Wybór mikrofonu do dyktowania z wykorzystaniem sztucznej inteligencji w ChatGPT, Claude i Gemini

Dyktowanie polecenia do ChatGPT, Claude’a lub Gemini jest szybsze niż wpisywanie go na klawiaturze. Badanie przeprowadzone w 2016 roku przez Uniwersytet Stanforda, Uniwersytet Waszyngtoński i firmę Baidu wykazało, że wprowadzanie danych za pomocą głosu jest około trzy razy szybsze niż korzystanie z klawiatury telefonu, a przy tym wiąże się z mniejszą liczbą błędów. To, jak dokładnie zostaną rozpoznane Twoje słowa, zależy częściowo od mikrofonu i miejsca, w którym go umieścisz.

Wskazówki wpisywane na klawiaturze są często krótkie, ponieważ wpisywanie każdego szczegółu zajmuje dużo czasu. Kiedy mówisz, łatwiej jest uwzględnić kontekst, podać przykład i ewentualne ograniczenia – tak samo, jak robiłbyś to, wyjaśniając zadanie współpracownikowi.

Krótka, wpisana na klawiaturze prośba często wymaga kilku dodatkowych wiadomości, zanim odpowiedź będzie zgodna z tym, co miałeś na myśli. Prośba wypowiedziana ustnie, zawierająca ten kontekst już na samym początku, może ograniczyć liczbę takich dodatkowych wiadomości.

Nowoczesne systemy rozpoznawania mowy dobrze radzą sobie z codzienną mową, nawet przy użyciu mikrofonu w laptopie w cichym pomieszczeniu. Błędy zdarzają się częściej w przypadku hałasów w tle, takich jak szum wentylatora lub stukanie klawiatury, gdy siedzisz w pewnej odległości od ekranu, a także w przypadku nietypowych słów, takich jak nazwy produktów, imiona i nazwiska oraz terminy programistyczne. Mikrofon umieszczony blisko ust wychwytuje głos głośniej niż otaczające go hałasy, co ogranicza liczbę tych błędów.

Niedrogi mikrofon przypinany, umieszczony blisko ust, zazwyczaj zapewnia większą dokładność transkrypcji niż wbudowany zestaw mikrofonów w laptopie.

Mikrofon z klipsem utrzymuje stałą odległość od ust niezależnie od ruchów użytkownika, co jest szczególnie przydatne w pomieszczeniach, w których występują szumy tła. W przypadku Wave Go nadajnik mikrofonu można przypiąć do kołnierzyka, a odbiornik USB-C podłączyć do komputera, a następnie wybrać go jako mikrofon w programie do dyktowania.

Narzędzie do dyktowania pobiera dźwięk z mikrofonu, transkrybuje go i wpisuje tekst w miejscu, w którym znajduje się kursor. ChatGPT, Claude i Gemini mają wbudowaną funkcję dyktowania, ale działa ona wyłącznie w obrębie danej aplikacji. Narzędzia działające w całym systemie funkcjonują w dowolnym polu tekstowym, w tym w ChatGPT w przeglądarce, Claude na komputerze stacjonarnym, Cursor, Slacku i poczcie elektronicznej.

Specjalistyczne narzędzia, takie jak Wispr Flow i Superwhisper, umożliwiają dodawanie własnego słownictwa, co ułatwia obsługę nazw, terminów technicznych i składni kodu. Wispr Flow automatycznie usuwa również słowa wypełniające i poprawia formatowanie.

Aplikacje Wispr Flow i funkcja pisania głosowego w systemie Windows przesyłają dane audio do usługi w chmurze w celu transkrypcji. Funkcja dyktowania w systemie macOS na komputerach Mac z procesorami Apple Silicon, aplikacja VoiceInk oraz lokalne modele Superwhisper przetwarzają mowę bezpośrednio na komputerze. Jeśli podajesz poufne informacje, sprawdź, z której z tych opcji korzysta Twoje narzędzie.

Większość tych narzędzi obsługuje funkcję „push-to-talk”: wystarczy przytrzymać klawisz, mówić, a następnie zwolnić. Transkrypcja tekstu pojawia się chwilę później w miejscu kursora. Można skorzystać ze skrótu klawiaturowego, klawisza skrótowego w Stream Deck lub pedału nożnego, który pozwala zachować wolne ręce.

Jeśli korzystasz z aplikacji ChatGPT na komputer, funkcja „Dictate” w wtyczce ChatGPT & Codex pozwala przypisać dyktowanie do klawisza w Stream Deck. Naciśnij klawisz raz, aby rozpocząć, i ponownie, aby wysłać, lub przytrzymaj go podczas mówienia, a następnie zwolnij, aby wysłać. Funkcja ta działa wyłącznie w ChatGPT, więc w przypadku innych aplikacji warto połączyć ją z narzędziem działającym w całym systemie. Pobierz ją za darmo na Elgato Marketplace.

1. Podłącz mikrofon lub jego odbiornik USB-C do komputera.
2. Wybierz to jako źródło dźwięku w sekcji „Ustawienia systemowe > Dźwięk > Źródło” na komputerze Mac lub w sekcji „Ustawienia > System > Dźwięk > Źródło” w systemie Windows.
3. Wybierz ten sam mikrofon w ustawieniach mikrofonu swojego narzędzia do dyktowania.
4. Skonfiguruj skrót „push-to-talk” w narzędziu do dyktowania.
5. Przymocuj mikrofon za pomocą klipsa lub umieść go mniej więcej na szerokość dłoni poniżej brody. Większość mikrofonów z klipsem ma charakterystykę dookólną, więc większe znaczenie ma odległość od ust niż kierunek.

Zacznij od darmowego narzędzia do dyktowania i skrótu klawiaturowego, a następnie dodaj Stream Deck Pedal, jeśli chcesz mieć przycisk „push-to-talk” pod stopą.