Jaki dyktafon z transkrypcją jest najlepszy?

Ten, który dobrze łapie Twoje nagrania – bo żaden program do transkrypcji nie odzyska mowy, której mikrofon nie usłyszał. Jeśli nagrywasz przy stole, z ręki albo metr czy dwa od mówiącego, iPhone, który już masz, jest wystarczająco dobrym mikrofonem, a aplikacja do transkrypcji na nim to najtańsza odpowiedź. Jeśli nagrywasz cały dzień, z końca sali albo tam, gdzie telefon nie może leżeć na stole, lepszym zakupem jest osobny dyktafon. Potem zdecyduj, gdzie ma powstawać tekst: na Twoim własnym urządzeniu czy na cudzym serwerze.

Czy dyktafony z AI działają bez internetu?

Nagrywanie tak: urządzenie takie jak Plaud zapisuje dźwięk offline we własnej pamięci. Z transkrypcją jest inaczej. U Plauda odbywa się ona w jego chmurze po synchronizacji urządzenia z aplikacją w telefonie, więc tekst przychodzi, gdy masz połączenie; zanim założysz, że inne modele działają tak samo, sprawdź to. Aplikacja, która transkrybuje na urządzeniu, taka jak Kaseta, robi to na samym iPhonie, więc tekst pojawia się także w trybie samolotowym.

Czy mogę używać iPhone'a jako dyktafonu z transkrypcją?

Tak. Dyktafon od Apple dobrze nagrywa, a nowsze wersje potrafią pokazać transkrypcję. Kaseta jest zbudowana wokół transkrypcji: nagrywasz, dotykasz Stop, a telefon zamienia nagranie w tekst ze znacznikami czasu; jej silnik rozpoznaje 99 języków i nic nie jest wysyłane. Podczas nagrywania tekstu nie ma – pojawia się po Stop – a wyeksportować go możesz w każdym planie jako zwykły tekst, Markdown, SRT, WebVTT lub JSON.

Czy do transkrypcji potrzebny jest abonament?

To zależy od tego, gdzie liczona jest transkrypcja. Usługa w chmurze płaci za czas serwera przy każdej minucie, więc sprzedaje minuty, zwykle w formie planu. Transkrypcja na urządzeniu nie kosztuje twórcy nic za minutę, dlatego Kaseta minut nie sprzedaje: darmowy plan daje tekst pierwszych pięciu minut każdego nagrania i zachowuje cały dźwięk, a Pro znosi ten limit – jako plan miesięczny lub roczny albo jednorazowy zakup.

Dyktafon z transkrypcją – aplikacja w telefonie czy osobne urządzenie?

Wpisz w wyszukiwarkę „dyktafon z transkrypcją”, a wyniki pomieszają dwa różne zakupy: małe urządzenia, które przypinasz do ubrania albo kładziesz na stole, i aplikacje na telefon, który i tak masz w kieszeni. Jedno i drugie nagrywa, jedno i drugie daje tekst. Różnią się tym, gdzie łapany jest dźwięk, gdzie zamienia się w tekst i kto płaci za obliczenia pomiędzy – i to właśnie te trzy różnice decydują, co kupić.

Kaseta jest jedną z tych aplikacji, więc część o osobnych urządzeniach czytaj z tą świadomością: to fragment, w którym ta strona argumentuje przeciwko sobie.

Trzy rzeczy sprzedawane pod tą nazwą

Klasyczny dyktafon cyfrowy. Urządzenie zbudowane do nagrywania dźwięku, z własnymi mikrofonami i własną baterią. Większość z nich sama nie zamienia mowy na tekst: przenosisz plik na komputer i transkrybujesz go tam, programem albo usługą, którą wybierzesz.
Dyktafon z AI. Małe urządzenie – ludzie szukają go pod nazwą Plaud – które nagrywa offline do własnej pamięci, a potem wysyła dźwięk do chmury producenta, gdy synchronizuje się z telefonem. Transkrypcja i podsumowanie wracają stamtąd, a za minuty transkrypcji płaci subskrypcja.
Aplikacja w telefonie. Albo chmurowa, która wysyła nagranie na serwer do transkrypcji, albo działająca na urządzeniu, jak Kaseta: tam model rozpoznawania mowy po jednorazowym pobraniu działa wprost na iPhonie.

Kiedy lepszym zakupem jest osobne urządzenie

Nagrywasz cały dzień. Dyktafon ma własną baterię i własną pamięć. Telefon, który nagrywa godzinami, nadal jest Twoim telefonem – z jego baterią, powiadomieniami i pamięcią dzieloną ze zdjęciami.
Mówiący jest daleko. Wykład z ostatniego rzędu albo długi stół w sali konferencyjnej to najpierw problem mikrofonu, a dopiero potem oprogramowania. Osobne mikrofony albo tani mikrofon krawatowy poprawią transkrypcję bardziej niż jakakolwiek zmiana aplikacji.
Połączenia nie mogą przerywać. Na iPhonie przychodzące połączenie wstrzymuje nagrywanie. Kaseta wznawia je sama, gdy tylko iOS na to pozwoli, ale minut rozmowy nie ma na taśmie. Dyktafonowi na stole jest wszystko jedno, kto dzwoni.
Telefon na stole nie wchodzi w grę. W niektórych miejscach jest niedozwolony, a małe osobne urządzenie odbiera się inaczej niż telefon trzymany w wyciągniętej ręce.
Potrzebujesz certyfikatów na papierze. Niektórzy producenci dyktafonów z AI mają audyty bezpieczeństwa i certyfikaty dla swojej chmury. Aplikacja, która niczego nie wysyła, nie ma podmiotu przetwarzającego, który dałoby się certyfikować – to inna odpowiedź, a nie ta sama.
Nie masz iPhone’a. Kaseta to aplikacja na iPhone’a i to zamyka sprawę.

Kiedy wystarczy telefon, który już masz

Nagrywasz tam, gdzie jesteś. Dyktowanie, wywiad przy stole, spotkanie w jednym pokoju, myśl na spacerze: telefon w odległości metra czy dwóch słyszy wystarczająco dobrze.
Nagranie nie powinno opuszczać telefonu. Przy transkrypcji na urządzeniu dźwięk nie jest wysyłany – ani do transkrypcji, ani do przechowania, ani na żadne konto, bo konta nie ma.
Nie ma sieci. Modele rozpoznawania mowy są w telefonie, więc w piwnicy, w samolocie i w trybie samolotowym transkrypcja i tak przychodzi po dotknięciu Stop.
Nie chcesz kupować i ładować kolejnego urządzenia. Telefon już jest w kieszeni i to jego na pewno nie zostawisz w domu.

Pytania, które naprawdę decydują

Dokąd trafia dźwięk, żeby stać się tekstem?

W klasycznym dyktafonie – tam, dokąd później zaniesiesz plik. W dyktafonie z AI – do chmury producenta. W aplikacji chmurowej – na jej serwery. W aplikacji transkrybującej na urządzeniu – nigdzie: Kaseta transkrybuje na iPhonie, a możesz to sprawdzić sam, włączając tryb samolotowy przed nagraniem. Jak to działa, opisuje strona o transkrypcji bez internetu.

Ile to kosztuje po pierwszym dniu?

Urządzenie to zakup z góry, a dyktafon z AI dokłada do tego plan na transkrypcję. Przy aplikacji nie kupujesz sprzętu. W darmowym planie Kasety dźwięk zawsze zapisuje się w całości, a tekst obejmuje pierwsze 5 minut każdego nagrania. Pro znosi ten limit i kosztuje 19,99 USD rocznie albo 39,99 USD jednorazowo; jest też plan miesięczny w aplikacji. Nie ma pakietów minut do dokupienia, bo transkrypcja działa na sprzęcie, który już do Ciebie należy. Porównanie z prawdziwym urządzeniem i jego opublikowanymi planami znajdziesz na stronie Kaseta vs Plaud.

Czy potrzebne jest połączenie?

Dyktafon nagrywa wszędzie. To, czy tekst potrzebuje połączenia, zależy od tego, gdzie powstaje – patrz wyżej. Kaseta potrzebuje sieci raz, żeby pobrać model rozpoznawania mowy, a potem nagrywanie i transkrypcja działają offline.

Jakie języki?

Silnik Kasety transkrybuje 99 języków. Rozpoznaje język na początku każdego nagrania albo ustawiasz go w ustawieniach. Dyktafony z AI publikują własne listy, a urządzenie, z którym porównujemy się na stronie o Plaudzie, deklaruje więcej języków niż my. Klasyczny dyktafon niczego nie transkrybuje, więc jego języki to te, z którymi poradzi sobie program, którego użyjesz później.

Bateria i czas

Dyktafon zużywa baterię na nagrywanie. Telefon, który transkrybuje, wykonuje też najcięższą część pracy sam: długie nagrania zajmują prawdziwy czas i prawdziwą baterię, a starszy iPhone jest wolniejszy od nowego. Kaseta transkrybuje, dopóki jest otwarta na ekranie; gdy z niej wyjdziesz, praca się wstrzymuje, a aplikacja Ci o tym mówi. Na nagranie jednego spotkania to w porządku. Archiwum na sto godzin to robota dla komputera.

Wypróbuj telefon, zanim kupisz urządzenie

Najtańszy test kosztuje jedno nagranie. Nagraj prawdziwą sesję tak, jak używałbyś dyktafonu – ta sama sala, ta sama odległość, te same głosy – dotknij Stop i przeczytaj tekst. Jeśli czyta się dobrze, gadżet nie jest Ci potrzebny. Jeśli giną słowa, bo mówiący był za daleko, winny jest mikrofon i inna aplikacja tego nie naprawi; mikrofon krawatowy albo osobny dyktafon – tak. Jeśli chcesz też wiedzieć, dokąd trafił dźwięk, zrób ten sam test w trybie samolotowym.

O wywiadach osobno pisze strona o transkrypcji wywiadu – o mówiących, długich nagraniach i eksporcie – a strona główna ma skróconą wersję tego, jak aplikacja działa.