あなたの中で自由に音声をテキストに変換 browser.

音声をアップロードせずにオンラインで音声入力する仕組み

ページが読み込まれると、Whisper と呼ばれる音声認識モデルがブラウザにダウンロードされます。これは、int8 に量子化された基本サイズで、約 80MB になります。進行状況バーにダウンロードが表示されます。あなたの音声がサーバーに送信されるのではなく、モデルがあなたに送信されます。

その後、ツールはプッシュツートークになります。マイクをタップすると、ブラウザがマイクの許可を求め、レベル メーターがあなたの声を聞いていることを示します。もう一度タップすると、同じタブで実行されているモデルに直接記録が開始されます。音声は 5 秒のオーバーラップを含む 30 秒のウィンドウで処理されるため、長い会話が文の途中で途切れることはありません。

ブラウザが WebGPU をサポートしている場合、モデルはグラフィック カード上で実行され、数倍高速になります。そうでない場合は、CPU 上の WebAssembly にフォールバックします。これは速度は遅くなりますが、それでも動作します。最初の実行後にブラウザーがモデル ファイルをキャッシュするため、その後のアクセスはすぐに開始されます。単語数と 1 分あたりのおおよその単語数がテキスト ボックスの上に表示されます。

アップロード、サインアップ、アカウントなしの音声入力

無料の音声入力サイトのほとんどは、2 つの形式のいずれかをとります。音声を録音し、文字起こしのためにサーバーに投稿する人もいます。他の人は、Chrome または Edge に組み込まれた音声認識を呼び出し、音声をブラウザ ベンダーのサービスに送信します。いずれにせよ、あなたの声はあなたのマシンから離れ、あなたはあなたが書いていないプライバシーポリシーを信頼していることになります。

このページは形状が異なります。アップロード、アカウント、転写サーバーはありません。モデル ファイルは静的ダウンロードであり、文字起こしは目の前のタブで実行されます。それは自分で確認できます。ページをロードし、モデルが到着するのを待ち、Wi-Fi をオフにしてディクテーションを続けます。認識はネットワークを使用していないため、動作し続けます。

その構造には実際的な効果もあります。何も計測されないため、分数の上限や 1 日の制限はなく、録画の途中でサインアップを求められる壁もありません。これは、当社があなたの記録を読み取ったり、保存したり、紛失したりすることができないことも意味します。タブを閉じるとテキストが消えてしまうので、残しておきたいものをコピーまたはダウンロードしてください。

音声入力ツールの使い方（ステップバイステップ）

モデルのダウンロードが完了するまで待ちます。マイク ボタンは準備が整うまで非アクティブのままです。準備が整うまでは文字起こしするものが何もないためです。通常の接続ではこれには数秒かかりますが、これは最初のアクセス時にのみ発生します。

マイクをタップします。初めて、ブラウザはマイクの使用許可を求めます。許可してください。話しているときにレベル メーターが動くのを見てください。これが、正しい入力デバイスが選択されていることを確認する最も簡単な方法です。メーターがフラットな場合は、システムのサウンド設定で入力を変更し、リロードしてください。

いつものペースで話してください。スピードを緩めたり、過度に発音したりする必要はありません。大声で叫ぶと、結果は良くなるどころか悪くなります。考えを終えたら、もう一度マイクをタップします。テキストが下のボックスに表示されます。

続けることができます。新しい録音はそれぞれ、既存の録音の最後に追加されるため、短時間で口述筆記することができます。ボックスは通常の編集可能なフィールドなので、必要に応じて修正し、コピーするか、.txt ファイルとしてダウンロードします。

精度はどの程度ですか?また、どの言語とアクセントを処理しますか?

このモデルは多言語に対応しており、言語を自動的に検出するため、メニューから何も選択せずに話し始めることができます。実際には、これはほとんどの主要な言語をカバーしており、トレーニング データが最も多い言語、特に英語が最も強力です。

モデルのサイズについては現実的に考えてください。これは Whisper ベースであり、80 MB のダウンロードは訪問者が実際に待つものであるため選ばれました。通常のつながりのある音声に優れており、さまざまなアクセントに耐えますが、入手可能なモデルの中で最大ではないため、10 倍のサイズのモデルよりも間違いが多くなります。固有名詞、製品名、専門用語、人名は、最もよく失われる箇所です。

静かな部屋と適切なマイクは、変更できる何よりも役立ちます。ラップトップのマイクはキーボードのノイズや部屋のエコーを拾い、どちらもテキストの音質を悪化させます。多くのことを要求する場合、安価なヘッドセットが利用できる最大のアップグレードになります。

無料の音声入力を何に使用するか

最も一般的な使用法は最初のドラフトです。ほとんどの人にとって、話すことは入力するよりも速いため、大まかな音声の下書きを編集して白紙のページに勝つ傾向があります。エッセイ、ブログ投稿、カバーレター、長い電子メール、日記エントリ、会議メモはすべてこの方法でうまく機能します。

これは簡単なアクセシビリティ ツールでもあります。タイピングが苦痛な場合、怪我をしている場合、または単にキーボードの動作が遅い場合は、ブラウザのタブへのディクテーションにはインストールも管理者権限も購入も必要ありません。これは、ロックダウンされた職場のラップトップや、ソフトウェアをインストールできない共有ライブラリ マシンでは重要です。

学生はこれをメモとして使用したり、長い引用をすばやく書き留めたりするために使用します。第二言語で文章を書く人は、文章を入力するよりも口で言うほうが簡単だと感じることがよくあります。また、スクラッチパッドとしても役立ちます。アイデアを思いついたときに書き留めておき、後で整理します。

手元にあるものが生の声ではなく、既存の録音である場合、それは別の仕事になります。代わりに、音声からテキストへのツールを使用してください。

インターネット接続なしのオフラインでの音声入力

モデルがブラウザのキャッシュに保存されると、このページは接続がなくても動作し続けます。そもそもトランスクリプションはネットワークを使用していないため、飛行機、電車、またはホテルの Wi-Fi が停止しても、トランスクリプションが停止されることはありません。ページ自体を読み込む必要があるため、信号が失われる前にページを開いてください。

2 つの理由により、ダウンロードに戻ります。ブラウザのストレージをクリアすると、キャッシュされたモデルが削除され、プライベート ウィンドウまたはシークレット ウィンドウは通常、空のキャッシュから開始されるため、ファイルが再度フェッチされます。ブラウザごとに個別のキャッシュも保持されるため、あるブラウザから別のブラウザに切り替えると、もう一度ダウンロードすることになります。

このツールがインターネットを必要とするのは、最初のダウンロードのときだけです。それ以外のすべて、録音、認識、テキストは、独自のハードウェア上で行われます。珍しいからこそはっきり言ってみる価値がある。ほとんどの無料のディクテーション サイトは、認識が別の場所で行われるため、オフラインになるとすぐに機能しなくなります。

ブラウザーの音声入力の制限とデスクトップ アプリが追加するもの

このツールは、1 つの Web ページ上の 1 つのボックスに入力します。それが正直な境界線です。エディター、電子メール クライアント、Slack、またはドキュメントにテキストを入力することはできないため、毎回結果を手作業でコピーすることになります。別の内容を指示したい場合、これは 2 つのステップの作業です。

また、マイクを再度タップすると録音が 1 回のパスで書き起こされるため、話しているときに 1 語ずつではなく、停止した後にテキストが届きます。そしてクリーンアップパスはありません。あなたが言ったことはすべて、うーん、間違った始まり、そして途中で放棄した文章を含めて、あなたが受け取るものです。

Yaps デスクトップ アプリは、これらの制限のない同じオンデバイスのアイデアです。ホットキーを 1 つ押して、すでに使用しているアプリに話しかけると、テキストがカーソルに表示されます。途中でつなぎ言葉や句読点をクリーンアップし、インストールするとオフラインでも動作します。 Android キーボードもあるので、ブラウザのタブよりも電話でのディクテーションにはるかに適しています。