Встроенной кнопке Dictate в Outlook требуется Microsoft 365, и она использует более старый речевой движок Microsoft. StarWhisper бесплатен, работает локально, использует OpenAI Whisper для более высокой точности и работает в классическом Outlook, новом Outlook и Outlook в Интернете.
Работает в классическом Outlook, новом Outlook и Outlook в Интернете.
Скачайте StarWhisper с главной страницы или из Microsoft Store. Установщик весит около 200 МБ при первом запуске, так как он содержит модель Whisper. Без регистрации, без кредитной карты, без необходимости в облаке. После установки запустите приложение один раз и пройдите 30-секундную настройку (микрофон по умолчанию, выбор горячей клавиши, для остального примите значения по умолчанию). Затем приложение свернется в системный трей и не будет вам мешать.
Запустите любой Outlook, которым вы пользуетесь: классическое настольное приложение, новый Outlook (переписанная версия UWP) или Outlook в Интернете в браузере. Нажмите «Создать письмо» (или Ctrl+N), чтобы открыть окно создания сообщения. Это точно так же работает для ответов и пересылки. Вам не нужно ничего включать внутри самого Outlook — никаких надстроек, настроек или переключателей. StarWhisper работает полностью вне Outlook.
Поместите курсор внутрь тела сообщения именно туда, где должен появиться продиктованный текст. Вы также можете диктовать в строку темы, поля «Кому»/«Копия»/«Скрытая копия» или в любой другой текстовый ввод в Outlook, просто кликнув туда beforehand. Правило простое: где бы ни находился курсор клавиатуры, туда StarWhisper и будет вводить текст. Именно поэтому он одинаково хорошо работает в классической, новой и веб-версиях Outlook.
Нажмите и удерживайте горячую клавишу по умолчанию (правый Alt). В углу экрана появится небольшой индикатор записи. Естественно проговорите ваше письмо. Вы можете говорить «запятая», «точка», «новый абзац», «вопросительный знак» или просто позволить движку расставлять знаки препинания по интонации — Whisper отлично с этим справляется. Чем короче и естественнее фраза, тем лучше транскрипция, но он также справляется и с длинными монологами.
Отпустите горячую клавишу. Через секунду-две (или быстрее, если у вас есть GPU) транскрипт появится в теле письма Outlook, как будто он был введен с клавиатуры. Прочитайте, исправьте редкие ошибки и нажмите «Отправить». Вы также можете продолжать делать короткие паузы для диктовки, добавляя абзацы по ходу дела, или чередовать диктовку с обычным вводом для технических моментов (номера моделей, URL-адреса), которые плохо воспринимаются на слух.
Выше точность, без подписки, работает в большем количестве мест.
Кнопка Dictate в Outlook появляется только в учетных записях с подпиской Microsoft 365 и в последних версиях с бессрочной лицензией. У StarWhisper вообще нет зависимости от Microsoft. Бесплатный Outlook в Интернете, старый Outlook 2016 или любой уровень подписки 365 — везде диктовка работает одинаково.
Whisper в тестах показывает точность около 98%. Microsoft Speech (используется в Outlook Dictate) держится на уровне 88–92% в зависимости от акцента и словарного запаса. Разница наиболее заметна на английском с акцентом, именах, технических терминах и длинных фразах. Подробнее о точности.
Три версии Outlook сейчас расходятся. Кнопка Dictate от Microsoft наиболее надежна в классической версии и веб-клиенте 365. StarWhisper работает одинаково во всех трех, потому что он вводит текст на уровне ОС, а не как надстройка Outlook.
Whisper поддерживает 96 языков и автоматически определяет, на каком из них вы говорите. Отвечайте на английском, затем сразу на немецком, затем на японском — без изменения настроек. Полезно для международных команд поддержки, продаж и рекрутинга.
Локальный режим StarWhisper обрабатывает звук полностью на вашем процессоре или видеокарте. Аудио никогда не покидает ваш компьютер. Полезно для задач, связанных с комплаенсом (юриспруденция, медицина, HR), для работы в самолетах или зонах со слабым сигналом, а также для общих рабочих станций, где передача звука наружу ограничена. Подробнее о конфиденциальности.
Одна и та же установка позволяет диктовать текст в Word, Excel, Teams, браузерах, Slack, Notion и в любом другом текстовом поле Windows. Универсальное покрытие приложений.
Microsoft добавила кнопку Dictate в Outlook примерно в 2018 году и с тех пор постепенно ее улучшала. Она работает. Для разовых коротких сообщений на хорошем микрофоне в тихой комнате она справляется. Но есть три постоянные проблемы, которые заставляют людей искать альтернативы.
Во-первых, речевая модель. Microsoft использует собственный речевой движок, который существует уже много лет и получает стабильные, но небольшие обновления. OpenAI Whisper, напротив, был обучен на 680 000 часах мультиязычных аудиозаписей и в стандартных тестах показывает уровень ошибок примерно на 6–10 процентных пунктов ниже, причем этот разрыв увеличивается при использовании акцентного английского, технической лексики, имен и длинных фраз. Для инженера-программиста, диктующего отчет об ошибке, или рекрутера, диктующего заметки о кандидате после собеседования, это именно те условия, в которых Microsoft Speech пасует.
Во-вторых, платный барьер. Кнопка Dictate на ленте — это функция Microsoft 365. Если вы используете Outlook 2019 с бессрочной лицензией или более старую версию, ее там просто нет. Если ваша организация держит вас на более дешевом тарифе 365 или не для бизнеса, кнопка также может отсутствовать.
В-третьих, переход на новый Outlook. Microsoft разворачивает новый Outlook на базе веб-технологий, чтобы постепенно заменить классическое настольное приложение Win32. Кнопка Dictate работает в обеих версиях, но базовое поведение немного отличается, горячие клавиши разные, а надстройки переносятся некорректно. В организациях со смешанными версиями люди получают нестабильную работу диктовки. StarWhisper обходит все это, потому что не является частью Outlook; он вводит текст в активное текстовое поле на уровне ОС.
Примерный уровень ошибок в словах (чем ниже, тем лучше) в распространенных условиях диктовки писем:
| Условие | Microsoft Dictate | StarWhisper (Whisper) |
|---|---|---|
| Носитель английского, тихая комната, гарнитура | ~5% WER | ~2% WER |
| Носитель английского, микрофон ноутбука, шум в офисе | ~10% WER | ~4% WER |
| Акцентный английский (индийский, китайский, восточноевропейский) | ~15-22% WER | ~5-8% WER |
| Техническая лексика (номера моделей, жаргон, аббревиатуры) | ~18% WER | ~6% WER |
| Длинный текст (3+ абзаца) | ~12% WER | ~3% WER |
| Неанглийский язык (немецкий, испанский, французский, японский) | ~12-25% | ~3-7% |
Цифры являются приблизительными и зависят от микрофона, помещения и контекста. Эта закономерность сохраняется для условий, которые наиболее важны при диктовке писем: длинные сообщения, технический контент и акцент говорящего.
В StarWhisper нет специального понятия «поля Outlook», и именно это позволяет всему работать так просто. Там, где находится курсор клавиатуры, туда и попадает расшифрованный текст. Несколько практических примеров:
Кликните в поле «Тема». Удерживайте горячую клавишу. Назовите тему. Отпустите. Готово. Темы обычно короткие, поэтому диктовка завершается почти мгновенно.
Кликните в тело письма. Удерживайте клавишу и продиктуйте всё сообщение за один раз или в несколько заходов. Вы можете думать между подходами; движок обрабатывает каждый фрагмент независимо, когда вы отпускаете горячую клавишу. Чередуйте диктовку с обычным вводом текста для фрагментов, которые сложно произнести (URL-адреса, коды, технические конфигурации).
Менее полезно, так как автозаполнение Outlook быстро находит известные контакты. Но вы можете надиктовать адреса, а затем позволить автозаполнению взять управление на себя после ввода первых букв.
Тот же процесс, что и для нового сообщения. Кликните в тело ответа над цитируемым текстом, надиктуйте, отправьте. Цитируемая переписка остается без изменений.
Эта же горячая клавиша позволяет диктовать описание приглашения в календаре, в приложении «Заметки», OneNote, чате Teams или в любом другом текстовом поле Microsoft. Здесь нет никакой специальной интеграции; всё работает просто потому, что каждое поле Outlook под капотом является текстовым полем Windows.
Диктовка писем становится интересной для людей, работающих на разных языках. Рекрутер в Берлине может отвечать немецкому менеджеру по найму на немецком, затем кандидату на английском на английском, а затем японскому соискателю на японском — и всё это до обеда. С Microsoft Dictate это требует ручного переключения языка каждый раз. С автоопределением Whisper всё работает само.
Языки, где точность Whisper примерно сопоставима с носителями английского: немецкий, испанский, французский, итальянский, португальский, нидерландский, польский, японский, китайский (мандаринский диалект), корейский, русский, арабский, турецкий, хинди, шведский, датский, норвежский и финский. На странице мультиязычности представлен полный список. Менее распространенные языки тоже поддерживаются, но точность может варьироваться.
Для отделов продаж, пишущих международным лидам, в руководстве голос в текст для торговых представителей есть больше информации о мультиязычных исходящих кампаниях. Для HR-отделов, занимающихся трансграничным наймом, на странице «голос в текст для HR-менеджеров» описаны рабочие процессы общения с кандидатами.
Содержание писем часто бывает конфиденциальным: общение с клиентами, кадровые вопросы, юридические консультации, финансовые детали, обращения в службу поддержки с персональными данными. Локальный режим StarWhisper по умолчанию означает, что звук, который вы наговариваете, никогда не покидает ваше устройство. Транскрипция выполняется локально на процессоре или видеокарте, текст попадает в Outlook, и на этом всё. Ни один сторонний сервис не хранит запись того, как вы обсуждаете сделку или кадровый вопрос.
Для сравнения, облачные сервисы диктовки отправляют аудио на API транскрипции. Даже Microsoft Dictate в некоторых конфигурациях отправляет аудио в облако Microsoft для обработки. Для организаций, подпадающих под действие HIPAA, правил адвокатской тайны, проблем GDPR или внутренних политик хранения данных, локальная диктовка гораздо проще защищается при аудите. В FAQ по HIPAA подробно описана архитектура и то, что она означает для защищаемой медицинской информации.
Для более глубокого понимания пути прохождения звука и архитектурных решений, лежащих в основе Локального режима, см. FAQ: локальный Whisper против облачного.
Средняя скорость печати составляет около 40 слов в минуту. Средняя комфортная скорость речи — от 130 до 150 слов в минуту. На практике диктовка не дает увеличения скорости в 3–4 раза, потому что вам нужно обдумывать, что сказать, и тратить время на исправление ошибок, но реальное ускорение в 1,5–2,5 раза является обычным для написания длинных писем. Где экономия действительно ощущается, так это в усталости: диктовать в течение часа гораздо менее утомительно физически, чем печатать в течение часа, особенно для людей, испытывающих дискомфорт в запястьях или плечах.
Для офисных сотрудников, отвечающих на большие объемы писем, 30–60 минут в день, сэкономленных благодаря диктовке, быстро накапливаются. Для торговых представителей, отвечающих лидам в дороге (на ноутбуке, в машине, в поезде), прирост продуктивности еще очевиднее. Для людей, проходящих физиотерапию от туннельного синдрома, переход на диктовку часто является частью стандартного протокола восстановления; смотрите руководство «голос в текст при туннельном синдроме» для получения дополнительной информации.
Полный справочник по диктовке для всех поверхностей и полей Outlook.
Используйте одну и ту же горячую клавишу в Outlook, браузерах, чатах, CRM и других приложениях Windows.
Больший объем ответов, быстрые исходящие, обновления CRM без рук.