Мікрофон: говори — текст з'являється

На Головній у картці «Нова історія» є кнопка мікрофона: говориш — і текст з'являється в полі, поки ти говориш. Шість хмарних сервісів на вибір або whisper.cpp на твоєму комп'ютері без інтернету.

Нове в 2.0.1≈ 4 хв читання
Зміст сторінки
  1. Налаштування
  2. Як диктувати
  3. Сервіси й мови
  4. Дозвіл на мікрофон
  5. Питання

Налаштування за хвилину

  1. Налаштування → Підключення → «Диктування». Натиснеш мікрофон без налаштувань — студія сама запропонує «Відкрити налаштування».
  2. «Сервіс» — «Автоматично» (перший готовий) або конкретний сервіс. Найшвидше — ElevenLabs: ключ той самий, що для озвучки.
  3. «Мова» — «Визначати самому» або вибери свою: так точніше й швидше.
  4. «Мікрофон» і «Зупиняти після тиші» — типово 8 с; можна 3 с … 1 хв або «Не зупиняти».
  5. «Перевірити» — перевіряє ключ і зв'язок, нічого не записуючи.
Картка «Диктування»: сервіс «Автоматично», мова, мікрофон і зупинка після тиші
Налаштування → «Диктування».
Вікно «Диктування ще не налаштоване»: ElevenLabs, whisper.cpp або інший сервіс і кнопка «Відкрити налаштування»
Підказка, якщо диктування ще не налаштоване.

Як диктувати

  1. Головна → «Нова історія» → кнопка мікрофона в шапці картки.
  2. Говори. Під полем — «Говори — текст з'являється тут», рівень звуку й час. Текст стає там, де курсор; ще не підтверджені слова — бліді, з пунктиром.
  3. Стоп — ще раз мікрофон, «Стоп» або Esc. Ще диктування зупиняється після тиші, через 15 хвилин і коли перемикаєшся в інше вікно. Сказане вже в полі.
Нова історія під час диктування: текст з'являється, під полем — «Говори — текст з'являється тут», рівень звуку й кнопка «Стоп»
Текст з'являється, поки говориш.

Сервіси й мови

СервісЯк працюєКлюч
ElevenLabs Scribe v2 Realtimeу реальному часіключ озвучки ElevenLabs або свій
OpenAI Realtime (GPT Live Transcribe)у реальному часісвій або з «Розпізнавання мови», «Текст» чи озвучки (ключ api.openai.com)
Deepgram Nova-3у реальному часісвій ключ Deepgram
AssemblyAI Universal-Streamingу реальному часіз «Розпізнавання мови» або свій
OpenAI-сумісний сервіс (фразами)фразамиадреса й ключ з «Розпізнавання мови» чи «Текст»
Google AI Studio (Gemini, фразами)фразамиключі Google AI Studio (чергуються)
whisper.cpp на цьому комп'ютеріфразами, без інтернетуне потрібен — встанови в «Розпізнавання мови» → «Локально»
  • «Автоматично» бере перший готовий: сервіс із «Розпізнавання мови», потім ElevenLabs, Deepgram, OpenAI, whisper.cpp, Google.
  • Українська: AssemblyAI у реальному часі її поки не розпізнає. Deepgram сам визначає лише 10 мов, без української, — вибери її в «Мова». Для сервісів на Whisper теж вибери мову: на коротких фразах він інколи плутає українську з російською.
  • «Фразами» означає: текст з'являється після кожної паузи. whisper.cpp показує проміжний текст, лише якщо поруч є whisper-server.

Дозвіл на мікрофон

  • Мікрофон слухає FFmpeg — він має бути встановлений (Налаштування → FFmpeg → «Встановити автоматично»).
  • Windows: Параметри → Конфіденційність → Мікрофон → доступ для класичних програм.
  • macOS: під час першого натискання система спитає дозвіл. Відмовив — Системні параметри → Конфіденційність і безпека → Мікрофон.

Питання

Чи записується мій голос?

Студія нікуди не зберігає запис: звук іде лише до вибраного сервісу розпізнавання, а з whisper.cpp — взагалі не залишає комп'ютер.

Мікрофон «нічого не почув»

Перевір, чи мікрофон увімкнений і вибраний у Налаштування → «Диктування» → «Мікрофон» (кнопка поруч оновлює список). Якщо студія пише «Мікрофон мовчить», він вимкнений у системі.

Це те саме, що «Розпізнавання мови»?

Ні. «Розпізнавання мови» — для готових записів у «Своїй озвучці», «Диктування» — для мікрофона. Але ключі першого диктування може брати само.