Neměli byste potřebovat překladatele k nákupu nástroje, jehož celým úkolem je převádět vaše slova na text. Tato stránka definuje každý termín, se kterým se setkáte při porovnávání diktovacího softwaru — včetně těch, které najdete v našich vlastních nastaveních. Každá definice je jedna věta; podrobnosti za ní jsou volitelné čtení.
Základy
Diktování
Diktování je mluvení nahlas, zatímco software převádí vaše slova na psaný text. Lidé tomu také říkají hlasové psaní nebo převod řeči na text. Všechny tři názvy znamenají totéž: mluvíte, počítač píše.
Hlasové psaní
Psaní hlasem je jiný název pro diktování — mluvení místo psaní, kdy se slova objevují tam, kde je váš textový kurzor. Windows svůj vestavěný nástroj nazývá „psaní hlasem“ (funkce Win+H). CaringDictate dělá stejnou práci ve většině programů, bez časových limitů vestavěného nástroje.
Převod řeči na text
Převod řeči na text je technologie, která převádí mluvený zvuk na psaná slova. V technických článcích ji uvidíte zkráceně jako STT. Když produkt říká „poháněno převodem řeči na text“, znamená to diktování.
Rozpoznávání řeči
Rozpoznávání řeči je širší obor, ve kterém počítače rozumí lidské řeči — jak tomu, co jste řekli (diktování), tak tomu, co jste mysleli (příkazy). Diktovací aplikace používá rozpoznávání řeči k zapsání vašich slov. Hlasový asistent ji používá k provádění akcí.
Přepis
Přepis je převod záznamu řeči — schůzky, rozhovoru, hlasové zprávy — do písemného dokumentu dodatečně. Diktování je živé (slova se objevují, jak mluvíte); přepis se obvykle děje později, ze souboru. Nástroje jako Otter.ai jsou nástroje pro přepis, nikoli nástroje pro diktování.
Jak funguje rozpoznávání
Hlasový model (model rozpoznávání)
Hlasový model je vytrénovaný mozek diktovacího programu — soubor, který skutečně rozumí řeči. Větší modely jsou obvykle přesnější, ale potřebují výkonnější počítač. CaringDictate vybere velikost modelu, která sedí vašemu počítači, od asi 190 MB po asi 3.1 GB.
Whisper
Whisper je open-source rodina hlasových modelů vydaných společností OpenAI v roce 2022, známá pro téměř lidskou přesnost napříč mnoha jazyky. Je to motor mnoha moderních produktů pro diktování a přepis, včetně CaringDictate. Protože je open source, může běžet zcela na vašem vlastním počítači.
Rozpoznávání na zařízení (offline)
Rozpoznávání na zařízení znamená, že vaše řeč je zpracovávána na vašem vlastním počítači — zvuk nikdy necestuje na server společnosti. To funguje bez internetu, udržuje soukromé myšlenky v soukromí a nikdy nepřestane fungovat kvůli výpadku služby. Takto funguje CaringDictate.
Cloudové rozpoznávání
Cloudové rozpoznávání znamená, že váš hlas je přes internet odesílán na servery dané společnosti, tam převeden na text a poslán zpět. Rozpoznávání probíhá na serveru, nikoli ve vašem počítači. Kde konkrétní nástroj provádí rozpoznávání, je uvedeno v jeho vlastní dokumentaci a některé produkty nabízejí obě možnosti — vyplatí se to ověřit, ne jen předpokládat.
Přesnost (míra chybovosti slov)
Přesnost je procento slov, která diktovací program rozpozná správně; míra chybovosti slov (WER) je stejná myšlenka měřená obráceně — procento, které rozpozná špatně. Moderní diktování založené na Whisper je vysoce přesné na zřetelné anglické řeči. Výsledky se liší podle kvality mikrofonu, hluku na pozadí a toho, jak zřetelně mluvíte.
Latence
Latence je zpoždění mezi dokončením věty a zobrazením textu. Méně než asi třetina sekundy působí okamžitě; mnohem více než to působí zpožděně. Rozpoznávání na zařízení se vyhýbá cestě na server a zpět, což pomáhá.
Automatická detekce jazyka
Automatická detekce jazyka znamená, že software sám zjistí, jakým jazykem mluvíte, aniž byste mu to museli říkat. Užitečné, pokud během dne přepínáte mezi jazyky. Nastavení „Automaticky“ v CaringDictate to provádí napříč 20 podporovanými jazyky.
Každodenní používání diktovací aplikace
Tlačítko pro mluvení (klávesová zkratka)
Tlačítko pro mluvení je jedna klávesa nebo tlačítko myši, které spouští a zastavuje diktování. V CaringDictate je výchozí klávesa Pravý Ctrl a můžete ji změnit na libovolnou klávesu nebo tlačítko myši, které je pro vaše ruce pohodlné.
Stisknout a mluvit (držet pro mluvení)
Stisknout a mluvit znamená držet tlačítko pro mluvení stisknuté, zatímco mluvíte, a uvolnit ho, když skončíte — jako vysílačka. Dobré pro krátké úseky: vyhledávací pole, rychlá odpověď. Alternativou je klepnout pro přepnutí, což je lepší pro delší psaní.
Přepnout (klepnout pro mluvení)
Režim přepínání znamená klepnout jednou na tlačítko pro mluvení pro zahájení poslechu a klepnout znovu pro zastavení. Vaše ruce jsou mezitím zcela volné — užitečné, když je držení klávesy nepohodlné, nebo když diktujete dlouhé pasáže.
Aktivační slovo (hlasová aktivace)
Aktivační slovo je fráze, kterou řeknete nahlas — například „začít diktovat“ — a která spustí diktování, aniž byste se dotkli klávesnice nebo myši. To je nejdůležitější, když je obtížné dosáhnout na klávesnici. CaringDictate přidal uživatelsky nastavitelnou hlasovou aktivaci ve verzi 3.5.
Indikátor poslechu
Indikátor poslechu je malý signál na obrazovce, který ukazuje, že mikrofon je aktivní a vaše slova jsou slyšena. Důvěryhodný indikátor je důležitý: nikdy byste se neměli muset ptát, zda počítač poslouchá.
Hlasové příkazy
Hlasové příkazy jsou mluvené instrukce — jako „nový řádek“ nebo „smazat to“ — které ovládají formátování namísto psaní slov. Diktovací aplikace se zde značně liší. Jednoduché příkazy pokrývají většinu každodenního psaní; rozsáhlé ovládání počítače bez použití rukou je samostatná kategorie (viz Voice Access).
Příkazy pro interpunkci
Příkazy pro interpunkci znamenají říkat nahlas „tečka“, „čárka“ nebo „otazník“ pro vložení interpunkce. Moderní enginy jako Whisper také automaticky interpunkci vkládají na základě vaší formulace a pauz, takže často můžete mluvit přirozeně.
Vlastní slovník (seznam slov)
Vlastní slovník je váš osobní seznam jmen a speciálních slov, kterým by měl rozpoznávač důvěřovat — rodinná jména, názvy léků, průmyslový žargon. Jednorázové přidání „Zofran“ nebo „Oaxaca“ je lepší než to neustále opravovat. CaringDictate obsahuje jeden v sekci Psaní a slova.
Vkládání textu
Vkládání textu je způsob, jakým se diktovaná slova fyzicky dostanou do vašeho dokumentu — aplikace je buď píše znak po znaku, nebo je vloží najednou. Vkládání celých frází je rychlejší a mnohem spolehlivější napříč různými programy, a proto CaringDictate dodává text tímto způsobem.
Termíny specifické pro Windows
Win+H (hlasové psaní Windows)
Win+H je klávesová zkratka, která otevře vestavěný panel hlasového psaní ve Windows 10 a 11. Je zdarma, součástí Windows a rozumnou první volbou pro každodenní diktování. Windows 11 navíc obsahuje funkci Voice Access, která přidává plné hlasové ovládání počítače spolu s vlastní slovní zásobou a opravou textu.
Windows Voice Access
Voice Access je funkce Windows 11 pro ovládání počítače bez použití rukou – klikání, posouvání a přepínání oken hlasem, včetně diktování. Je navržena pro plné ovládání počítače hlasem. Pokud je vaším hlavním cílem pohodlné psaní, specializovaný nástroj pro diktování je obvykle vhodnější.
Rozpoznávání řeči Windows (WSR)
Rozpoznávání řeči Windows je starší vestavěný nástroj pro diktování, který společnost Microsoft zastarala ve prospěch Voice Access. Pokud jste se spoléhali na WSR na starším počítači, jeho ukončení je obvykle okamžikem, kdy si záměrně vybrat náhradu, spíše než přijmout jakýkoli nástroj, který Windows nabídne dál.
Nastavení soukromí mikrofonu
Nastavení soukromí mikrofonu jsou přepínače Windows, které rozhodují, které programy mohou používat váš mikrofon. Pokud aplikace pro diktování nic neslyší, je to první místo, kam se podívat: Nastavení → Soukromí a zabezpečení → Mikrofon.
Výchozí mikrofon
Výchozí mikrofon je ten, který Windows předává programům, pokud si nevyberou jiný. Notebooky jich často mají několik (vestavěný, náhlavní souprava, webkamera). Výběr správného – blízko úst, daleko od ventilátorů – zlepšuje přesnost více než jakékoli nastavení.
Podmínky nákupu
Jednorázový nákup (trvalá licence)
Jednorázový nákup znamená zaplatit jednou a vlastnit software – žádný měsíční ani roční poplatek za jeho další používání. CaringDictate stojí $49 jednorázově, s aktualizacemi v ceně. Alternativní model, předplatné, účtuje poplatky tak dlouho, dokud píšete.
Předplatné
Předplatné je měsíční nebo roční platba za nepřetržitý přístup k softwaru – přestanete platit a přestane fungovat. Rozumné pro služby s průběžnými náklady na server; obtížnější ospravedlnit pro nástroj běžící zcela na vašem vlastním počítači. Před výběrem porovnejte celkové náklady za pět let.
Licence (licence pro zařízení)
Licence je jedna nainstalovaná kopie programu; licence pro 3 zařízení pokrývá tři vaše počítače. Licence CaringDictate za $49 zahrnuje 3 licence – pro stolní počítač, notebook a jedno další zařízení.
Bezplatná zkušební verze
Bezplatná zkušební verze je plně funkční zkušební období před zaplacením – CaringDictate trvá 7 dní bez nutnosti zadávat kartu. Zkouška na vašem vlastním počítači, s vaším vlastním mikrofonem a vaším vlastním hlasem, překoná jakoukoli recenzi nebo tabulku přesnosti.
Aktualizace zdarma
Aktualizace zdarma znamenají, že nové verze softwaru jsou zahrnuty v ceně, kterou jste již zaplatili, bez samostatného poplatku za upgrade. Před koupí jakéhokoli jednorázového softwaru se to vyplatí zkontrolovat: některé „trvalé“ licence vás zamrznou na verzi, kterou jste koupili, a za upgrady účtují znovu.
Limit slov (omezení použití)
Limit slov je omezení toho, kolik můžete diktovat – běžné u bezplatných úrovní předplatných diktovacích služeb. Nástroje běžící na zařízení nemají důvod vás omezovat; neexistuje žádný účet za server. CaringDictate nemá žádný limit.
Akcelerace GPU
Akcelerace GPU znamená použití grafického čipu vašeho počítače k rychlejšímu spuštění hlasového modelu, než by dokázal hlavní procesor. Proto herní notebook přepisuje znatelně rychleji. Není vyžadováno – CaringDictate běží i na běžných počítačích s menšími modely.
Systémové požadavky
Systémové požadavky jsou minimální parametry počítače, které program potřebuje, aby dobře běžel. Pro CaringDictate: Windows 10 (64bitový, verze 1903) nebo Windows 11, 4 GB RAM a několik GB volného místa na disku.
Stručná verze
Diktování, hlasové psaní a převod řeči na text znamenají totéž: vy mluvíte, počítač píše. Volby, které jsou při nákupu skutečně důležité, jsou kde je váš hlas zpracováván (na vašem počítači nebo na serveru někoho jiného), jak jej spouštíte a zastavujete (pohodlné tlačítko pro mluvení, nebo aktivační slovo), a jak platíte (jednou, nebo navždy). Odpovědi CaringDictate jsou: na vašem počítači, jakékoli tlačítko, které se vám líbí — $49 jednou, s 7denní bezplatnou zkušební verzí abyste si nejprve ověřili, zda vyhovuje vašemu hlasu.