Utolsó frissítés:
Ahelyett, hogy minden parancsot begépelnének a ChatGPT-be, a Claude-ba vagy a Gemini-be, egyre többen hangosan mondják ki azokat. Ami a fejlesztői körökben olyan eszközökkel indult, mint a Wispr Flow, mára átterjedt a mindennapi munkamenetekre is, és a lábfékpedálok váltak a kézmentes hangos diktálás leggyakrabban használt kiváltó eszközévé.
A beszéd nagyjából háromszor gyorsabb, mint a gépelés. Ez a különbség a mesterséges intelligencia esetében fontos, mivel a hosszabb, részletesebb utasítások általában már az első próbálkozásnál jobb válaszokat eredményeznek, és kevesebb további kérdés-válasz körre van szükség.
Nézze meg azt a stanfordi kísérletet, amelyben megmérték a különbséget:
A sebesség mellett a diktálás csökkenti a terhelést azok számára, akik egész nap gépelnek. Az RSI-ben szenvedők, a mozgáskorlátozottak vagy a krónikus fájdalommal küzdők számára a kézmentes adatbevitel olyan módon teszi hozzáférhetővé a mesterséges intelligencia eszközeit, ahogyan a billentyűzetek nem képesek.
Ez rendszer szintjén működik: AI-csevegőablakokban, e-mailekben, kódszerkesztőkben és a Slackben egyaránt. Éppen ez teszi rugalmasabbá, mint bármely egyes AI-platform beépített hangfunkciói.
A pedál csupán a kioldó. A munkát ezek az eszközök végzik:
A Wispr Flow felhőalapú átírást használ, mesterséges intelligenciával történő tisztítással. A beszédhez tartsa lenyomva az Fn gombot (Mac) vagy a Ctrl+Win billentyűkombinációt (Windows). Ingyenes csomag is elérhető, a fizetős csomagok ára havi 12–15 dollár körül mozog.
A Superwhisper helyileg fut a Mac-en, így a hanganyag a számítógépeden marad. A beszédhez tartsd lenyomva az Option+Space billentyűkombinációt. Egyszeri vásárlás ára körülbelül 250 dollár.
A VoiceInk egy nyílt forráskódú, helyi megoldás, amely körülbelül 40 dollárba kerül, és többféle méretű Whisper-modellel rendelkezik.
Az operációs rendszer diktálási funkciója ingyenes a macOS-on (a Globe/Fn gomb kétszeri megnyomásával) és a Windowson (Win+H), de a „tartva beszélés” helyett kapcsolóval aktiválható, és a szakmai szókincs esetében csökken a pontossága.
Az iKKEGOL vagy a PCsensor által gyártott általános USB-pedálok (19–30 USD) egyetlen billentyűleütést kezelnek. Funkcionálisak és egyszerűek, de csak egy műveletre korlátozódnak, és nincs hozzájuk szoftver a profilok kezeléséhez vagy a funkciók bővítéséhez.
A Wispr Pedal (199 USD) egy vezeték nélküli, egypedálos eszköz, amelyet a Wispr Flow-hoz előre beállítva szállítanak, és egy évre szóló Flow Pro-előfizetéssel együtt kapható. Ugyanakkor programozható HID-eszköz is, így bármilyen billentyűparancsra átprogramozhatod más alkalmazásokkal való használat céljából. Ennek hátránya, hogy ez egy egypedálos eszköz, amelyhez nincs kísérő szoftver a profilok kezeléséhez vagy az adott billentyűleütésen túlmutató műveletek végrehajtásához.
Stream Deck Pedal (89,99 USD) egy hárompedálos USB-vezérlő, nehézfém alaplappal és cserélhető rugókkal a pedálfeszesség beállításához. Az egyik pedál a „nyomd meg és beszélj” funkciót látja el. A másik kettővel elnémíthatod a mikrofont, makrókat indíthatsz, átkapcsolhatod az audiót, vagy bármilyen más funkciót hozzárendelhetsz hozzájuk. A Smart Profiles funkció mindhármat automatikusan frissíti, amikor alkalmazást váltasz. Az Elgato Marketplace-hez való hozzáféréssel pedig a funkciók messze túlmutatnak a gyorsbillentyűkön.
A legfőbb különbség a rugalmasságban rejlik. Három pedál egy helyett, alkalmazásonként változó profilok, valamint egy olyan bővítmény-ökoszisztéma, amely túlmutat a diktáláson.
A fenti diktálóeszközök mindegyike billentyűparancsokkal is használható. Tartsd lenyomva egy gombot, mondd el, amit akarsz, majd engedd el. A ChatGPT és a Gemini szövegmezőiben is található mikrofon gomb, bár egyiknél sincs hozzájuk rendelt billentyűparancs. A webes Claude-nak egyáltalán nincs beépített diktálási funkciója, ezért ott egy rendszer szintű eszköz használata a megoldás.
Akárhogy is legyen, a gyorsbillentyűvel való kezdés a leggyorsabb módja annak, hogy kiderüljön, illeszkedik-e a hangos útmutatás a munkamódszeredhez.
A leírás pontossága a nevektől, a szakzsargontól és a kódszintaxistól függ. A „push-to-talk” funkció segít a háttérzajok kezelésében, de egy jó minőségű, a szájhoz közel elhelyezett mikrofon sokkal fontosabb, mint bármely szoftverbeállítás. Ha pedig az adatvédelem miatt aggódsz, válassz inkább egy helyi alkalmazást, például a Superwhisper-t vagy a VoiceInk-et, a felhőalapú megoldások helyett.
Telepítsd a Wispr Flow ingyenes verzióját, vagy használd az operációs rendszer diktálási funkcióját, rendelj hozzá egy gyorsbillentyűt, és a következő parancsot mondd ki hangosan, ahelyett, hogy begépelnéd. Ha rendszeresen diktálsz, a Stream Deck Pedal kezeli a „nyomd meg és beszélj” funkciót, miközben két további pedált biztosít a többi feladat elvégzéséhez. A Stream Deck gyorsbillentyűk beállításáról szóló útmutatónk végigvezet a konfiguráción.
A CIKKBEN SZEREPLŐ TERMÉKEK
Stay up to date with Elgato. Get our latest News, Guides, and Product Updates in your Google feeds.
Add Elgato as a preferred sourceThanks for helping us improve this article.