ทุกคำศัพท์เกี่ยวกับการพิมพ์ด้วยเสียง อธิบายเป็นภาษาอังกฤษที่เข้าใจง่าย

คุณไม่ควรต้องใช้ล่ามเพื่อซื้อเครื่องมือที่มีหน้าที่ทั้งหมดคือการเปลี่ยนคำพูดของคุณให้เป็นข้อความ หน้านี้จะอธิบายทุกคำศัพท์ที่คุณจะพบเมื่อเปรียบเทียบซอฟต์แวร์ป้อนตามคำบอก — รวมถึงคำศัพท์ในหน้าจอการตั้งค่าของเราเอง แต่ละคำจำกัดความคือหนึ่งประโยค รายละเอียดหลังจากนั้นเป็นข้อมูลเสริมที่สามารถอ่านหรือไม่ก็ได้

พื้นฐาน

การป้อนตามคำบอก

การป้อนตามคำบอกคือการพูดออกเสียงในขณะที่ซอฟต์แวร์เปลี่ยนคำพูดของคุณให้เป็นข้อความ ผู้คนยังเรียกมันว่าการพิมพ์ด้วยเสียง หรือการแปลงเสียงเป็นข้อความ ทั้งสามชื่อมีความหมายเดียวกัน: คุณพูด คอมพิวเตอร์พิมพ์

การพิมพ์ด้วยเสียง

การพิมพ์ด้วยเสียงเป็นอีกชื่อหนึ่งของการป้อนตามคำบอก — พูดแทนการพิมพ์ โดยคำพูดจะปรากฏตรงที่เคอร์เซอร์ข้อความของคุณอยู่ Windows เรียกเครื่องมือในตัวของมันว่า "voice typing" (ฟีเจอร์ Win+H) CaringDictate ทำงานแบบเดียวกันในโปรแกรมส่วนใหญ่ โดยไม่มีการหมดเวลาแบบเครื่องมือในตัว

การแปลงเสียงเป็นข้อความ

การแปลงเสียงเป็นข้อความเป็นเทคโนโลยีที่แปลงเสียงพูดให้เป็นคำที่เขียน คุณจะเห็นคำย่อว่า STT ในบทความทางเทคนิค เมื่อผลิตภัณฑ์ระบุว่า "ขับเคลื่อนโดยการแปลงเสียงเป็นข้อความ" หมายถึงการป้อนตามคำบอก

การรู้จำเสียงพูด

การรู้จำเสียงพูดเป็นสาขาที่กว้างขึ้นของการที่คอมพิวเตอร์เข้าใจคำพูดของมนุษย์ — ทั้งสิ่งที่คุณพูด (การป้อนตามคำบอก) และสิ่งที่คุณตั้งใจจะสื่อ (คำสั่ง) แอปป้อนตามคำบอกใช้การรู้จำเสียงพูดเพื่อเขียนคำพูดของคุณลงไป ผู้ช่วยเสียงใช้เพื่อดำเนินการตามคำสั่งเหล่านั้น

การถอดความ

การถอดความคือการเปลี่ยนการบันทึกเสียงพูด — เช่น การประชุม การสัมภาษณ์ ข้อความเสียง — ให้เป็นเอกสารที่เป็นลายลักษณ์อักษรหลังจากเหตุการณ์นั้นๆ การป้อนตามคำบอกเป็นการทำงานแบบสด (คุณเห็นคำปรากฏขึ้นขณะที่คุณพูด) ส่วนการถอดความมักจะเกิดขึ้นในภายหลังจากไฟล์ เครื่องมืออย่าง Otter.ai เป็นเครื่องมือถอดความ ไม่ใช่เครื่องมือป้อนตามคำบอก

การรู้จำทำงานอย่างไร

โมเดลเสียง (โมเดลการรู้จำ)

โมเดลเสียงคือสมองที่ผ่านการฝึกของโปรแกรมพิมพ์ด้วยเสียง — ไฟล์ที่เข้าใจเสียงพูดจริง ๆ โมเดลที่ใหญ่กว่ามักแม่นยำกว่าแต่ต้องการคอมพิวเตอร์ที่ทรงพลังกว่า CaringDictate เลือกขนาดโมเดลที่เข้ากับเครื่องของคุณ ตั้งแต่ประมาณ 190 MB ถึงประมาณ 3.1 GB

Whisper

Whisper เป็นชุดโมเดลเสียงแบบโอเพนซอร์สที่ OpenAI เปิดตัวในปี 2022 ซึ่งเป็นที่รู้จักในด้านความแม่นยำใกล้เคียงมนุษย์ในหลายภาษา เป็นกลไกเบื้องหลังผลิตภัณฑ์การเขียนตามคำบอกและการถอดเสียงสมัยใหม่หลายอย่าง รวมถึง CaringDictate เนื่องจากเป็นโอเพนซอร์ส จึงสามารถทำงานบนคอมพิวเตอร์ของคุณได้อย่างสมบูรณ์

การรู้จำบนอุปกรณ์ (ออฟไลน์)

การรู้จำบนอุปกรณ์หมายถึงการประมวลผลคำพูดของคุณบนคอมพิวเตอร์ของคุณเอง — เสียงจะไม่ถูกส่งไปยังเซิร์ฟเวอร์ของบริษัท สิ่งนี้ทำงานได้โดยไม่ต้องใช้อินเทอร์เน็ต เก็บความคิดส่วนตัวไว้เป็นส่วนตัว และไม่เคยหยุดทำงานเนื่องจากบริการล่ม นี่คือวิธีการทำงานของ CaringDictate

การรู้จำบนคลาวด์

การรู้จำเสียงแบบคลาวด์หมายความว่าเสียงของท่านจะถูกส่งผ่านอินเทอร์เน็ตไปยังเซิร์ฟเวอร์ของบริษัท แปลงเป็นข้อความที่นั่น แล้วส่งกลับมา การรู้จำเสียงเกิดขึ้นบนเซิร์ฟเวอร์ ไม่ใช่บนเครื่องของท่าน ตำแหน่งที่เครื่องมือแต่ละตัวประมวลผลการรู้จำเสียงนั้นระบุไว้ในเอกสารของตัวเอง และบางผลิตภัณฑ์ก็มีทั้งสองแบบ — ควรตรวจสอบให้แน่ใจแทนที่จะสันนิษฐานเอง

ความแม่นยำ (อัตราข้อผิดพลาดของคำ)

ความแม่นยำคือเปอร์เซ็นต์ของคำที่โปรแกรมพิมพ์ด้วยเสียงถอดได้ถูกต้อง ส่วนอัตราความผิดพลาดของคำ (WER) เป็นแนวคิดเดียวกันแต่วัดกลับด้าน — เปอร์เซ็นต์ของคำที่ผิด การพิมพ์ด้วยเสียงที่ใช้ Whisper สมัยใหม่มีความแม่นยำสูงกับเสียงพูดภาษาอังกฤษที่ชัดเจน ผลลัพธ์แปรผันตามคุณภาพไมโครโฟน เสียงรบกวนรอบข้าง และความชัดเจนในการพูดของคุณ

ความหน่วง

ความหน่วงคือความล่าช้าระหว่างการพูดประโยคเสร็จสิ้นกับการเห็นข้อความปรากฏขึ้น หากน้อยกว่าประมาณหนึ่งในสามของวินาทีจะรู้สึกเหมือนทันที; หากนานกว่านั้นจะรู้สึกหน่วง การรู้จำบนอุปกรณ์ช่วยหลีกเลี่ยงการเดินทางไปกลับเซิร์ฟเวอร์ ซึ่งเป็นประโยชน์

การตรวจจับภาษาอัตโนมัติ

การตรวจจับภาษาอัตโนมัติหมายถึงซอฟต์แวร์จะระบุได้ว่าคุณกำลังพูดภาษาใดโดยไม่ต้องบอก มีประโยชน์หากคุณสลับภาษาระหว่างวัน การตั้งค่า "อัตโนมัติ" ของ CaringDictate ทำสิ่งนี้ได้ใน 20 ภาษาที่รองรับ

การใช้แอปเขียนตามคำบอกในชีวิตประจำวัน

ปุ่มพูด (ปุ่มลัด)

ปุ่มพูดคือปุ่มเดียวบนแป้นพิมพ์หรือเมาส์ที่เริ่มและหยุดการเขียนตามคำบอก ใน CaringDictate ค่าเริ่มต้นคือปุ่ม Right Ctrl และคุณสามารถเปลี่ยนเป็นปุ่มใดก็ได้บนแป้นพิมพ์หรือเมาส์ที่สะดวกสบายสำหรับมือของคุณ

กดเพื่อพูด (กดค้างไว้เพื่อพูด)

กดเพื่อพูดหมายถึงการกดปุ่มพูดค้างไว้ขณะที่คุณพูดและปล่อยเมื่อคุณพูดเสร็จ — เหมือนวิทยุสื่อสาร เหมาะสำหรับการพูดสั้นๆ: ช่องค้นหา การตอบกลับด่วน ทางเลือกอื่นคือแตะเพื่อสลับ ซึ่งดีกว่าสำหรับการเขียนที่ยาวขึ้น

สลับ (แตะเพื่อพูด)

โหมดสลับหมายถึงการแตะปุ่มพูดหนึ่งครั้งเพื่อเริ่มฟังและแตะอีกครั้งเพื่อหยุด มือของคุณจะว่างอย่างสมบูรณ์ในระหว่างนั้น — มีประโยชน์เมื่อการกดปุ่มค้างไว้ไม่สะดวก หรือเมื่อคุณเขียนตามคำบอกข้อความยาวๆ

คำปลุก (การเปิดใช้งานด้วยเสียง)

คำปลุกคือวลีที่คุณพูดออกมาดังๆ — เช่น "เริ่มเขียนตามคำบอก" — ที่เริ่มการเขียนตามคำบอกโดยไม่ต้องสัมผัสแป้นพิมพ์หรือเมาส์เลย สิ่งนี้สำคัญที่สุดเมื่อการเอื้อมถึงแป้นพิมพ์เป็นเรื่องยาก CaringDictate ได้เพิ่มการเปิดใช้งานด้วยเสียงที่ผู้ใช้กำหนดได้ในเวอร์ชัน 3.5

ตัวบ่งชี้การฟัง

ตัวบ่งชี้การฟังคือสัญญาณเล็กๆ บนหน้าจอที่แสดงว่าไมโครโฟนทำงานอยู่และคำพูดของคุณกำลังถูกได้ยิน ตัวบ่งชี้ที่น่าเชื่อถือมีความสำคัญ: คุณไม่ควรต้องสงสัยว่าคอมพิวเตอร์กำลังฟังอยู่หรือไม่

คำสั่งเสียง

คำสั่งเสียงคือคำสั่งที่พูดออกมา — เช่น "ขึ้นบรรทัดใหม่" หรือ "ลบอันนั้น" — ที่ควบคุมการจัดรูปแบบแทนการเขียนคำ แอปเขียนตามคำบอกมีความแตกต่างกันมากในส่วนนี้ คำสั่งง่ายๆ ครอบคลุมการเขียนในชีวิตประจำวันส่วนใหญ่; การควบคุมคอมพิวเตอร์แบบแฮนด์ฟรีอย่างหนักเป็นหมวดหมู่แยกต่างหาก (ดู Voice Access)

คำสั่งเครื่องหมายวรรคตอน

คำสั่งเครื่องหมายวรรคตอนคือการพูดว่า "จุด," "จุลภาค," หรือ "เครื่องหมายคำถาม" ออกมาดังๆ เพื่อแทรกเครื่องหมายวรรคตอน เอ็นจิ้นสมัยใหม่เช่น Whisper ยังใส่เครื่องหมายวรรคตอนโดยอัตโนมัติจากวลีและการหยุดของคุณ ดังนั้นคุณจึงมักจะสามารถพูดได้อย่างเป็นธรรมชาติ

พจนานุกรมส่วนตัว (รายการคำ)

พจนานุกรมส่วนตัวคือรายการชื่อและคำพิเศษส่วนตัวของคุณที่ตัวรู้จำควรเชื่อถือ — ชื่อครอบครัว ชื่อยา ศัพท์เฉพาะทางอุตสาหกรรม การเพิ่ม "Zofran" หรือ "Oaxaca" เพียงครั้งเดียวดีกว่าการแก้ไขตลอดไป CaringDictate มีพจนานุกรมส่วนตัวภายใต้ Writing & words

การแทรกข้อความ

การแทรกข้อความคือวิธีการที่คำที่เขียนตามคำบอกปรากฏในเอกสารของคุณ — แอปจะพิมพ์ทีละตัวอักษรหรือวางเป็นชิ้นเดียว การวางวลีทั้งหมดเร็วกว่าและน่าเชื่อถือกว่ามากในโปรแกรมต่างๆ ซึ่งเป็นเหตุผลว่าทำไม CaringDictate จึงส่งข้อความด้วยวิธีนั้น

คำศัพท์เฉพาะของ Windows

Win+H (การพิมพ์ด้วยเสียงของ Windows)

Win+H คือปุ่มลัดที่เปิดแถบพิมพ์ด้วยเสียงในตัวของ Windows บน Windows 10 และ 11 ใช้งานฟรี มีอยู่แล้วใน Windows และเป็นตัวเลือกแรกที่เหมาะสมสำหรับการพิมพ์ด้วยเสียงในชีวิตประจำวัน Windows 11 ยังมี Voice Access ซึ่งเพิ่มการควบคุมคอมพิวเตอร์ด้วยเสียงแบบเต็มรูปแบบ พร้อมทั้งคำศัพท์เฉพาะทางและการแก้ไขข้อความ

Windows Voice Access

Voice Access คือคุณสมบัติการควบคุมคอมพิวเตอร์แบบแฮนด์ฟรีของ Windows 11 ซึ่งรวมถึงการคลิก การเลื่อน และการสลับหน้าต่างด้วยเสียง พร้อมกับการป้อนตามคำบอก สร้างขึ้นเพื่อการควบคุมคอมพิวเตอร์ทั้งหมดด้วยเสียง หากสิ่งที่คุณต้องการเป็นหลักคือการเขียนที่สะดวกสบาย เครื่องมือป้อนตามคำบอกโดยเฉพาะมักจะเหมาะสมกว่า

Windows Speech Recognition (WSR)

Windows Speech Recognition เป็นเครื่องมือป้อนตามคำบอกในตัวรุ่นเก่าที่ Microsoft ได้เลิกใช้แล้วเพื่อสนับสนุน Voice Access หากคุณเคยพึ่งพา WSR บนพีซีเครื่องเก่า การเลิกใช้มักจะเป็นช่วงเวลาที่คุณควรเลือกเครื่องมือทดแทนอย่างตั้งใจ แทนที่จะรับเครื่องมือใดๆ ที่ Windows เสนอให้ต่อไป

การตั้งค่าความเป็นส่วนตัวของไมโครโฟน

การตั้งค่าความเป็นส่วนตัวของไมโครโฟนคือสวิตช์ของ Windows ที่กำหนดว่าโปรแกรมใดบ้างที่สามารถใช้ไมโครโฟนของคุณได้ หากแอปป้อนตามคำบอกไม่ได้ยินเสียงใดๆ นี่คือที่แรกที่ควรตรวจสอบ: การตั้งค่า → ความเป็นส่วนตัวและความปลอดภัย → ไมโครโฟน

ไมโครโฟนเริ่มต้น

ไมโครโฟนเริ่มต้นคือไมโครโฟนที่ Windows มอบให้โปรแกรมต่างๆ เว้นแต่โปรแกรมจะเลือกแตกต่างกันไป แล็ปท็อปมักจะมีหลายตัว (ในตัว, ชุดหูฟัง, เว็บแคม) การเลือกไมโครโฟนที่เหมาะสม — ใกล้ปากของคุณ ห่างจากพัดลม — ช่วยเพิ่มความแม่นยำได้มากกว่าการตั้งค่าใดๆ

เงื่อนไขการซื้อ

การซื้อครั้งเดียว (ใบอนุญาตถาวร)

การซื้อครั้งเดียวหมายถึงการจ่ายเงินเพียงครั้งเดียวและเป็นเจ้าของซอฟต์แวร์ — ไม่มีค่าธรรมเนียมรายเดือนหรือรายปีเพื่อใช้งานต่อไป CaringDictate ราคา $49 ครั้งเดียว พร้อมการอัปเดต การสมัครสมาชิกซึ่งเป็นอีกทางเลือกหนึ่ง จะเรียกเก็บเงินตราบเท่าที่คุณยังคงพิมพ์

การสมัครสมาชิก

การสมัครสมาชิกคือการจ่ายเงินรายเดือนหรือรายปีเพื่อเข้าถึงซอฟต์แวร์อย่างต่อเนื่อง — หากหยุดจ่าย ซอฟต์แวร์ก็จะหยุดทำงาน เหมาะสมสำหรับบริการที่มีค่าใช้จ่ายเซิร์ฟเวอร์ต่อเนื่อง แต่ยากที่จะหาเหตุผลสำหรับเครื่องมือที่ทำงานบนคอมพิวเตอร์ของคุณเองทั้งหมด เปรียบเทียบยอดรวมห้าปีก่อนตัดสินใจ

สิทธิ์การใช้งาน (ใบอนุญาตอุปกรณ์)

สิทธิ์การใช้งานหนึ่งสิทธิ์คือสำเนาโปรแกรมที่ติดตั้งหนึ่งชุด; ใบอนุญาต 3 สิทธิ์ครอบคลุมคอมพิวเตอร์ของคุณสามเครื่อง ใบอนุญาต CaringDictate ราคา $49 รวมถึง 3 สิทธิ์ — เดสก์ท็อป แล็ปท็อป และอีกหนึ่งเครื่อง

ทดลองใช้ฟรี

การทดลองใช้ฟรีคือช่วงเวลาทดลองใช้คุณสมบัติเต็มรูปแบบก่อนชำระเงิน — CaringDictate ให้ทดลองใช้ 7 วันโดยไม่ต้องใช้บัตรเครดิต การทดลองใช้บนคอมพิวเตอร์ของคุณเอง ด้วยไมโครโฟนของคุณเอง และเสียงของคุณเอง ดีกว่ารีวิวหรือตารางความแม่นยำใดๆ

อัปเดตฟรี

อัปเดตฟรีหมายความว่าซอฟต์แวร์เวอร์ชันใหม่รวมอยู่ในราคาที่คุณจ่ายไปแล้ว โดยไม่มีค่าธรรมเนียมการอัปเกรดแยกต่างหาก คุ้มค่าที่จะตรวจสอบก่อนซื้อซอฟต์แวร์แบบครั้งเดียวใด ๆ: ใบอนุญาต "ถาวร" บางอย่างจะแช่แข็งคุณไว้ที่เวอร์ชันที่คุณซื้อและเรียกเก็บเงินอีกครั้งสำหรับการอัปเกรด

จำกัดจำนวนคำ (ขีดจำกัดการใช้งาน)

การจำกัดจำนวนคำคือขีดจำกัดว่าคุณสามารถป้อนตามคำบอกได้มากน้อยเพียงใด — พบได้ทั่วไปในระดับฟรีของบริการป้อนตามคำบอกแบบสมัครสมาชิก เครื่องมือที่ทำงานบนอุปกรณ์ไม่มีเหตุผลที่จะจำกัดการใช้งานของคุณ; ไม่มีค่าใช้จ่ายเซิร์ฟเวอร์ CaringDictate ไม่มีขีดจำกัด

การเร่งความเร็ว GPU

การเร่งความเร็ว GPU หมายถึงการใช้ชิปกราฟิกของคอมพิวเตอร์ของคุณเพื่อเรียกใช้โมเดลเสียงได้เร็วกว่าที่โปรเซสเซอร์หลักจะทำได้ นี่คือเหตุผลที่แล็ปท็อปสำหรับเล่นเกมถอดเสียงได้เร็วกว่าอย่างเห็นได้ชัด ไม่จำเป็น — CaringDictate ยังทำงานบนเครื่องธรรมดาที่มีโมเดลขนาดเล็กกว่าได้

ความต้องการของระบบ

ความต้องการของระบบคือสเปกคอมพิวเตอร์ขั้นต่ำที่โปรแกรมต้องใช้เพื่อทำงานได้ดี สำหรับ CaringDictate: Windows 10 (64-bit, เวอร์ชัน 1903) หรือ Windows 11, RAM 4 GB และพื้นที่ว่างในดิสก์อีกไม่กี่ GB

ฉบับย่อ

การป้อนตามคำบอก การพิมพ์ด้วยเสียง และการแปลงเสียงเป็นข้อความ ล้วนหมายถึงสิ่งเดียวกัน: คุณ พูด คอมพิวเตอร์พิมพ์ ตัวเลือกที่สำคัญจริงๆ เมื่อซื้อคือ ตำแหน่งที่เสียงของคุณถูกประมวลผล (บน คอมพิวเตอร์ของคุณหรือบนเซิร์ฟเวอร์ของผู้อื่น) วิธีที่คุณเริ่มและหยุด (ปุ่มพูดที่สะดวกสบาย หรือคำสั่งปลุก) และ วิธีที่คุณชำระเงิน (ครั้งเดียว หรือตลอดไป) คำตอบของ CaringDictate คือ: บนคอมพิวเตอร์ของคุณ ปุ่มใดก็ได้ที่คุณชอบ — $49 ครั้งเดียว, พร้อม ระยะเวลา 7 วัน ฟรี เพื่อให้แน่ใจว่าเหมาะกับเสียงของคุณ ก่อน