ป้อนข้อมูลด้วยเสียงฟรี: Whisper ในเครื่องและแอปสำเร็จรูป

ในตัวอย่างที่อธิบายไว้ที่นี่ เกือบทุกอย่างป้อนด้วยเสียง ทั้งพรอมป์ต์สำหรับ Claude โน้ต โพสต์ และข้อความตอบกลับในแอปส่งข้อความ การพูดเร็วกว่าการพิมพ์บนคีย์บอร์ด 3–4 เท่า Whisper ในเครื่องรู้จำเสียงบันทึกบนคอมพิวเตอร์ของคุณได้ แต่ปลายทางของข้อความเป็นขอบเขตความเป็นส่วนตัวอีกส่วน หากวางข้อความลงแชตคลาวด์หรือส่งให้บริการออนไลน์ ข้อความจะถูกส่งต่อไปตามการทำงานของบริการนั้น

คู่มือนี้ให้วิธีติดตั้งแอปโดยตรงและการทดสอบสั้น ๆ ก่อนใช้การป้อนข้อความด้วยเสียงจริง หลังจากนั้นเอเจนต์ช่วยตรวจความล้มเหลวที่ระบุชัดได้ และเราจะเปรียบเทียบความสะดวกของแอปเสียเงินสำเร็จรูปกับตัวเลือกในเครื่องด้วย

ทำไมจึงควรพูดเพื่อป้อนข้อความแทนการพิมพ์?#

เวลาทำงานกับ AI สิ่งที่กินเวลามากที่สุดไม่ใช่การเขียนโค้ด แต่เป็นการเรียบเรียงคำพูด คุณอธิบายให้ Claude รู้ว่าต้องทำอะไร แล้วแก้ไขและชี้แจงเพิ่มเติม การพิมพ์คำอธิบายเหล่านั้นใช้เวลานาน แต่การพูดทำได้รวดเร็ว

ตัวเลขเข้าใจง่าย: การพูดเร็วกว่าการพิมพ์ประมาณสามเท่า นั่นคือความแตกต่างระหว่าง “พิมพ์ย่อหน้าหนึ่งในสองนาที” กับ “พูดย่อหน้านั้นในสามสิบวินาที” เมื่อรวมตลอดทั้งวัน ก็ประหยัดเวลาได้หลายสิบนาที

อีกทั้งมือของคุณยังว่างด้วย คุณจะเดินไปมาในห้อง มองจออีกจอ หรือถือแก้วก็ได้ สำหรับหลายคน วิธีนี้ยังช่วยลดอุปสรรคด้วย เพราะการพูดง่ายกว่าการนั่งลงแล้วเขียนข้อความ

Wispr Flow, superwhisper และ Whisper ต่างกันอย่างไร?#

ชื่อเหล่านี้ทำให้สับสนได้ง่าย เรามาไล่ดูกันตามลำดับ

Whisper (ไม่มี “r” ต่อท้าย จาก OpenAI) คือเอนจิน หรือโมเดลเปิดที่แปลงเสียงพูดเป็นข้อความ ใช้ฟรี เป็นโอเพนซอร์ส และทำงานบนคอมพิวเตอร์ของคุณได้โดยตรง ตัวมันเองเป็นเพียง “เครื่องยนต์” ที่ไม่มีปุ่มหรือหน้าต่าง แอปสำเร็จรูปต่าง ๆ ใช้มันอยู่เบื้องหลัง

Wispr Flow (มี “r” ที่ท้ายชื่อ wisprflow.ai) คือแอปแบบเสียเงินสำเร็จรูปสำหรับ Mac และ Windows กดปุ่มค้างไว้แล้วพูด ข้อความจะปรากฏในช่องใดก็ตามที่มีเคอร์เซอร์อยู่ สะดวก ออกแบบมาอย่างดี และใช้งานได้ทันที

superwhisper (superwhisper.com) เป็นแอปคล้ายกันสำหรับ Mac, Windows และ iPhone มีโหมดฟรีที่ใช้โมเดลในเครื่อง ส่วนเวอร์ชันเต็มมีค่าใช้จ่าย แนวคิดเหมือนกัน คือกดปุ่มค้างไว้ พูด แล้วรับข้อความ

Handy ('<OFFICIAL_URL>') เป็นแอปฟรีและโอเพนซอร์สที่ทำงานแบบออฟไลน์บน Mac, Windows และ Linux เป็นตัวเลือกฟรีที่พร้อมใช้ หากคุณไม่อยากตั้งค่าทุกอย่างผ่าน Claude Code (จะอธิบายเพิ่มเติมด้านล่าง)

ทั้งสองแนวทางเปลี่ยนเสียงเป็นข้อความ แต่โมเดล ฟีเจอร์แก้ข้อความ และสถานที่ประมวลผลต่างได้ แอปสำเร็จรูปลดงานตั้งค่า ส่วน Whisper ในเครื่องให้ควบคุมเส้นทางรู้จำออฟไลน์ ลองประโยคเดียวกันรวมชื่อกับศัพท์เฉพาะก่อนตัดสินว่าอะไรดีกว่าสำหรับคุณ

แบบเสียเงินหรือฟรี: Wispr Flow และ superwhisper คิดเงินค่าอะไร?#

ภาพรวมของตัวเลือกแบบเสียเงินอย่างตรงไปตรงมามีดังนี้:

สิ่งที่คุณจ่ายเงินจริง ๆ เมื่อใช้แอปแบบเสียเงินมีดังนี้:

• ส่วนติดต่อผู้ใช้ที่พร้อมใช้งาน ติดตั้งแล้วใช้ได้เลย ไม่ต้องตั้งค่าอะไร
• คำสั่งเสียง ระบบรู้จำคำว่า “จุลภาค” “ย่อหน้าใหม่” และ “ลบข้อความล่าสุด” เป็นคำสั่งแก้ไข (ในเวอร์ชันเสียเงิน)
• การซิงก์และพจนานุกรม ชื่อ คำศัพท์ และพจนานุกรมส่วนตัวของคุณซิงก์ข้ามอุปกรณ์ได้

ทั้งหมดนี้มีประโยชน์ แต่การรู้จำเสียงพูดในแอปเหล่านั้นใช้โมเดลประเภทเดียวกับที่มีให้ใช้ฟรี การตั้งค่าในเครื่องตามที่อธิบายไว้ที่นี่ไม่ต้องสมัครสมาชิก คุณพูด แล้วข้อความก็ปรากฏ

Whisper ในเครื่องทำงานอย่างไร และเหตุใดจึงเป็นส่วนตัว?#

บริการคลาวด์ทำงานแบบนี้: เสียงของคุณถูกส่งไปยังเซิร์ฟเวอร์ของผู้อื่นเพื่อรู้จำเสียง แล้วส่งข้อความกลับมา บริการเหล่านี้คิดเงิน (ค่าเช่าเซิร์ฟเวอร์) และคุณต้องไว้วางใจบริษัทให้ดูแลเสียงพูดของคุณ

Whisper ในเครื่องใช้โมเดลที่ดาวน์โหลดไว้ ตรวจขนาดดาวน์โหลดจริงในแอปและรอให้เสร็จ จากนั้นโหมดรู้จำในเครื่องที่เลือกจึงประมวลผลเสียงบนอุปกรณ์ ส่วนปลายทางของข้อความเป็นอีกขอบเขตหนึ่ง:

1. กดปุ่มลัดค้างไว้แล้วพูด

   ไมโครโฟนจะบันทึกเสียงขณะที่กดปุ่มค้างไว้

2. โมเดลบนคอมพิวเตอร์รู้จำเสียงพูด

   เสียงจะถูกแปลงเป็นข้อความบนอุปกรณ์โดยตรง โดยไม่ใช้อินเทอร์เน็ต

3. ข้อความถูกแทรกตรงตำแหน่งเคอร์เซอร์

   ในแชตกับ Claude ในเอกสาร ในแถบที่อยู่ของเบราว์เซอร์ หรือที่ใดก็ตาม

เส้นทางรู้จำในเครื่องไม่ต้องใช้ endpoint เสียงแบบเสียเงิน และถอดเสียงโดยไม่ต่ออินเทอร์เน็ตได้เมื่อดาวน์โหลดโมเดลแล้ว ให้ตรวจด้วยโปรแกรมแก้ไขข้อความในเครื่อง แต่การรู้จำแบบนี้ไม่ได้ห้ามแชตคลาวด์ ฟีเจอร์ซิงก์คลิปบอร์ด หรือปลายทางอื่นส่งข้อความนั้นต่อในภายหลัง

Whisper เข้าใจประมาณ 99 ภาษา รวมถึงภาษาที่ไม่ค่อยใช้กันอย่างคาซัคและตาตาร์ โมเดลมีหลายขนาด ตั้งแต่ขนาดเล็กที่สุด (เร็วแต่หยาบกว่า) ไปจนถึงขนาดใหญ่ที่สุด (แม่นยำกว่าแต่ใช้ทรัพยากรมากกว่า)

คอมพิวเตอร์แบบไหนที่รองรับการป้อนข้อมูลด้วยเสียง?#

ความเข้ากันได้และความเร็วขึ้นกับรุ่นแอป โมเดล ภาษา และฮาร์ดแวร์ ตรวจระบบปฏิบัติการกับสถาปัตยกรรมโปรเซสเซอร์ที่ตัวติดตั้งรองรับก่อนดาวน์โหลด โมเดลใหญ่ใช้หน่วยความจำและพื้นที่มากขึ้น การติดตั้งสำเร็จไม่ได้ยืนยันว่ารู้จำได้เร็วพอสำหรับงานของคุณ

สำหรับวิธีใช้ Handy ด้านล่าง ให้เริ่มด้วยโมเดล Whisper Small ในเครื่องและวลีสั้นหนึ่งวลี ดูขนาดดาวน์โหลดที่แอปแสดงและรอให้เสร็จ หากโหลดไม่ได้หรือหน่วงนานเกินไป ให้ตรวจข้อกำหนดของแอปและลองโมเดลในเครื่องที่เล็กกว่าซึ่งรองรับ อย่าคาดว่าแล็ปท็อปเก่าทุกเครื่องจะทำงานเท่ากัน เปรียบเทียบข้อความและความหน่วงจริงบนเครื่องของคุณ คู่มือนี้ไม่ได้ยืนยันข้อกำหนดฮาร์ดแวร์หรือเวลาทำงานที่ใช้ได้กับทุกเครื่อง

วิธีตั้งค่าการป้อนข้อความด้วยเสียงในเครื่องตามเอกสารสำหรับ macOS หรือ Windows#

ใช้ Handy v0.9.8 เป็นแอปสำหรับขั้นตอนนี้ README ของเวอร์ชันนั้น อธิบายการถอดเสียง Whisper ในเครื่อง ปุ่มลัดที่ตั้งค่าได้ และสิทธิ์ไมโครโฟน/Accessibility ขั้นตอนนี้อ้างอิงเอกสาร โดยไม่ได้ติดตั้งหรือทดลองถอดเสียงเพื่อจัดทำคู่มือนี้

1. ดาวน์โหลดตัวติดตั้งที่ตรงกับระบบปฏิบัติการและโปรเซสเซอร์จาก assets อย่างเป็นทางการของรุ่นนั้น ติดตั้งและเปิด Handy ตรวจว่าเป็นรุ่นที่ต้องการ ไม่ใช่แอปชื่อคล้ายจากเว็บไซต์อื่น
2. ดาวน์โหลดและเลือกโมเดล Whisper Small ในเครื่องภายในแอป รอจนดาวน์โหลดเสร็จ ปิดการประมวลผลออนไลน์เสริมไว้สำหรับการทดสอบนี้
3. ให้สิทธิ์ใช้ไมโครโฟนแก่ Handy บน macOS ให้สิทธิ์ Accessibility ที่แอปร้องขอเพื่อแทรกข้อความในแอปอื่น ผ่าน System Settings → Privacy & Security ตรวจชื่อแอปและวัตถุประสงค์ อย่ากดอนุญาตคำขอที่ไม่เกี่ยวข้องโดยอัตโนมัติ
4. ใน Settings ของ Handy ตั้งปุ่มลัดถอดเสียงเป็น Ctrl+Shift+Space และเลือกโหมดกดค้างเพื่อบันทึก นี่เป็นปุ่มที่เลือกเอง ไม่ใช่ค่าเริ่มต้นที่รับรองไว้ หากแอปไม่ยอมรับหรือโปรแกรมอื่นใช้ปุ่มนี้ ให้เลือกปุ่มลัดที่ว่างและใช้ปุ่มเดียวกันในการตรวจด้านล่าง
5. เปิดเอกสารข้อความธรรมดาในเครื่อง วางเคอร์เซอร์ กดปุ่มลัดที่ตั้งไว้ค้าง พูด “Voice input test, project alpha” แล้วปล่อยปุ่ม การบันทึกควรหยุดและข้อความที่รู้จำควรปรากฏในเอกสาร ตรวจคำและความหน่วง เครื่องหมายวรรคตอนอาจต่างกัน
6. หลังดาวน์โหลดแอปกับโมเดลแล้ว ให้ตัดการเชื่อมต่อเครือข่ายและพูดประโยคทดสอบเดิมในเอกสารในเครื่อง ข้อความที่ได้แสดงว่าเส้นทางถอดเสียงที่เลือกทำงานออฟไลน์ได้ จากนั้นเชื่อมต่อเครือข่ายอีกครั้ง การตรวจนี้ไม่ได้ยืนยันว่าแชตคลาวด์ที่รับข้อความจะเก็บข้อความไว้ในเครื่อง

หากต้องการให้เอเจนต์ช่วยปรับขั้นตอน ให้ส่งพรอมป์ต์วินิจฉัยที่จำกัดขอบเขตนี้:

I am using Handy v0.9.8 with a local Whisper Small model.
My operating system and processor are: [fill in actual values].
My chosen transcription shortcut is: [fill in the configured shortcut].
Observed result of the short local-editor test: [describe what happened].
Check the official instructions for this version. Identify the failing
stage: model download/loading, microphone capture, shortcut, or text insertion.
Explain each proposed permission or change before I apply it. Do not
switch to a cloud transcription API, buy anything, or delete existing files.

พรอมป์ต์นี้เป็นตัวช่วยเสริมสำหรับความล้มเหลวที่สังเกตพบ คำว่า “พร้อม” จากเอเจนต์และการคลิก Allow ใช้แทนการทดสอบถอดเสียงและทดสอบออฟไลน์ไม่ได้

วิธีตรวจสอบว่าใช้งานได้หรือไม่ (และควรทำอย่างไรหากใช้ไม่ได้)#

เมื่อตั้งค่าแอป ดาวน์โหลดโมเดล และกำหนดปุ่มลัดแล้ว ให้ทดสอบด้วยตัวเองในโปรแกรมแก้ไขข้อความในเครื่อง:

1. วางเคอร์เซอร์ในเอกสารข้อความในเครื่อง

   ใช้เอกสารข้อความธรรมดาในเครื่องสำหรับการทดสอบออฟไลน์ แยกจากแชตคลาวด์หรือช่องเบราว์เซอร์

2. กดปุ่มลัดที่ตั้งไว้ค้าง

   ใช้ปุ่มเดียวกับที่ตั้งไว้ใน Handy เช่น Ctrl+Shift+Space หากปุ่มนี้ใช้งานได้

3. พูดวลีสั้น ๆ ออกเสียง

   ตัวอย่างเช่น “ทดสอบการป้อนข้อมูลด้วยเสียง”

4. ปล่อยปุ่ม

   ข้อความควรปรากฏตรงตำแหน่งที่เคอร์เซอร์อยู่

หากไม่มีข้อความปรากฏ ไม่ต้องกังวล ปัญหาเหล่านี้พบได้บ่อย คัดลอกพรอมป์ต์นี้ไปวางในแชต Claude แล้ว Claude จะแนะนำวิธีแก้ให้:

ปุ่มลัดถอดเสียงที่ฉันตั้งไว้ใน Handy คือ: [ปุ่มที่ตั้งจริง]
เมื่อกดค้าง พูด แล้วปล่อยในเอกสารทดสอบในเครื่อง
ไม่มีข้อความปรากฏ

ตรวจสอบให้ชัดเจนว่าอะไรผิดปกติ (ไม่มีสิทธิ์เข้าถึงไมโครโฟน
ไม่มีสิทธิ์ควบคุมคอมพิวเตอร์ ปุ่มลัดของระบบชนกับปุ่มนี้
หรือดาวน์โหลดโมเดลไม่สำเร็จ) แล้วแนะนำฉัน
แก้ไขทีละขั้นตอน

เริ่มตรวจขั้นตอนต่อไปนี้ ยังมีสาเหตุอื่นเป็นไปได้:

• ไม่มีสิทธิ์เข้าถึงไมโครโฟน ระบบไม่อนุญาตให้โปรแกรมรับเสียง คุณต้องอนุญาตในตั้งค่าความเป็นส่วนตัว
• ไม่มีสิทธิ์แทรกข้อความ (Mac) ตรวจสิทธิ์ Accessibility ที่ Handy ขอใน System Settings → Privacy & Security แล้วลองใหม่ในโปรแกรมแก้ไขข้อความในเครื่อง
• ปุ่มลัดชนกับโปรแกรมอื่น ตรวจว่าปุ่มที่ตั้งไว้ใน Handy ถูกโปรแกรมอื่นใช้หรือไม่ หากต้องเปลี่ยน ให้ตั้งปุ่มที่ว่างแล้วใช้ปุ่มนั้นในการทดสอบด้วย
• ดาวน์โหลดหรือโหลดโมเดลไม่เสร็จ ตรวจสถานะในแอปและดาวน์โหลดโมเดลในเครื่องที่เลือกให้เสร็จก่อนทดสอบอีกครั้ง อย่าสลับไปบริการถอดเสียงออนไลน์โดยไม่แจ้ง

ถ้าติดตั้งอะไรไม่ได้เลยจะทำอย่างไร?#

บางครั้งไม่มีเวลาแก้ปัญหา แต่ก็อยากพูดเพื่อป้อนข้อความวันนี้ ในกรณีนั้น ให้เปิดการป้อนข้อมูลด้วยเสียงที่มีมาให้ในระบบ ซึ่งใช้ฟรี:

• Mac: “System Settings” → “Keyboard” → “Dictation” → เปิดใช้งาน บนชิป Apple การรู้จำจะทำงานออฟไลน์บนอุปกรณ์โดยตรง
• Windows: กด Win + H เพื่อเปิดแผงพิมพ์ด้วยเสียง โปรดจำไว้ว่า ฟีเจอร์นี้ทำงานผ่านอินเทอร์เน็ต (การรู้จำทำงานบนเซิร์ฟเวอร์ของ Microsoft) จึงไม่ใช่การประมวลผลแบบออฟไลน์ที่เป็นส่วนตัว

ใช้งานได้ทันทีโดยไม่ต้องติดตั้ง คุณภาพจะด้อยกว่า Whisper ในเครื่อง แต่เป็นวิธีที่ดีพอสำหรับการไม่ต้องหยุดชะงักและเริ่มเขียนด้วยเสียงได้ตั้งแต่วันนี้

ควรเลือก Wispr Flow หรือ Whisper ฟรี?#

แนวทางเลือกอย่างรวดเร็ว:

ตัวเลือกในเครื่องไม่ต้องมีสมาชิกรู้จำเสียงและให้เส้นทางถอดเสียงออฟไลน์ ก่อนพึ่งพาใช้งาน ให้ตรวจคุณภาพ ความเร็ว และพฤติกรรมออฟไลน์บนคอมพิวเตอร์ของคุณ แอปเชิงพาณิชย์อาจเหมาะกว่าหาก workflow ช่วยประหยัดเวลาได้มากกว่า ให้เปรียบเทียบด้วยประโยคทดสอบที่ไม่มีข้อมูลส่วนตัวประโยคเดียวกัน

ลองพูดพรอมป์ต์แรกของคุณดู จากประสบการณ์ที่อธิบายไว้ที่นี่ หลังจากใช้การป้อนข้อมูลด้วยเสียงสักสองสามวัน ผู้คนแทบเลิกพิมพ์ข้อความยาว ๆ บนคีย์บอร์ด