Valg af mikrofon til AI-diktering i ChatGPT, Claude og Gemini

Det går hurtigere at diktere en prompt til ChatGPT, Claude eller Gemini end at skrive den. En undersøgelse fra 2016 foretaget af Stanford, University of Washington og Baidu viste, at taleindtastning var cirka tre gange hurtigere end et mobiltastatur og med færre fejl. Hvor præcist dine ord bliver gengivet, afhænger blandt andet af din mikrofon og hvor du placerer den.

Skriftlige instruktioner er ofte korte, fordi det tager tid at skrive alle detaljerne ned. Når man taler, er det nemmere at inddrage baggrunden, et eksempel og eventuelle begrænsninger, ligesom man ville gøre, når man forklarer en opgave til en kollega.

En kort, indtastet forespørgsel kræver ofte et par opfølgende beskeder, før svaret stemmer overens med det, du mente. En mundtlig forespørgsel, der indeholder den nødvendige kontekst fra starten, kan mindske behovet for disse opfølgende beskeder.

Moderne talegenkendelse klarer dagligdags tale godt, selv via en bærbar computers mikrofon i et stille rum. Der opstår oftere fejl ved baggrundsstøj som f.eks. en ventilator eller tastaturstøj, når du sidder langt fra skærmen, samt ved usædvanlige ord som produktnavne, personnavne og tekniske udtryk. En mikrofon tæt på munden opfanger din stemme højere end støj fra omgivelserne, hvilket mindsker disse fejl.

En billig mikrofon, der kan fastgøres tæt på munden, giver typisk en mere præcis transskription end en bærbar computers indbyggede mikrofon.

En mikrofon med klips holder den samme afstand til din mund, uanset hvordan du bevæger dig, hvilket er en stor fordel i rum med baggrundsstøj. Med Wave Go kan du sætte mikrofonsenderen fast på kraven og tilslutte USB-C-modtageren til din computer og derefter vælge den som mikrofon i dit dikteringsprogram.

Et dikteringsværktøj opfanger lyd fra din mikrofon, transskriberer den og indsætter teksten der, hvor din markør befinder sig. ChatGPT, Claude og Gemini har hver især indbygget dikteringsfunktion, men den fungerer kun inden for den pågældende app. Systemdækkende værktøjer fungerer i alle tekstfelter, herunder ChatGPT i en browser, Claude på skrivebordet, Cursor, Slack og e-mail.

Med specialværktøjer som Wispr Flow og Superwhisper kan du tilføje brugerdefinerede ord, hvilket er en hjælp i forbindelse med navne, fagudtryk og kodesyntaks. Wispr Flow fjerner desuden automatisk fyldord og formatering.

Wispr Flow og Windows’ stemmestyring sender lyd til en cloudtjeneste til transskription. macOS Dictation på Mac-computere med Apple Silicon, VoiceInk og Superwhispers lokale modeller behandler talen på din computer. Hvis du indtaler følsomme oplysninger, bør du tjekke, hvilken metode dit værktøj bruger.

De fleste af disse værktøjer understøtter en »push-to-talk«-funktion: Hold en tast nede, tal, og slip den. Den transskriberede tekst vises ved markøren et øjeblik senere. Du kan bruge en tastaturgenvej, en Stream Deck-genvejstast eller en fodpedal, så du har hænderne fri.

Hvis du bruger ChatGPT-desktopappen, tildeler funktionen »Dictate« i ChatGPT & Codex-pluginet dikteringsfunktionen til en Stream Deck -tast. Tryk én gang på tasten for at starte og endnu en gang for at sende, eller hold den nede, mens du taler, og slip den for at sende. Funktionen skriver kun ind i ChatGPT, så sørg for at kombinere den med et systemdækkende værktøj til andre apps. Hent den gratis på Elgato Marketplace.

1. Sæt mikrofonen eller dens USB-C-modtager i din computer.
2. Vælg den som din indgang under »Systemindstillinger > Lyd > Indgang« på Mac eller »Indstillinger > System > Lyd > Indgang« på Windows.
3. Vælg den samme mikrofon i mikrofonindstillingerne i dit dikteringsprogram.
4. Opret en genvej til »tryk-og-tal« i dit dikteringsværktøj.
5. Fastgør mikrofonen med en klemme, eller placér den ca. en håndsbredde under hagen. De fleste mikrofoner med klemme er rundopfangende, så afstanden til munden er vigtigere end retningen.

Start med et gratis dikteringsværktøj og en tastaturgenvej, og tilføj derefter Stream Deck Pedal, når du vil have en »tryk-for-at-tale«-funktion under foden.