Logo Tyfloświat

Dyktowanie to jedna z funkcji, która znacząco przyspiesza wprowadzanie tekstu za pomocą klawiatury. Trudno bowiem znaleźć skuteczniejszą metodę szybkiego pisania. Nawet osoby biegle posługujące się klawiaturą nie są w stanie dorównać tempu przetwarzania mowy na tekst. To właśnie dlatego funkcja ta zyskuje coraz większą popularność, szczególnie wśród użytkowników smartfonów.

Jakiś czas temu w sklepie App Store pojawiła się aplikacja MacWhisper, która umożliwia przetwarzanie mowy na tekst. Wyróżnia ją bardzo wysoka skuteczność rozpoznawania mowy, szczególnie w porównaniu z natywną funkcją dyktowania oferowaną przez Apple.

W tym artykule opiszę sposób działania klawiatury Whisper Dictation, koncentrując się przede wszystkim na możliwościach dyktowania tekstu, a także podzielę się swoimi wrażeniami z jej użytkowania.

Konfiguracja

Klawiatura Whisper Dictation jest jedną z funkcji  aplikacji MacWhisper. Aby skorzystać z jej możliwości, należy najpierw pobrać program ze sklepu App Store.

Po uruchomieniu aplikacji konieczne jest pobranie modelu lokalnego lub modelu chmurowego, który odpowiada za przetwarzanie mowy na tekst. Bez wykonania tego kroku korzystanie z funkcji dyktowania, a tym samym z klawiatury Whisper Dictation, nie będzie możliwe.

Aby pobrać model lokalny, przechodzimy do ustawień aplikacji, które VoiceOver odczytuje jako „Gearshape, przycisk”. Następnie wybieramy opcję „On-Device Model”, umożliwiającą pobranie modelu działającego lokalnie, bez konieczności połączenia z internetem podczas przetwarzania mowy na tekst.

W trakcie pobierania deweloper zaleca, aby nie zamykać aplikacji ani nie blokować ekranu iPhone’a. Niezastosowanie się do tych wskazówek może spowodować wstrzymanie procesu pobierania. Po zakończeniu instalacji wyświetlony zostanie komunikat:

„On-Device Model Ready to use. Great job, you’ve got everything set up!”, co można przetłumaczyć jako: „Model lokalny jest gotowy do użycia. Świetna robota! Wszystko zostało już skonfigurowane.”

Jeżeli chcemy korzystać z modeli chmurowych, musimy wprowadzić własny klucz API lub wykupić subskrypcję aplikacji, jeśli nie chcemy samodzielnie konfigurować dostępu do poszczególnych modeli.

Klucze API można dodać, przechodząc do ustawień i wybierając opcję „Custom API Keys”, czyli „Własne klucze API”. W tym miejscu możemy wprowadzić między innymi klucze dostępu do usług OpenAI oraz ElevenLabs.

Osobiście polecam skonfigurowanie klucza API od ElevenLabs, ponieważ usługa ta umożliwia dyktowanie tekstu bez ponoszenia dodatkowych kosztów w ramach darmowego limitu, który odpowiada około dwóm godzinom dyktowania.

Modele chmurowe oferują znacznie wyższą skuteczność rozpoznawania mowy i dokładniejsze przetwarzanie jej na tekst w porównaniu do modelu lokalnego dostępnego w aplikacji.

Pierwszy etap konfiguracji mamy już za sobą. Teraz możemy przejść do dodania klawiatury Whisper Dictation. W tym celu otwieramy Ustawienia iPhone’a, przechodzimy do sekcji „Ogólne”, „Klawiatura, następnie klawiatury” i z listy dostępnych klawiatur wybieramy „Whisper Dictation”.

Podczas pierwszego użycia klawiatury będziemy musieli przyznać odpowiednie uprawnienia, takie jak dostęp do mikrofonu. Bez tego funkcja dyktowania nie będzie działać.

Wygląd klawiatury oraz wprowadzanie tekstu

Pod względem wyglądu klawiatura Whisper Dictation przypomina natywną klawiaturę systemową. Główną różnicę stanowi przycisk ustawień, odczytywany przez program udźwiękowiający jako „Gearshape.Fill”, znajdujący się w lewym górnym rogu, oraz przycisk „Microphone”, umieszczony po prawej stronie.

Przycisk usuwania tekstu jest zaetykietowany jako „Backspace”, natomiast przycisk służący do przełączania na klawiaturę numeryczną wypowiadany jest jako „Keyboard Type – Numeric”. Analogicznie wygląda to w przypadku emotikonów, których przycisk oznajmiany jest jako „Keyboard Type – Emojis”.

Co ciekawe, wprowadzanie tekstu odbywa się niemal identycznie jak na klawiaturze systemowej. Oznacza to, że podczas pisania metodą bezwzrokową litera, cyfra lub znak interpunkcyjny zostają wprowadzone do pola edycyjnego w chwili oderwania palca od wybranego znaku.

Pewną różnicę stanowi jednak przycisk „Return”. W przeciwieństwie do natywnego rozwiązania nowy wiersz jest wstawiany natychmiast po oderwaniu od niego palca. W przypadku klawiatury systemowej wymaga to dodatkowego dwukrotnego stuknięcia w ekran. Identycznie działa również przycisk pojawiający się podczas wyszukiwania lub zatwierdzania określonych akcji.

Dyktowanie tekstu

Aby rozpocząć dyktowanie, należy najpierw przełączyć się na klawiaturę Whisper Dictation, jeśli aktualnie korzystamy z klawiatury systemowej. Służy do tego przycisk znajdujący się w lewym dolnym rogu ekranu. Czytnik ekranu może odczytywać go jako „Następna klawiatura, Whisper Dictation”. Warto jednak pamiętać, że jeżeli na urządzeniu zainstalowano również inne klawiatury, etykieta tego przycisku może być inna.

Po wybraniu klawiatury Whisper Dictation możemy nacisnąć przycisk „Microphone”, który odpowiada za uruchomienie funkcji dyktowania. Należy zwrócić uwagę, aby nie korzystać z przycisku „Dyktuj”. Jego użycie spowoduje uruchomienie natywnej funkcji dyktowania systemu iOS zamiast rozwiązania oferowanego przez Whisper Dictation.

Po naciśnięciu przycisku „Microphone” wyświetlony zostanie ekran z komunikatem:

„Swipe Back to Start Dictation. Can’t automatically go back to the app you started dictation in. Swipe back to your previous app manually to start dictating. Report App”.

Komunikat ten można przetłumaczyć następująco:

„Przesuń wstecz, aby rozpocząć dyktowanie. Nie można automatycznie wrócić do aplikacji, z której uruchomiono dyktowanie. Przejdź ręcznie do poprzedniej aplikacji, aby rozpocząć dyktowanie. Zgłoś aplikację.”

W tym momencie musimy wykonać gest przesunięcia czterema palcami wprawo, aby wrócić do aplikacji, w której aktualnie wprowadzamy tekst. Po wykonaniu tej czynności synteza mowy zostanie automatycznie przełączona na głośnik do rozmów. W praktyce oznacza to, że w głośnym otoczeniu może być ona słabo słyszalna.

Problem ten można częściowo zniwelować, zwiększając głośność syntezy do około 80 procent. Innym rozwiązaniem jest skorzystanie ze skrótu przełączającego dźwięk syntezy na główny głośnik iPhone’a. Wrócę do tego zagadnienia w dalszej części artykułu.

Zakładając jednak, że nie korzystamy ze wspomnianego skrótu, pierwsze rozwiązanie powinno okazać się wystarczające. W tym momencie możemy rozpocząć dyktowanie. Co istotne, podczas mówienia nie trzeba wypowiadać znaków interpunkcyjnych. Wystarczy mówić w naturalny sposób, a interpunkcja zostanie dodana automatycznie.

Po zakończeniu wypowiedzi zatrzymujemy dyktowanie, naciskając przycisk „Selected”, znajdujący się w prawym górnym rogu klawiatury. Po chwili rozpoznany tekst zostanie wstawiony do pola edycyjnego.

Skrót przełączający syntezę na główny głośnik iPhone’a

Jak wspomniałam wcześniej, aby wymusić odtwarzanie syntezy mowy przez główny głośnik iPhone’a, należy pobrać odpowiedni skrót i przypisać do niego gest, który umożliwi jego szybkie wywołanie. Jest to zdecydowanie najwygodniejsze rozwiązanie. Po rozpoczęciu dyktowania wystarczy wykonać przypisany gest, aby swobodnie kontynuować wprowadzanie tekstu.

Trzeba jednak pamiętać, że gdy synteza mowy jest odtwarzana przez główny głośnik, jej komunikaty mogą zostać wychwycone przez mechanizm rozpoznawania mowy i dołączone do dyktowanego tekstu. Aby temu zapobiec, można tymczasowo wyciszyć syntezę.

Jak zakończyć dyktowanie, skoro nie słyszymy komunikatów odczytywanych przez syntezę? Wystarczy przesunąć palcem wzdłuż prawej krawędzi ekranu, od dołu ku górze. Gdy usłyszymy pierwszy dźwięk przypominający kliknięcie, zatrzymujemy palec i aktywujemy znajdujący się w tym miejscu przycisk. Będzie to właśnie przycisk służący do zakończenia dyktowania.

Jeżeli później ponownie uruchomimy funkcję dyktowania, nie będzie konieczności ponownego wywoływania skrótu, ponieważ synteza nadal będzie korzystać z głównego głośnika iPhone’a. Taki stan utrzyma się do momentu odebrania połączenia telefonicznego, uruchomienia innej aplikacji przełączającej dźwięk na głośnik do rozmów lub całkowitego zamknięcia aplikacji MacWhisper za pomocą ekranu przełączania aplikacji.

Wady i zalety korzystania z klawiatury Whisper Dictation

Ogromną zaletą dyktowania tekstu za pomocą klawiatury Whisper Dictation jest bardzo wysoka skuteczność rozpoznawania mowy. Dzięki temu nie musimy tracić cennego czasu na poprawianie błędnie rozpoznanego tekstu. Kolejnym atutem jest możliwość dyktowania bez ograniczeń czasowych, w przeciwieństwie do systemowej funkcji dyktowania. Dodatkowo użytkownik nie musi samodzielnie zastanawiać się nad rozmieszczeniem znaków interpunkcyjnych, ponieważ są one wstawiane automatycznie. Może to być szczególnie pomocne dla osób, które mają trudności z prawidłowym stosowaniem interpunkcji.

Na uwagę zasługuje również model dystrybucji aplikacji. MacWhisper dostępny jest w bezpłatnej wersji, a deweloper umożliwia skonfigurowanie własnych kluczy API. Oznacza to, że użytkownik może korzystać z modeli chmurowych bez konieczności wykupowania subskrypcji aplikacji, ponosząc jedynie ewentualne koszty związane z wybraną usługą API. W przypadku niektórych dostawców, takich jak ElevenLabs, możliwe jest nawet korzystanie z dyktowania w ramach dostępnego darmowego limitu.

Niestety klawiatura ma również swoje wady, a niektóre z nich wynikają z ograniczeń narzucanych deweloperom przez Apple i potrafią skutecznie zniechęcić do korzystania z tego rozwiązania. Pierwszą z nich jest automatyczne przełączanie syntezy mowy na głośnik do rozmów, co w praktyce okazuje się niezwykle frustrujące.

To jednak nie koniec problemów. Zdarza się, że podyktowany tekst nie zostaje wstawiony do pola edycyjnego. W takiej sytuacji należy ponownie nacisnąć przycisk „Microfone” i mieć nadzieję, że klawiatura zareaguje prawidłowo. Niestety nawet to obejście nie zawsze okazuje się skuteczne i czasami konieczne jest ponowne podyktowanie całej wypowiedzi.

Sporadycznie zdarza się również, że do rozpoznanego tekstu zostaje dopisany nieoczekiwany fragment, na przykład „Dziękuję za uwagę”. W takim przypadku użytkownik ponownie musi poświęcić czas na usunięcie zbędnej treści.

Pewną niedogodność stanowi także konieczność ręcznego przełączania się z powrotem do poprzedniej aplikacji w celu rozpoczęcia dyktowania. W starszych wersjach aplikacji MacWhisper taki dodatkowy krok nie był wymagany.

Dla mnie wadą jest również zapisywanie historii naszych wypowiedzi, co powoduje dodatkowe zajmowanie pamięci urządzenia. W historii przechowywany jest nie tylko rozpoznany tekst, lecz także nagranie dźwiękowe w formacie WAV, które może zużywać znaczną ilość miejsca.

Z tego względu warto pamiętać o regularnym czyszczeniu historii dyktowania. Niestety deweloper nie udostępnił możliwości wyłączenia tej funkcji, mimo że podobne rozwiązanie jest dostępne w komputerowej wersji aplikacji MacWhisper.

Podsumowanie

Odkąd przestała działać mi klawiatura brajlowska na iPhonie, chętnie sięgam po rozwiązanie firmy Good Snooze. Pomimo swoich wad daje mi ono możliwość bardzo dokładnego przekształcania mowy na tekst podczas tworzenia dłuższych wypowiedzi. Korzystam z niego zamiennie z natywną funkcją oferowaną przez Apple.

Rozwiązania Apple używam przede wszystkim do wprowadzania krótkich wiadomości, gdy chcę szybko komuś odpowiedzieć. Z kolei z klawiatury Whisper Dictation korzystam przy bardziej wymagających tekstach, zawierających niestandardowe słownictwo, którego systemowe rozwiązanie często nie jest w stanie poprawnie rozpoznać.

Czy zatem warto pobrać tę aplikację i korzystać z niej na co dzień? Na to pytanie każdy musi odpowiedzieć sobie sam. Mam jednak nadzieję, że lektura tego artykułu pomoże Wam podjąć świadomą decyzję.

Partnerzy

 Fundacja Instytut Rozwoju Regionalnego                     Państwowy Fundusz Rehabilitacji Osób Niepełnosprawnych

Back to top