Вам не должен понадобиться переводчик, чтобы купить инструмент, вся работа которого заключается в превращении ваших слов в текст. Эта страница определяет каждый термин, с которым вы столкнетесь при сравнении программного обеспечения для диктовки — включая те, что есть в наших собственных экранах настроек. Каждое определение — это одно предложение; детали после него являются дополнительным чтением.
Основы
Диктовка
Диктовка — это произнесение вслух, в то время как программное обеспечение превращает ваши слова в письменный текст. Люди также называют это голосовым набором или преобразованием речи в текст. Все три названия означают одно и то же: вы говорите, компьютер печатает.
Голосовой набор
Голосовой набор — это другое название диктовки: вы говорите вместо того, чтобы печатать, а слова появляются там, где находится ваш текстовый курсор. Windows называет свой встроенный инструмент «голосовым вводом» (функция Win+H). CaringDictate выполняет ту же работу в большинстве программ, без тайм-аутов встроенного инструмента.
Преобразование речи в текст
Преобразование речи в текст — это технология, которая преобразует произнесенный звук в письменные слова. В технических статьях вы увидите его сокращение как STT. Когда продукт говорит «на базе преобразования речи в текст», это означает диктовку.
Распознавание речи
Распознавание речи — это более широкая область понимания компьютерами человеческой речи — как того, что вы сказали (диктовка), так и того, что вы имели в виду (команды). Приложение для диктовки использует распознавание речи, чтобы записать ваши слова. Голосовой помощник использует его для выполнения действий.
Транскрипция
Транскрипция — это превращение записи речи — встречи, интервью, голосового сообщения — в письменный документ постфактум. Диктовка происходит в реальном времени (вы видите, как слова появляются по мере того, как вы говорите); транскрипция обычно происходит позже, из файла. Такие инструменты, как Otter.ai, являются инструментами транскрипции, а не инструментами диктовки.
Как работает распознавание
Голосовая модель (модель распознавания)
Голосовая модель — это обученный мозг программы диктовки, файл, который на самом деле понимает речь. Более крупные модели обычно точнее, но требуют более мощного компьютера. CaringDictate выбирает размер модели, подходящий вашей машине, от примерно 190 МБ до примерно 3,1 ГБ.
Whisper
Whisper — это семейство голосовых моделей с открытым исходным кодом, выпущенное OpenAI в 2022 году, известное своей почти человеческой точностью на многих языках. Это движок многих современных продуктов для диктовки и транскрипции, включая CaringDictate. Поскольку он имеет открытый исходный код, он может работать полностью на вашем собственном компьютере.
Распознавание на устройстве (офлайн)
Распознавание на устройстве означает, что ваша речь обрабатывается на вашем собственном компьютере — аудио никогда не передается на сервер компании. Это работает без интернета, сохраняет личные мысли конфиденциальными и никогда не перестает работать из-за сбоя службы. Именно так работает CaringDictate.
Облачное распознавание
Облачное распознавание означает, что ваш голос передаётся через интернет на серверы компании, там преобразуется в текст и отправляется обратно. Распознавание происходит на сервере, а не на вашем устройстве. Где именно тот или иной инструмент выполняет распознавание, указано в его документации, а некоторые продукты предлагают оба варианта — это стоит проверить, а не предполагать.
Точность (частота ошибок в словах)
Точность — это процент слов, которые программа диктовки распознаёт правильно; частота ошибок в словах (WER) — та же идея, измеренная наоборот: процент, который она распознаёт неправильно. Современная диктовка на основе Whisper высокоточна на чёткой английской речи. Результаты зависят от качества микрофона, фонового шума и того, насколько чётко вы говорите.
Задержка
Задержка — это промежуток времени между завершением предложения и появлением текста. Менее одной трети секунды ощущается как мгновенное; значительно больше — как задержка. Распознавание на устройстве позволяет избежать кругового пути к серверу, что помогает.
Автоматическое определение языка
Автоматическое определение языка означает, что программное обеспечение само определяет, на каком языке вы говорите, без необходимости указывать это. Полезно, если вы переключаетесь между языками в течение дня. Настройка CaringDictate «Автоматически» делает это для 20 поддерживаемых языков.
Использование приложения для диктовки в повседневной жизни
Кнопка разговора (горячая клавиша)
Кнопка разговора — это одна клавиша или кнопка мыши, которая запускает и останавливает диктовку. В CaringDictate по умолчанию это клавиша Right Ctrl, и вы можете изменить ее на любую клавишу или кнопку мыши, которая удобна для ваших рук.
Нажми и говори (удерживай для разговора)
«Нажми и говори» означает удерживание кнопки разговора во время речи и отпускание ее по завершении — как рация. Хорошо подходит для коротких фраз: поле поиска, быстрый ответ. Альтернатива — «нажми для переключения», лучше для более длительного письма.
Переключение (нажми для разговора)
Режим переключения означает однократное нажатие кнопки разговора для начала прослушивания и повторное нажатие для остановки. Ваши руки полностью свободны между этими действиями — это полезно, когда удерживать клавишу неудобно, или когда вы диктуете длинные отрывки.
Кодовое слово (голосовая активация)
Кодовое слово — это фраза, которую вы произносите вслух — например, «начать диктовку» — которая запускает диктовку, не касаясь клавиатуры или мыши. Это наиболее важно, когда доступ к клавиатуре затруднен. CaringDictate добавил настраиваемую пользователем голосовую активацию в версии 3.5.
Индикатор прослушивания
Индикатор прослушивания — это небольшой экранный сигнал, который показывает, что микрофон активен и ваши слова слышны. Надежный индикатор важен: вы никогда не должны задаваться вопросом, слушает ли компьютер.
Голосовые команды
Голосовые команды — это произносимые инструкции — например, «новая строка» или «удалить это» — которые управляют форматированием вместо написания слов. Приложения для диктовки сильно различаются в этом отношении. Простые команды охватывают большинство повседневных задач письма; полное управление компьютером без помощи рук — это отдельная категория (см. Voice Access).
Команды пунктуации
Команды пунктуации — это произнесение вслух слов «точка», «запятая» или «вопросительный знак» для вставки знаков препинания. Современные движки, такие как Whisper, также автоматически расставляют знаки препинания на основе вашей фразировки и пауз, поэтому вы часто можете просто говорить естественно.
Пользовательский словарь (список слов)
Пользовательский словарь — это ваш личный список имен и специальных слов, которым должен доверять распознаватель — фамилии, названия лекарств, отраслевой жаргон. Добавление «Zofran» или «Oaxaca» один раз лучше, чем исправлять это постоянно. CaringDictate включает его в разделе «Письмо и слова».
Вставка текста
Вставка текста — это то, как продиктованные слова физически попадают в ваш документ: приложение либо печатает их посимвольно, либо вставляет целиком. Вставка целых фраз быстрее и гораздо надежнее в разных программах, поэтому CaringDictate доставляет текст именно так.
Термины, специфичные для Windows
Win+H (голосовой ввод Windows)
Win+H — это сочетание клавиш, которое открывает встроенную панель голосового ввода Windows в Windows 10 и 11. Бесплатно, встроено в Windows и разумный первый вариант для повседневной диктовки. В Windows 11 также есть Voice Access, которая добавляет полное голосовое управление ПК вместе с пользовательским словарём и коррекцией текста.
Windows Voice Access
Voice Access — это функция управления компьютером без помощи рук в Windows 11: нажатие, прокрутка и переключение окон голосом, включая диктовку. Она создана для полного голосового управления компьютером. Если вам в основном нужно комфортное письмо, специализированный инструмент для диктовки обычно подходит лучше.
Распознавание речи Windows (WSR)
Распознавание речи Windows — это более старый встроенный инструмент для диктовки, который Microsoft устарела в пользу Voice Access. Если вы полагались на WSR на старом ПК, его отмена обычно является моментом для осознанного выбора замены, а не для принятия любого инструмента, который Windows предложит следующим.
Настройки конфиденциальности микрофона
Настройки конфиденциальности микрофона — это переключатели Windows, которые определяют, какие программы могут использовать ваш микрофон. Если приложение для диктовки ничего не слышит, это первое место, куда следует заглянуть: Настройки → Конфиденциальность и безопасность → Микрофон.
Микрофон по умолчанию
Микрофон по умолчанию — это тот, который Windows предоставляет программам, если они не выберут другой. Ноутбуки часто имеют несколько (встроенный, гарнитура, веб-камера). Выбор правильного — близко ко рту, подальше от вентиляторов — улучшает точность больше, чем любая другая настройка.
Условия покупки
Единовременная покупка (бессрочная лицензия)
Единовременная покупка означает, что вы платите один раз и владеете программным обеспечением — без ежемесячной или ежегодной платы за его использование. CaringDictate стоит $49 один раз, с включенными обновлениями. Альтернативная модель, подписки, продолжает взимать плату до тех пор, пока вы печатаете.
Подписка
Подписка — это ежемесячная или ежегодная плата за постоянный доступ к программному обеспечению: прекратите платить, и оно перестанет работать. Это разумно для сервисов с постоянными затратами на серверы; сложнее оправдать для инструмента, работающего полностью на вашем собственном компьютере. Сравните общие суммы за пять лет перед выбором.
Место (лицензия на устройство)
Место — это одна установленная копия программы; лицензия на 3 места покрывает три ваших компьютера. Лицензия CaringDictate за $49 включает 3 места — для настольного компьютера, ноутбука и еще одного устройства.
Бесплатная пробная версия
Бесплатная пробная версия — это полнофункциональный период ознакомления перед оплатой — пробная версия CaringDictate длится 7 дней без необходимости ввода карты. Пробная версия на вашем собственном компьютере, с вашим собственным микрофоном и вашим собственным голосом, превосходит любой обзор или таблицу точности.
Бесплатные обновления
Бесплатные обновления означают, что новые версии программы включены в цену, которую вы уже заплатили, без отдельной платы за обновление. Стоит проверить перед покупкой любой единоразовой программы: некоторые «бессрочные» лицензии замораживают вас на купленной версии и снова берут плату за обновления.
Ограничение по словам (лимит использования)
Ограничение по словам — это лимит на объем диктовки, часто встречающийся в бесплатных уровнях подписных сервисов диктовки. Инструменты, работающие на устройстве, не имеют причин ограничивать вас; нет счета за сервер. CaringDictate не имеет ограничений.
Ускорение GPU
Ускорение GPU означает использование графического чипа вашего компьютера для более быстрой работы голосовой модели, чем это мог бы сделать основной процессор. Вот почему игровой ноутбук транскрибирует заметно быстрее. Не требуется — CaringDictate также работает на обычных машинах с меньшими моделями.
Системные требования
Системные требования — это минимальные характеристики компьютера, необходимые программе для хорошей работы. Для CaringDictate: Windows 10 (64-разрядная, версия 1903) или Windows 11, 4 ГБ ОЗУ и несколько ГБ свободного места на диске.
Короткая версия
Диктовка, голосовой ввод и преобразование речи в текст — все это означает одно и то же: вы говорите, компьютер печатает. Выбор, который действительно важен при покупке, это где обрабатывается ваш голос (на вашем компьютере или на чьем-то сервере), как вы его запускаете и останавливаете (удобная кнопка для разговора или кодовое слово), и как вы платите (один раз или навсегда). Ответы CaringDictate: на вашем компьютере, любая кнопка, которая вам нравится — $49 один раз, с 7-дневным бесплатной пробной версией чтобы сначала проверить, подходит ли он вашему голосу.