Nemokama balso įvestis: vietinis Whisper ir paruoštos programėlės

Čia aprašytame pavyzdyje beveik viskas diktuojama balsu: raginimai „Claude“, pastabos, įrašai ir atsakymai susirašinėjimo programėlėse. Kalbėti yra 3–4 kartus greičiau nei rašyti klaviatūra. Vietinis „Whisper“ gali atpažinti įrašą tavo kompiuteryje. Paskirties programėlė yra atskira privatumo riba: į debesijos pokalbį įklijuotas ar internetinei paslaugai pateiktas tekstas toliau siunčiamas pagal tos paslaugos veikimą.

Šiame vadove pateiktas tiesioginis programėlės diegimo kelias ir trumpa priėmimo patikra prieš pasikliaujant diktavimu. Po to agentas gali padėti tirti konkrečią klaidą. Taip pat lyginame paruoštų mokamų programėlių patogumą su vietine parinktimi.

Kodėl diktuoti balsu, užuot rašius?#

Dirbant su DI daugiausia laiko atima ne kodas, o minčių formulavimas. Aiškini „Claude“, ką daryti, taisai ir patikslini. Tokius paaiškinimus rašyti užtrunka. Kalbėti — greita.

Skaičiai paprasti: kalbėti maždaug tris kartus greičiau nei rašyti. Tai skirtumas tarp „pastraipą parašiau per dvi minutes“ ir „pasakiau ją per trisdešimt sekundžių“. Per dieną susitaupo dešimtys minučių.

Be to, rankos lieka laisvos. Gali vaikščioti po kambarį, žiūrėti į kitą ekraną ar laikyti puodelį. Daugeliui žmonių taip pat dingsta viena kliūtis: kalbėti lengviau nei atsisėsti ir ką nors parašyti.

„Wispr Flow“, „superwhisper“, „Whisper“: kuo jie skiriasi?#

Pavadinimus lengva supainioti, tad aptarkime juos iš eilės.

„Whisper“ (be „r“ raidės pabaigoje, iš „OpenAI“) yra variklis: atviras modelis, paverčiantis kalbą tekstu. Jis nemokamas, atvirojo kodo ir gali veikti tiesiog tavo kompiuteryje. Vienas pats tai tik „variklis“ be mygtukų ir langų — paruoštos programėlės jį naudoja viduje.

„Wispr Flow“ (su „r“ raide, wisprflow.ai) yra paruošta mokama programėlė, skirta „Mac“ ir „Windows“. Laikai nuspaudęs klavišą, kalbi, ir tekstas pasirodo bet kuriame lauke, kuriame yra žymeklis. Patogu, išbaigta ir veikia iškart.

„superwhisper“ (superwhisper.com) yra panaši programėlė, skirta „Mac“, „Windows“ ir „iPhone“. Joje yra nemokamas režimas su vietiniais modeliais, o pilna versija kainuoja. Idėja ta pati: laikai nuspaudęs klavišą, kalbi ir gauni tekstą.

„Handy“ ('<OFFICIAL_URL>') yra nemokama atvirojo kodo programėlė, veikianti neprisijungus prie interneto „Mac“, „Windows“ ir „Linux“ sistemose. Tai paruošta nemokama parinktis, jei nenori visko nustatyti per „Claude Code“ (apie tai — toliau).

Abu būdai paverčia kalbą tekstu, tačiau modelis, redagavimo funkcijos ir apdorojimo vieta gali skirtis. Paruošta programėlė sumažina sąrankos darbą, o vietinis „Whisper“ leidžia valdyti atpažinimą be interneto. Prieš pasirinkdamas išbandyk tą pačią frazę su vardais ir specialiaisiais terminais.

Mokamai ar nemokamai: už ką ima mokestį „Wispr Flow“ ir „superwhisper“?#

Štai sąžiningas mokamų parinkčių vaizdas:

Už ką iš tikrųjų moki naudodamas mokamas programėles:

• Paruošta sąsaja. Įdiegi ir veikia; nieko nereikia konfigūruoti.
• Balso komandos. „Kablelis“, „nauja pastraipa“ ir „ištrink paskutinį dalyką“ atpažįstamos kaip redagavimo komandos (mokamose versijose).
• Sinchronizavimas ir žodynas. Vardai, terminai ir tavo asmeninis žodynas sinchronizuojami tarp įrenginių.

Visa tai patogu. Tačiau kalbai atpažinti naudojama tos pačios klasės modeliai, kuriuos galima gauti nemokamai. Čia aprašytai vietinei konfigūracijai prenumeratos nereikia: kalbi ir pasirodo tekstas.

Kaip veikia vietinis „Whisper“ ir kodėl jis privatus?#

Debesijos paslaugos veikia taip: tavo balsas siunčiamas į kieno nors kito serverį, ten atpažįstamas, o tekstas atsiunčiamas atgal. Už tai imamas mokestis (už serverio nuomą), o savo kalbą turi patikėti įmonei.

Vietinis „Whisper“ veikia kitaip. Modelį atsisiunti vieną kartą (tai kelių šimtų megabaitų ar kiek didesnis failas), o vėliau viskas vyksta tavo įrenginyje:

1. Laikyk nuspaudęs spartųjį klavišą ir kalbėk

   Mikrofonas įrašo garsą, kol klavišas laikomas nuspaustas.

2. Kompiuteryje esantis modelis atpažįsta kalbą

   Garsas paverčiamas tekstu tiesiai įrenginyje, be interneto.

3. Tekstas įterpiamas ten, kur yra žymeklis

   Į pokalbį su „Claude“, dokumentą, naršyklės adreso juostą — bet kur.

Vietinio atpažinimo keliui nereikia mokamo kalbos API adreso, o atsisiuntus modelį jis gali transkribuoti be interneto. Patikrink tai vietiniame teksto redaktoriuje. Tai netrukdo debesijos pokalbiui, iškarpinės sinchronizavimui ar kitai paskirties programai vėliau perduoti gautą tekstą.

„Whisper“ supranta apie 99 kalbas, įskaitant retesnes, tokias kaip kazachų ir totorių. Modeliai būna įvairių dydžių — nuo lengviausio (greitas, bet ne toks tikslus) iki didžiausio (tikslesnis, bet reiklesnis).

Kokio kompiuterio reikia balso įvesčiai?#

Suderinamumas ir sparta priklauso nuo pasirinktos programėlės versijos, modelio, kalbos ir aparatinės įrangos. Prieš atsisiųsdamas patikrink diegimo priemonės palaikomą operacinę sistemą ir procesoriaus architektūrą. Didesniam modeliui reikia daugiau atminties ir vietos diske; vien sėkmingas įdiegimas neįrodo, kad atpažinimas pakankamai spartus tavo darbui.

Toliau aprašytame „Handy“ kelyje pradėk nuo vietinio „Whisper Small“ modelio ir vienos trumpos frazės. Patikrink programėlėje rodomą atsisiuntimo dydį ir palauk, kol jis baigsis. Jei modelis neįsikelia arba delsa per didelė, patikrink programėlės reikalavimus ir išbandyk mažesnį palaikomą vietinį modelį, užuot tikėjęsis vienodo visų senesnių nešiojamųjų našumo. Savo kompiuteryje palygink tikrą transkripciją ir delsą; šis vadovas nenustato universalaus aparatinės įrangos minimumo ar užbaigimo laiko.

Viena dokumentuota vietinio diktavimo sąranka „macOS“ arba „Windows“ sistemai#

Šiam keliui naudok konkrečią programėlę Handy v0.9.8. Jos šios versijos README aprašo vietinį „Whisper“ transkribavimą, konfigūruojamus sparčiuosius klavišus ir mikrofono bei pritaikymo neįgaliesiems leidimus. Tai dokumentacija pagrįstas receptas; rengiant šį vadovą diegimas ir transkribavimas nebuvo atlikti.

1. Iš oficialių šios versijos leidimo failų atsisiųsk savo operacinei sistemai ir procesoriui skirtą diegimo priemonę. Įdiek ir atidaryk „Handy“. Patikrink, kad atvėrei numatytą versiją, o ne panašiai pavadintą programėlę iš kitos svetainės.
2. Programėlėje atsisiųsk ir pasirink vietinį „Whisper Small“ modelį. Palauk, kol atsisiuntimas baigsis. Vietinio atpažinimo patikrai palik išjungtą pasirenkamą internetinį papildomą apdorojimą.
3. Suteik „Handy“ prieigą prie mikrofono. „macOS“ sistemoje suteik jos prašomą „Accessibility“ leidimą tekstui į kitas programėles įterpti: Sistemos nustatymai → Privatumas ir sauga. Peržiūrėk įvardytą programėlę ir tikslą; nesusijusių prašymų nepatvirtink automatiškai.
4. „Handy“ nustatymuose sukonfigūruok transkribavimo spartųjį klavišą Ctrl+Shift+Space ir pasirink įrašymo laikant klavišą režimą. Tai pasirinktas derinys, o ne pažadėtas sistemos numatytasis klavišas. Jei programėlė jo nepriima ar jį naudoja kita programa, pasirink laisvą derinį ir tą patį naudok toliau.
5. Atidaryk vietinį paprasto teksto dokumentą, padėk jame žymeklį, laikyk pasirinktą spartųjį klavišą, pasakyk „Balso įvesties bandymas, projektas alfa“ ir atleisk. Įrašymas turėtų sustoti, o atpažintas tekstas turėtų būti įterptas į tą dokumentą. Patikrink žodžius ir delsą; skyryba gali skirtis.
6. Atsisiuntęs programėlę ir modelį atjunk tinklą ir vietiniame dokumente pakartok nepavojingą frazę. Ten gauta transkripcija parodo, kad šis pasirinktas transkribavimo kelias gali veikti be interneto. Po to vėl prisijunk. Tai neįrodo, kad transkripciją gavęs debesijos pokalbis išlaikys ją vietoje.

Jei sąrankai pritaikyti reikia agento pagalbos, pateik ribotą diagnostikos raginimą:

Naudoju Handy v0.9.8 su vietiniu Whisper Small modeliu.
Mano operacinė sistema ir procesorius: [įrašyk tikras reikšmes].
Pasirinktas transkribavimo spartusis klavišas: [įrašyk nustatytą derinį].
Trumpo bandymo vietiniame redaktoriuje rezultatas: [aprašyk, kas įvyko].
Patikrink oficialias šios versijos instrukcijas. Nustatyk neveikiantį etapą:
modelio atsisiuntimą ar įkėlimą, mikrofono įrašymą, spartųjį klavišą ar teksto įterpimą.
Prieš man pritaikant paaiškink kiekvieną siūlomą leidimą ar pakeitimą.
Nepereik prie debesijos transkribavimo API, nieko nepirk ir netrink esamų failų.

Šis raginimas yra pasirenkama pagalba konkrečiam pastebėtam sutrikimui. Agento pranešimas „paruošta“ ir mygtuko „Allow“ paspaudimas nepakeičia transkribavimo ir patikros be interneto.

Kaip patikrinti, ar veikia (ir ką daryti, jei neveikia)#

Sukonfigūravęs programėlę, atsisiųstą modelį ir spartųjį klavišą, pats atlik patikrą vietiniame redaktoriuje:

1. Padėk žymeklį vietiniame paprasto teksto dokumente

   Naudok nepavojingą frazę; vietinį veikimą patikrink prieš siųsdamas tekstą į debesijos pokalbį.

2. Laikyk nuspaudęs „Handy“ nustatytą spartųjį klavišą

   Ctrl+Shift+Space naudok tik jei pasirinkai šį laisvą derinį; ir „Mac“ sistemoje naudok tikrąjį sukonfigūruotą klavišą.

3. Garsiai pasakyk trumpą frazę

   Pavyzdžiui: „balso įvesties bandymas“.

4. Atleisk klavišus

   Tekstas turėtų pasirodyti ten, kur buvo žymeklis.

Jei tekstas nepasirodo, nesijaudink — tai dažnos problemos. Nukopijuok šį raginimą į „Claude“ pokalbį, ir jis padės jas išspręsti:

Naudoju Handy v0.9.8 su vietiniu Whisper Small modeliu.
Mano nustatytas spartusis klavišas: [įrašyk tikrą derinį].
Vietiniame dokumente jį laikau, kalbu ir atleidžiu, bet tekstas nepasirodo.
Patikrink oficialias šios versijos instrukcijas ir atskirk modelio atsisiuntimą
ar įkėlimą, mikrofoną, spartųjį klavišą ir teksto įterpimą.
Prieš man patvirtinant paaiškink siūlomus leidimus. Nepereik prie debesijos
transkribavimo, nieko nepirk ir netrink esamų failų.

Tai apima beveik visus atvejus. Dažniausios problemų priežastys:

• Nėra prieigos prie mikrofono. Sistema neleido programai klausytis garso — turi suteikti leidimą privatumo nustatymuose.
• Nėra teksto įterpimo leidimo („Mac“). Patikrink „Handy“ prašomą „Accessibility“ leidimą skiltyje Sistemos nustatymai → Privatumas ir sauga ir pakartok bandymą vietiniame teksto redaktoriuje.
• Nustatyto spartaus klavišo konfliktas. Patikrink, ar „Handy“ pasirinktą derinį naudoja kita programa. Jei reikia, nustatyk laisvą derinį ir juo pakartok bandymą.
• Modelis nebaigtas atsisiųsti arba įkelti. Patikrink jo būseną programėlėje ir prieš bandydamas vėl užbaik pasirinkto vietinio modelio atsisiuntimą. Tyliai nepereik prie internetinės transkribavimo paslaugos.

Ką daryti, jei niekas neįsidiegia?#

Kartais nėra laiko šalinti trikčių, bet nori diktuoti jau šiandien. Tokiu atveju įjunk sistemoje įtaisytą balso įvestį — ji nemokama:

• Mac: „System Settings“ → „Keyboard“ → „Dictation“ → įjunk. „Apple“ lustuose atpažinimas vyksta neprisijungus prie interneto, tiesiai įrenginyje.
• Windows: paspausk Win + H, kad atidarytum balso rašymo skydelį. Turėk omenyje: ši funkcija veikia internetu (atpažinimas vyksta „Microsoft“ serveriuose), todėl tai nėra privatus apdorojimas neprisijungus.

Ji veikia iškart, nieko neįdiegus. Kokybė kuklesnė nei vietinio „Whisper“. Tačiau tai puikus būdas neįstrigti ir jau šiandien pradėti rašyti balsu.

„Wispr Flow“ ar nemokamas „Whisper“: ką rinktis?#

Trumpas pasirinkimo vadovas:

Vietinė parinktis leidžia išvengti atpažinimo prenumeratos ir suteikia kelią transkribuoti be interneto. Prieš ja pasikliaudamas savo kompiuteryje patikrink kokybę, spartą ir veikimą be ryšio. Komercinė programėlė gali labiau tikti, jei jos darbo eiga sutaupo daugiau laiko; lygink naudodamas tą pačią nepavojingą frazę.

Tiesiog pabandyk padiktuoti pirmąjį raginimą. Aprašyta patirtis rodo, kad po kelių dienų naudojant balso įvestį žmonės beveik nustojo rašyti ilgus tekstus klaviatūra.