Голосовой ввод в любом приложении: как проверить, что это правда

Голосовой ввод в любом приложении означает, что программа вставляет распознанный текст туда, где стоит курсор, независимо от того, какое окно открыто: почта, мессенджер, документ или поле кода. У Потока (potok.now) это устроено через системную интеграцию с горячей клавишей. Исключения всё же есть, и их 2 вида: защищённые поля и игры в полноэкранном режиме программа не видит.

Голосовой ввод в любом приложении — это когда распознанный текст появляется не в отдельном окне программы, а прямо там, где стоит курсор: в письме, чате, документе или строке поиска. Работает это не как магия, а как системная функция: программа встраивается в операционную систему на уровне ввода и потому видит курсор везде, куда её туда пускает сама система. Разница между программами в том, насколько честно они описывают, где у этой универсальности заканчиваются границы.

Термины, которые обещают голосовой ввод в любом приложении

В описаниях программ голосового ввода часто повторяются одни и те же слова, и не каждый читатель понимает их одинаково: вот что означает каждый термин, когда сервис обещает работу в любом приложении.

• «системная интеграция», «работает на уровне системы»: программа встраивается в операционную систему, а не в одно приложение, браузер или сайт, и поэтому видит курсор в любом текстовом поле, которое система ей показывает. Это отличает такие программы от расширений браузера или плагинов для одного редактора: расширение работает только там, куда его поставили, а системная интеграция — везде, где в принципе есть текстовый курсор;
• «горячая клавиша»: сочетание, которым запускают и останавливают запись; у Потока это Ctrl+Space по умолчанию, его можно сменить в настройках. Часть программ удерживают клавишу всё время записи (push-to-talk), часть включают запись одним нажатием и выключают повторным — от этого зависит, удобно ли диктовать длинные фразы одной рукой, не отпуская клавишу раньше времени;
• «вставка текста» и «эмуляция ввода»: способ, которым распознанный текст попадает в поле: одни программы кладут его через буфер обмена, другие имитируют печать символ за символом, и от этого зависит, сохранится ли форматирование в редакторах с автоформатированием текста, например в Word;
• «список исключений»: перечень программ или типов полей, куда вставка не идёт, даже если в целом сервис называет себя универсальным; у честных программ такой список публикуют открыто, а не прячут в поддержке. Отсутствие такого списка на сайте не значит, что исключений нет — скорее всего, о них просто не сказали заранее;
• «защищённое поле» — поле, которое операционная система изолирует от посторонних программ, например поле пароля или форму оплаты картой; туда не вставит текст ни одна программа голосового ввода, и это защита системы, а не недоработка конкретного сервиса;
• «облачное» и «локальное» распознавание — где именно происходит превращение звука в текст: на сервере или на самом устройстве. От этого зависит, работает ли программа без интернета, но само по себе расположение модели не говорит о том, насколько точно она распознаёт речь — это два разных вопроса, и путать их не стоит;
• «личный словарь» и «сниппеты» — способы подстроить программу под себя: словарь запоминает профессиональные термины, имена и бренды, которые обычно распознаются с ошибками, а сниппеты — это короткие голосовые команды, которые разворачиваются в заготовленный кусок текста вроде подписи к письму;
• «отклик» или «задержка» — время между тем, как вы отпустили горячую клавишу, и тем, как текст появился в поле. У Потока это около 0,4 секунды. Чем больше задержка, тем заметнее пауза перед каждой фразой, и при частой диктовке это ощущается сильнее, чем кажется по одной короткой проверке.

Фраза «любое приложение» в описании программы почти никогда не значит буквально каждую программу на компьютере. Она значит «системный ввод, не привязанный к одному сайту или окну, кроме заранее известных исключений». Разница между этими двумя прочтениями решает, разочаруетесь вы в программе или нет.

Как проверить обещание «работает в любом приложении» на деле

Проверить обещание проще, чем кажется: достаточно открыть три-четыре разных приложения и попробовать продиктовать в каждое короткую фразу, прежде чем доверять описанию целиком. Хорошие кандидаты для проверки — почтовый клиент, мессенджер, текстовый редактор и что-то более редкое, вроде терминала или специализированной программы, которой вы пользуетесь на работе.

Дальше стоит отдельно проверить то, что производители обычно не выносят в заголовок: список программ и типов полей, куда вставка не идёт. У Потока это защищённые поля вроде паролей и банковских форм, а также игры, открытые в эксклюзивном полноэкранном режиме — эти ограничения не связаны с качеством распознавания, они идут от того, как устроена защита системы или доступ к графике в конкретном режиме.

Ещё один способ проверки — обратить внимание, как именно текст попадает в поле. Если вставка идёт через буфер обмена, есть риск, что она перезапишет то, что там уже лежало: скопированный перед этим текст или пароль из менеджера паролей. Если вставка имитирует печать посимвольно, риска с буфером нет, зато в некоторых редакторах с автоформатированием текст иногда вставляется иначе, чем ожидалось, например теряет переносы строк.

Отдельно стоит проверить скорость отклика — задержку между тем, как вы отпустили горячую клавишу, и тем, как текст появился в поле. У Потока это около 0,4 секунды; если у сравниваемой программы отклик заметно больше, диктовка длинных фраз начинает чувствоваться рывками, даже если формально программа работает везде. Наглядное сравнение по скорости и охвату приложений — в материале поток vs wispr flow.

Стоит проверить и то, что происходит при потере фокуса окна во время диктовки: если вы случайно кликнули мимо текстового поля, пока держали горячую клавишу, хорошая программа останавливает запись и не пытается вставить текст туда, где его не ждут. Плохая — может вставить фразу в первое попавшееся активное окно, и тогда результат окажется не там, где нужно. Эту ситуацию проще всего проверить самому заранее, не дожидаясь, пока она случится в рабочей переписке.

Чего голосовой ввод в любом приложении на деле не покрывает

Даже у Потока список исключений не пустой. «Поток» — облачный сервис, распознавание идёт на серверах в России, и без интернета он не работает, какое бы приложение ни было открыто. В защищённые поля вроде паролей и банковских форм текст не попадает: это ограничение самой операционной системы, а не конкретной программы. В играх, открытых в эксклюзивном полноэкранном режиме, оверлей записи тоже не отображается.

Голосовых команд редактирования вроде «удали последнее слово» Поток не понимает: такую правку по-прежнему делают руками. Расшифровкой готовых записей — встреч, интервью, чужих голосовых сообщений — он тоже не занимается, это отдельная задача для транскрайбера. И мобильных версий для Android и iPhone нет: в этом контексте «любое приложение» означает любое приложение на Windows или macOS, а не на телефоне. Перевода на лету между языками тоже нет: Поток вставляет то, что вы сказали, на том же языке, на котором продиктовали, а не переводит фразу по пути в поле.

Частые вопросы

Встроенная диктовка и «Поток»

Первоисточники: speakflow.ru · speakflow.ru · speakflow.ru · blog.speakflow.ru