Hogyan diktálj szöveget bármelyik Windows-programba

Miért hagyják abba az emberek a diktálást

Szinte mindenki kipróbálja egyszer, és szinte mindenki abbahagyja egy héten belül. Ritkán a pontosság önmagában az ok. Sokkal inkább a pontosság körüli súrlódás.

Megnyitsz egy külön ablakot, amibe beszélhetsz, aztán átmásolod az eredményt. Elveszik a bekezdés, amit épp lediktáltál, mert a program elvette a fókuszt. Egy ügyfél neve háromféleképpen írva kerül ugyanabba a dokumentumba. Két nyelven dolgozol egy átlagos napon, az eszköz meg csak az egyiket ismeri. Külön-külön mind apróság. Együtt több időbe kerülnek, mint a gépelés.

A kurzorhoz gépelni jobb, mint külön ablakba beszélni

Ez az az egyetlen tervezési döntés, amin múlik, hogy használni fogsz-e egy diktáló programot fél év múlva is.

A saját ablakos megoldás arra kényszerít, hogy kilépj abból, amit épp írsz, beszélj, aztán visszavidd a szöveget. Az, amelyik a kurzorhoz gépel, semmit nem szakít félbe. Már ott állsz a válaszmezőben, lenyomsz egy gyorsbillentyűt, kimondod a mondatot, és a mondat megjelenik a válaszmezőben. Semmit nem nyitottál meg, semmit nem illesztettél be.

Ennek az a gyakorlati következménye, hogy integráció nélkül mindenhol működik. Mivel a szöveg sima billentyűzetes bevitelként érkezik, a fogadó programnak semmit nem kell tudnia róla. Az Outlook, a Word, az Excel, egy űrlapmező a böngészőben, egy csevegőablak, egy kódszerkesztő, egy 2011-es belső ügyviteli felület: mind elfogadja, mert mind elfogadja a gépelést.

A nevek problémája

A beszédfelismerés jó a hétköznapi mondatokban, és rossz pont azokban a szavakban, amelyek a munkádban a legfontosabbak: ügyfélnevek, terméknevek, a szakmád rövidítései, a kollégáid vezetékneve. Ezeket nem hagyhatod hibásan, tehát minden lediktált sort átolvasol, és pontosan ettől nem lesz gyorsabb a diktálás.

A megoldás egy saját szólista. Leírod, hogyan kell írni egy nevet, és mely félrehallásokat kell lecserélni rá, a program pedig minden alkalommal alkalmazza. A BeltoVoxban ez a lista egy második kört is táplál, ami az olyan új félrehallásokat is elkapja, amelyek csak hasonlítanak valamire a listáról, tehát nem kell előre felsorolnod egy név minden lehetséges torzulását. A lista a saját gépeden marad.

Két nyelv, egyetlen billentyűnyomásra

Ha egynél több nyelven dolgozol, a váltásnak azonnalinak kell lennie, különben nem fogod használni. Beállításokat nyitogatni nyelvváltáshoz, aztán húsz perc múlva vissza, ilyen munkamenetet senki nem tart meg.

A BeltoVox 51 nyelvet támogat, és kettőt kijelölhetsz közülük párnak, amiben ténylegesen dolgozol. A Ctrl+L vált köztük, és a váltást egérgombra is teheted. Egy magyar levél megválaszolása, utána egy angol, egyetlen billentyűnyomásba kerül.

Hová megy a hangod, és mennyibe kerül

A diktálás azt jelenti, hogy a hangfelvételed elmegy valahová. Ha ez a valahol a gyártó saját szervere, akkor a gyártó szabályzatában kell bízni, és egy csomó szakmai munkában ezt nem ígérheted meg az ügyfeled nevében.

A BeltoVox a te saját API-kulcsodat használja, OpenAI-tól vagy Groqtól. A felvétel a gépedről a saját fiókodba megy az adott szolgáltatónál. Nem halad át Beltorion-szerveren, és nincs olyan Beltorion-fiók, ami a leirataidat tárolná.

Ez a döntés az árazás alakját is megváltoztatja. Mivel nem más beszédfelismerési perceit adjuk tovább, a licenc egyszeri 59 dollár havidíj helyett, a felismerésért pedig közvetlenül a szolgáltatónak fizetsz annyit, amennyit valóban használsz. A programban van egy használati fül, ami folyamatosan mutatja ennek a becsült költségét, tehát nem egy rejtélyes tétel lesz a kártyakivonaton.

Hogyan kezdj hozzá

Három dolog, ebben a sorrendben. Szerezz egy API-kulcsot az OpenAI-tól vagy a Groqtól, és illeszd be a programba. Válaszd ki a két munkanyelvedet. Vedd fel a szólistára azt az öt-hat nevet, amit minden héten leírsz, még mielőtt szükséged lenne rájuk.

Aztán használd egy teljes napon át valódi munkára, ne egy próbamondaton teszteld. A diktálás szokás kérdése, a szokás pedig az első napon dől el.

A teljes beállítás és minden funkció a