійською і лише тоді, коли і мова акаунта, і мова документа встановлені на англійську. Команди розділових знаків поблажливіші й працюють у більшій кількості мов; саме команди форматування заблоковані на англійську.

Є й клавіатурне скорочення, що подекуди трапляється. Багато користувачів і сторонніх посібників повідомляють про Ctrl+Shift+S на Windows і Cmd+Shift+S на Mac для перемикання голосового введення без звернення до меню. Варто згадати, бо на чинній довідковій сторінці Google скорочення взагалі не вказане, тож сприймайте це як «широко повідомляється і зазвичай працює», а не як істину в останній інстанції. Якщо на вашій машині воно нічого не робить — шлях через меню працює завжди.

Ручні розділові знаки — це найчіткіша межа між інструментом Google і новішими ШІ-інструментами диктування. Промовляти «кома» вголос — це ціна безкоштовної функції, яка майже не змінювалася роками. Це не погано. Це просто 2015 рік, що тихо сидить усередині продукту 2026 року.

Воно працює у вкладці браузера, а не на вашому комп'ютері

Наступний розділ вирішує, чи достатньо вам вбудованого інструмента, тож тут є зображення того, на що ви дивитеся.

Голосове введення — це функція Google Docs, а отже, функція тієї вкладки браузера, у якій відкрито Google Docs. Настільного застосунку немає. Закрийте вкладку — і мікрофон зникає разом із нею. Колишня репутація «лише Chrome» застаріла — довідкова сторінка Google тепер перелічує Chrome, Edge і Safari. Firefox і досі лишився осторонь.

Чого вам коштує ця прив'язка до браузера, видно тієї миті, коли ваш текст виходить за межі документа. Скажімо, ви голосом готуєте оновлення проєкту в Docs, а потім вам треба відповісти на коментар у пошті, вставити нотатку в Slack і заповнити клітинку в таблиці. Мікрофон не може піти за вашим курсором у жодне з цих місць. Він чує вас лише всередині вкладки Docs. Для багатьох людей це нормально — вони пишуть у Docs і більше ніде. Для решти це стіна, об яку вони вдаряються кілька разів на день.

Є ще питання мобільних пристроїв. На телефоні настільне меню «Голосове введення» не з'являється; натомість мобільний застосунок Docs спирається на вбудований мікрофон диктування вашої клавіатури телефона. Той клавіатурний мікрофон непоганий, але роботу виконує ваша операційна система, а не Google Docs.

Коли голосове введення Google Docs перестає вас чути

Голосове введення ламається в невеликій кількості передбачуваних способів. За частотою того, як часто я це спостерігав.

• Його немає в меню «Інструменти». Ви в непідтримуваному браузері. Firefox — звичний винуватець; стародавня збірка Chrome — на другому місці. Відкрийте той самий документ у поточному Chrome, Edge чи Safari — і пункт меню знову з'явиться.
• Віконце мікрофона є, але нічого не друкується. Браузер не має дозволу на мікрофон або вибрано не той пристрій введення. Перевірте маленьку піктограму камери/мікрофона в адресному рядку браузера й переконайтеся, що вкладка документа має дозвіл. Потім перевірте налаштування звуку вашої операційної системи, щоб правильний мікрофон був за замовчуванням — вбудований мікрофон ноутбука й під'єднана гарнітура за це сваряться.
• Слова зливаються або виходять спотвореними. Це майже завжди звук, а не програма. Дешевий USB-мікрофон робить для точності більше, ніж будь-яке налаштування, яке ви можете змінити, — зазвичай більше, ніж апгрейд моделі. Фоновий шум, вентилятор, відчинене вікно: усе це потрапляє в транскрипт.
• Воно само зупиняється за хвилину-дві. Голосове введення робить паузу, коли якийсь час не виявляє мовлення або коли вкладка втрачає фокус. Натисніть мікрофон ще раз, щоб продовжити. Якщо ви перемикаєтеся на інше вікно, щоб щось прочитати під час диктування, саме це перемикання вас і вимикає.
• Слова з'являються не в тому місці або команди друкуються як текст. Якщо ви кажете «новий абзац», а в документ потрапляють слова «новий абзац» замість розриву рядка, мова вашого акаунта чи документа не встановлена на англійську, а команди редагування працюють лише англійською. Розділові знаки на кшталт «кома» й «крапка» поблажливіші щодо мов; саме команди форматування й навігації строгі. Перевірте обидва мовні налаштування, якщо команди й далі з'являються як буквальний текст.

Якщо вкладка документа працює, а інший застосунок вас взагалі не чує, це не проблема Google Docs. Це знову та сама прив'язка до браузера. Жоден крок усунення несправностей цього не виправить, бо воно працює саме так, як задумано.

Якщо поле мікрофона взагалі не починає слухати, перегляньте наш повний посібник про те, чому голосове введення в Google Документах перестає працювати.

Диктувати в Docs, не живучи всередині вкладки браузера

Системний інструмент змінює саму форму проблеми. Whisper by Remskill — це настільний застосунок, а не розширення браузера й не додаток для Docs. Ви натискаєте гарячу клавішу будь-де, говорите, відпускаєте — і текст вставляється там, де курсор: у вкладці Google Docs, у пошті, у Slack, у клітинці таблиці, у будь-якому текстовому полі на машині.

Гаряча клавіша за замовчуванням — Ctrl+Space на Windows. На Mac це режим push-to-talk: утримуйте Command+Option разом, щоб записувати, відпустіть будь-яку клавішу, щоб зупинити. Обидві можна змінити в налаштуваннях, якщо вони конфліктують із чимось, що ви вже використовуєте. Сценарій однаковий на обох платформах — утримуйте, говоріть, відпустіть, слова лягають туди, де ваш курсор. Повний розбір ви можете побачити в нашому посібнику про те, як працює Whisper, а також у налаштуваннях для конкретних платформ: голос у текст на Mac і голос у текст на Windows.

Кілька речей, яких браузерний інструмент структурно не може, а настільний застосунок може:

• Розділові знаки автоматичні. Не треба казати «кома» вголос. Транскрипція додає їх за вас, тож диктування звучить як розмова, а не як читання режисерських ремарок.
• Воно працює офлайн. Локальний конвеєр виконується повністю на вашій машині через рушій на чистому Rust, жоден звук не залишає ноутбука. Ваш недописаний лист про звільнення не робить гак через чийсь сервер.
• Воно йде за вашим курсором усюди. Та сама гаряча клавіша, що заповнює абзац у Docs, заповнює відповідь у Gmail чи сторінку Notion за тридцять секунд.

Кілька слів про моделі, бо люди питають. Локально ви самі обираєте рушій — вибір ваш, а не за замовчуванням, який ми обрали за вас. Parakeet від NVIDIA — найшвидший локальний варіант: близько 600 МБ, у 5–10 разів швидший за Whisper на CPU, охоплює англійську плюс 24 європейські мови, разом 25. Виберіть його, якщо ви здебільшого говорите англійською й хочете швидкості.

Локальні моделі Whisper охоплюють ширше. Багатомовні збірки покривають 99 мов, зокрема автовизначення, плюс переклад англійською. Виберіть їх, якщо вам потрібні інші мови чи переклад. Англомовні збірки Whisper за задумом заблоковані на англійську — для найкращої точності, коли ви пишете лише англійською. А якщо вам потрібна найновіша якість OpenAI з доступом до вебу, режим Cloud працює на вашому власному ключі OpenAI, охоплюючи приблизно 57 мов, які OpenAI офіційно перелічує. Три шляхи, ви обираєте. Застосунок не обирає за вас типову модель, і це, як я зрозумів на власному гіркому досвіді, саме те, чого люди хочуть — перша збірка вийшла з уже обраною моделлю, і перше, що зробили користувачі, — пішли її міняти.

Цей останній пункт для мене — тест на ланч-бокс. Вівторок, вечір, роблю бутерброди й той самий йогурт, який менша все одно відмовиться їсти, а школа хоче, щоб дозвіл на поїздку був заповнений до восьмої. Беру ноутбук однією рукою, утримую гарячу клавішу й диктую відповідь між скибочками огірка — зупиняючись один раз, щоб запитати, як пишеться ім'я вчительки, і ще раз, щоб відповісти, чому місяця інколи немає на небі. Лист відправлено, ланч-бокси зібрано. Сенс не в тому, що це Docs. Сенс у тому, що мій курсор був у поштовому клієнті, потім у календарі, потім у застосунку для нотаток — і та сама клавіша спрацювала в усіх трьох. Голосове введення почуло б перший і замовкло б на решті.

Коли пропустити наш застосунок і скористатися вбудованим інструментом Google

Скажу це прямо, бо цього вимагає рамка, за якою я пишу, і бо це правда. Якщо ви пишете всередині Google Docs і більше ніде, і надсилаєте короткі фрагменти — абзац, коментар, швидку нотатку — користуйтеся «Голосовим введенням» Google і нічого не встановлюйте. Воно безкоштовне, воно вже там, воно підтримує понад 100 мов, а кілька разів сказати «крапка» не коштує вам нічого, крім гідності.

Межа, де системний інструмент починає мати значення, — це приблизно позначка у 200 слів або момент, коли вашому диктуванню треба вийти за межі документа. Якщо ви готуєте довгі тексти, перемикаєтеся між трьома застосунками за годину, працюєте офлайн у потязі чи маєте справу з текстом, який радше не надсилали б на сервер, вкладка браузера стає вузьким місцем. Нижче цієї межі Google вас прикриє. Будьте чесні із собою щодо того, на якому ви боці.

If you have already crossed that line, here is a Google voice typing alternative that dictates anywhere — including offline.

Ще один вбудований варіант, про який люди забувають. І Windows, і macOS мають власне диктування на рівні системи. На Windows це панель голосового введення Win+H; на Mac це диктування операційної системи, яке можна прив'язати до клавіші. Вони принаймні працюють поза браузером, на відміну від варіанта Google. Вони не такі точні чи керовані, як спеціальний інструмент, але безкоштовні й уже встановлені — варто спробувати, перш ніж тягнутися по щось платне.

Голосове введення Google Docs безкоштовне, вбудоване й цілком придатне для абзацу за раз усередині вкладки браузера. Тієї миті, коли вашому диктуванню треба вийти за межі цієї вкладки — у пошту, у чат, у таблицю, офлайн у потязі — мікрофон лишається позаду, бо його ніколи й не було на вашому комп'ютері. Це не вада, яку треба виправити. Це край того, куди може дотягнутися функція браузера. Моя семирічна донька якось надиктувала цілий лист бабусі, а потім запитала, чому це не працює в її застосунку для малювання. Слушне питання. Відповідь — гаряча клавіша, якій байдуже, у якому ви вікні.