Как набрать текст голосом онлайн на русском: диктовка с ИИ

Коротко. Набрать текст голосом на русском можно почти везде: в клавиатуре телефона, в Windows и macOS, в браузере. Говорить вслух в три-четыре раза быстрее, чем печатать, но у диктовки есть слабое место — на выходе получается сырой текст: повторы, «ну», «короче», оборванные мысли. Поэтому лучший результат даёт связка из двух шагов: сначала голосовой ввод превращает речь в текст, потом нейросеть доводит его до письма, поста или служебной записки. Ниже — какие способы голосового набора работают в России, как диктовать без ошибок и какие запросы давать нейросети после диктовки.

Как работает голосовой ввод текста

Любой голосовой набор — это распознавание речи: запись с микрофона отправляется модели, она возвращает текст. Различаются два подхода. Старые движки распознают слово за словом и не понимают смысла фразы — отсюда «запятая» вслух и смешные ошибки в похожих словах. Современные нейросетевые модели слушают фразу целиком: сами ставят знаки препинания, лучше справляются с терминами и не путают «компания» и «кампания» по контексту.

Второе важное различие — где идёт распознавание. Одни сервисы работают прямо на устройстве, другие отправляют звук на сервер. Серверные обычно точнее, но зависят от доступности: например, голосовой ввод в браузере Chrome отправляет звук на серверы Google, а из России они отвечают не всегда.

Где набрать текст голосом: сравнение способов

Поддержка русского во встроенных средствах Windows и macOS зависит от версии системы и установленных языковых пакетов — если микрофон в нужном языке не появился, проверьте раздел «Язык и регион».

Голосовой набор в чате с нейросетью

В Умке рядом с полем ввода есть кнопка микрофона «Продиктовать». Она работает в любом современном браузере — в том числе в Firefox, который сам распознавать речь не умеет, — и не зависит от серверов Google: звук распознаёт нейросеть на нашей стороне. Как это выглядит:

1. Нажмите микрофон и разрешите браузеру доступ к нему.
2. Говорите обычным темпом. Одна запись — до двух минут, потом она остановится сама и уйдёт на распознавание.
3. Текст появится в поле ввода с расставленными запятыми и точками. Его можно поправить руками до отправки.
4. Передумали — нажмите Escape во время записи: она отменится, и за распознавание ничего не спишется.

Следующий фрагмент дописывается к уже набранному, поэтому длинный текст удобно диктовать кусками по одной-две мысли. А дальше главное: надиктованное не обязательно отправлять как есть — можно сразу попросить ChatGPT или другую модель привести его в порядок.

Как нейросеть превращает диктовку в готовый текст

Устная речь устроена иначе, чем письменная: мы повторяемся, перескакиваем с мысли на мысль, вставляем слова-паразиты. Вот запросы, которые решают это за секунды. Начинайте с надиктованного текста, а инструкцию добавляйте в конце.

• Чистка: «Убери слова-паразиты и повторы, исправь ошибки распознавания по смыслу, ничего не добавляй от себя».
• Структура: «Разбей на абзацы, выдели главную мысль в первом предложении, списки оформи списками».
• Формат: «Сделай из этого деловое письмо поставщику, вежливо, до 150 слов» — или пост, заявление, служебную записку, план выступления.
• Протокол: «Выдели решения, задачи с ответственными и сроки» — удобно, если вы надиктовали итоги встречи.

Если результат нужно оформить как документ — с шапкой, реквизитами, нумерацией пунктов, — воспользуйтесь разделом документов нейросетью. А финальную вычитку на опечатки и пунктуацию удобно делать по шагам из гайда про проверку орфографии нейросетью.

Как диктовать, чтобы было меньше ошибок

• Микрофон — в 15–20 см ото рта. Гарнитура или наушники с микрофоном почти всегда лучше встроенного микрофона ноутбука.
• Тишина важнее дикции. Телевизор, кофемашина и разговоры рядом дают больше ошибок, чем быстрая речь.
• Говорите фразами, а не по слову. Нейросетевое распознавание опирается на контекст: законченное предложение распознаётся точнее, чем слова с паузами.
• Сложные имена и термины проверяйте глазами. Фамилии, названия брендов и редкие аббревиатуры — главный источник ошибок у любого сервиса.
• Диктуйте мысль, а не формулировку. Не пытайтесь сразу говорить «как в документе» — это тормозит. Наговорите суть, а стиль поправит нейросеть.

Если надо перевести в текст запись, а не живую речь

Голосовой набор рассчитан на короткие фрагменты, которые вы говорите прямо сейчас. Для лекции, интервью или часового совещания он неудобен: стоит отвлечься — и кусок потерян. Такие вещи лучше записать на диктофон целиком и потом расшифровать файл. Как это сделать и что потом делать с расшифровкой, разобрали в статье как преобразовать аудио в текст, а про одну из самых известных моделей распознавания речи — в обзоре Whisper.

Сколько стоит голосовой набор в Умке

Распознавание речи списывается с баланса как обычный запрос и обходится в копейки. Обработка текста после диктовки стоит 1 токен за ответ быстрой модели или 33 токена за ответ умной. Ещё 8 моделей в Умке бесплатны.

При регистрации дают 60 токенов без карты: этого хватит, чтобы попробовать диктовку и привести в порядок десятки коротких текстов быстрой моделью или один — умной. Самый маленький пакет — 290 ₽ за 725 токенов, то есть около двух десятков ответов умной модели. Остальные пакеты — на странице тарифов. Подписки нет: платите только за то, что использовали.

Частые вопросы