Застосунок голосового введення: що встановити на кожен пристрій

Телефони вже постачаються із застосунком голосового введення

Нудна правда в тому, що найкращий застосунок голосового введення для вашого телефона — це клавіатура, з якою він уже прийшов. На Android це робить Gboard: торкніться текстового поля, торкніться мікрофона вгорі клавіатури й починайте говорити, коли з'явиться «Говоріть». Розділові знаки можна вимовляти вголос — «крапка», «кома», «новий абзац», — хоча Google зазначає, що пунктуація та голосове введення доступні не для всіх мов. На iPhone у клавіатури є клавіша мікрофона, яка робить те саме.

Цього вистачає на повідомлення, листи, рядки пошуку та нотатки — а це майже все, що будь-хто пише на телефоні. Типове диктування на телефоні — це відповідь на лист на 50–150 слів, близько 30 секунд мовлення; вбудований мікрофон легко з цим упорається. Сторонні клавіатурні застосунки, що переповнюють результати в магазині, загортають той самий мікрофон у інший бренд, іноді з підпискою на додачу. Перш ніж встановлювати такий, спробуйте кнопку, яка у вас уже є. Це рідкісна категорія продуктів, де безкоштовний, наперед встановлений варіант водночас і найрозумніший.

Одне чесне зізнання, бо саме тут будь-який продавець перейшов би до свого мобільного застосунку: у нас його немає. Whisper by Remskill — це десктопний застосунок для Windows і macOS, і крапка. Якщо ваше диктування відбувається на телефоні, я раджу вбудовану клавіатуру — і ви можете закрити цю вкладку з моїм благословенням.

Десктопи — там, де вбудовані інструменти вичерпуються

Обидві десктопні операційні системи мають голосове введення, і про обидва варто знати, перш ніж щось встановлювати. На Windows 11 натисніть клавішу Windows + H — і з'явиться невеликий віджет голосового введення. Йому потрібні три речі: інтернет-з'єднання, робочий мікрофон і курсор, припаркований у текстовому полі. Він підтримує 40+ мов і може розставляти пунктуацію за вас, якщо увімкнути відповідне налаштування. Вимога інтернету — це межа, яку варто запам'ятати. Win+H чудовий рівно доти, доки готельний Wi-Fi не пропаде.

На Mac диктування запускається клавішею мікрофона у функціональному ряду, гарячою клавішею або через Правка > Почати диктування. Обмеження на тривалість немає, але воно саме зупиняється після 30 секунд тиші, що на практиці означає: воно вимикається, поки ви дивитеся в стелю, добираючи слово. Воно розставляє пунктуацію в підтримуваних мовах без зайвих прохань, а Apple зазначає, що диктування доступне не для всіх мов чи регіонів.

Жоден із цих інструментів не поганий, і обидва годяться на речення-два. Межі проявляються, коли письмо стає серйозним. Власного словника для назв ваших продуктів і клієнтів немає в жодному переліку можливостей — як і ШІ-очищення від шару «е-е, ну», який несе ваше мовлення. На Mac можна перевірити, чи виконується диктування на пристрої; на Windows інструмент гасне тієї ж миті, коли ви офлайн. Саме ці межі — причина того, що десктопні застосунки голосового введення існують як категорія.

Що насправді має робити десктопний застосунок голосового введення

Механізм описати просто. Десктопний застосунок голосового введення сидить у фоні, стежить за однією глобальною гарячою клавішею, записує, поки ви її утримуєте, проганяє аудіо через модель розпізнавання мовлення й вставляє результат там, де стоїть ваш курсор. Кожна частина цього речення — те, що варто перевірити, перш ніж встановлювати.

Гаряча клавіша має значення, бо вона перетворює диктування на рефлекс, а не на функцію, до якої треба йти. Частина «там, де стоїть ваш курсор» важлива, бо письмо відбувається в пошті, Slack, CRM, редакторі коду й формі браузера; інструмент, який друкує лише у власному вікні, — це блокнот із мікрофоном. Модель важлива двічі: один раз для точності, другий — для того, куди йде ваше аудіо. Локальні моделі працюють на вашій машині й функціонують офлайн. Хмарні моделі надсилають аудіо на сервер і часто розпізнають краще. Хороший десктопний застосунок дає змогу обирати під ситуацію, а не вирішує за вас.

Швидкість теж належить до контрольного списку — у простих цифрах. На MacBook Air з M1, що запускає невелику локальну англомовну модель, Whisper проходить шлях від відпускання клавіші до вставленого тексту приблизно за 1,4 секунди; у хмарному режимі на пристойному з'єднанні — близько 1,1 секунди. Відгук у цьому діапазоні тримає диктування в категорії «рефлекс». Якщо інструмент змушує вас чекати, відкривати вікно чи копіювати текст із панелі, тертя з'їдає ту перевагу у швидкості, заради якої ви прийшли.

Ось моя єдина думка для цієї сторінки: найкращий лайфхак продуктивності — менше кроків, а не швидші кроки. Більшість інструментів намагаються прискорити набір. Голосове введення його прибирає. Потік змінюється з «зупинися, сядь, друкуй» на «скажи, готово» — ось як мовлення на 145 слів за хвилину обходить набір на 40, і нікому не доводиться вчитися нової навички. Застосунок, який додає кроки назад, проґавив сенс власної категорії.

Для глибшого огляду самої категорії — рушії, точність, компроміс «локально проти хмари» — у нас є окремий розбір про програмне забезпечення голосового введення. Ця сторінка лишається на вужчому питанні: що встановити, для кожного пристрою.

Як Whisper працює з голосовим введенням на Windows і Mac

Whisper by Remskill — наша відповідь на десктопну половину питання. Ви утримуєте одну гарячу клавішу (Ctrl+Space на Windows, Command+Option на Mac), говорите, відпускаєте — і текст з'являється там, де стоїть курсор, у будь-якому застосунку. Поки ви говорите, на екрані плаває невеликий оверлей, тож ви бачите, що йде запис.

Під капотом ви обираєте між трьома шляхами, і застосунок не обирає за вас.

• Локальний Whisper — Сімейства моделей, оптимізованих під англійську, та багатомовних — від моделі Base на ~140 МБ до Large v3 на ~3 ГБ. Багатомовне сімейство охоплює 90+ мов, включно з автовизначенням. Англомовні моделі — це саме вони, лише англійська, тож обирайте багатомовне сімейство, якщо протягом дня переходите між мовами.
• Локальний Parakeet — Працює в 5–10× швидше за Whisper на CPU й охоплює англійську плюс 24 європейські мови. Швидка смуга для здебільшого англомовного диктування.
• Хмара (ваш власний ключ OpenAI) — Підключається до OpenAI з вашим власним API-ключем, використовуючи gpt-4o-mini-transcribe або gpt-4o-transcribe для самого мовлення та gpt-5-mini для опційного ШІ-очищення.

Усе локальне безкоштовне: моделі працюють на вашому пристрої, функціонують офлайн, нічого нікуди не надсилають, а для реєстрації картка не потрібна.

Є ще один трюк, про який варто знати, — ШІ-ключове слово. Почніть запис зі слів «Hey whisper» — і застосунок запустить ШІ-обробку розпізнаного тексту замість того, щоб вставити його як є. Диктування для щоденних речень, асистент для моментів, коли текст хочеться переробити. Гаряча клавіша та сама в обох випадках.

Тест, якому я довіряю найбільше, не був бенчмарком. Я дав Whisper своїй молодшій доньці, показав один раз (натиснути, говорити, відпустити, вставити) — і вона продиктувала бабусі лист на 90 слів про випалий зуб і про обмінний курс зубної феї, без жодного додаткового запитання. За два дні вона повідомила, що «гаряча клавіша не працює в моєму застосунку для малювання» — так я дізнався, що звичайні користувачі не знають, що таке конфлікт гарячих клавіш. Вони просто знають, що воно не працює. Того ж вечора вийшли налаштування з можливістю змінювати гарячу клавішу. Якщо семирічна дитина може пройти цей цикл, цикл достатньо простий.

Вбудований застосунок вище — це справжній десктопний інтерфейс, а не скриншот; поклацайте по ньому. І повторю зізнання, бо намір встановити заслуговує на пряму відповідь: Whisper працює на Windows і на Mac з Apple Silicon, і більше ніде.

Короткий чек-лист, перш ніж щось встановлювати

Встановлення програми — це зобов'язання, навіть коли програма безкоштовна. П'ять питань розкладуть усе по поличках швидше за будь-який огляд:

• На якому пристрої ви пишете, чесно? Здебільшого телефон: лишіть вбудоване диктування клавіатури й не витрачайте нічого.
• Чи друкує воно в кожному застосунку? Шукайте глобальну гарячу клавішу, яка вставляє біля курсора, а не окреме вікно, з якого треба копіювати.
• Чи може воно працювати офлайн? Голосове введення Windows не може. Локальні моделі можуть. Якщо ваше письмо містить речі, яким не варто відвідувати сервер, це питання йде першим.
• Які мови, рахуючи по кожному рушію? 40+ для голосового введення Windows, 90+ на багатомовних моделях Whisper, 25 на Parakeet, лише англійська на моделях .en.
• Чи ви спочатку полагодили мікрофон? USB-мікрофон за $20 дає точності більше, ніж будь-яке оновлення моделі. Я роблю програмне забезпечення — і мікрофон усе одно перемагає. Ніхто в цій галузі не любить казати таке вголос.

Якщо ви прийшли сюди з боку досліджень — цифри точності, як рушії порівнюються — про той бік розповідає розбір про застосунок для перетворення мовлення на текст. Тарифи й те, що в них входить, живуть на сторінці цін; коротка версія — усе локальне коштує нуль.

Коли пропустити Whisper

Якщо ваше диктування відбувається на телефоні — пропустіть нас. У нас немає мобільного застосунку, а диктування Gboard чи клавіатури iPhone безкоштовне й цілком достатнє. Якщо ви пишете на Mac речення-два на день, диктування Apple вже вбудоване, запускається клавішею мікрофона й розставляє пунктуацію за вас.

Якщо вам потрібна транскрипція зустрічей із кількома доповідачами та підсумками — це інша категорія продуктів, ніж письмо голосом, і шукати варто саме в тій категорії. А якщо ви на Linux або Mac з Intel, Whisper там не працює, тож вбудовані інструменти й засоби браузера — ваші чесні варіанти.

Двадцять років тому голосове введення означало читати комп'ютеру калібрувальні скрипти й сподіватися. Сьогодні чесний підсумок уміщається у два рядки: ваш телефон уже це вміє, а ваш десктоп може робити це як слід з одним встановленням. Мікрофон уже певний час як найшвидший пристрій введення на вашому столі. Просто більшість із нас іще не натиснули клавішу.