Strona główna

Transkrypcja i pisanie głosem na Macu · w całości lokalnie

Transkrypcja nagrań i dyktowanie na Macu

Lesskeys nagrywa rozmowę, spotkanie albo Twój własny głos i zamienia to w tekst — z podziałem na mówców i ze znacznikami czasu. Możesz też pisać głosem w dowolnym programie, jednym skrótem klawiszowym. Wszystko dzieje się na Twoim Macu: plik audio nigdzie nie jest wysyłany.

Co robi Lesskeys

Lesskeys to natywna aplikacja macOS, która siedzi na pasku menu i robi dwie rzeczy. Po pierwsze nagrywa dźwięk — mikrofon, dźwięk systemowy Maca albo jedno i drugie naraz — a potem zamienia nagranie w transkrypcję, w której widać, kto i kiedy mówił. Po drugie pozwala pisać głosem: przytrzymujesz skrót klawiszowy w dowolnym programie, mówisz, a rozpoznany tekst trafia do schowka.

Obie ścieżki stoją na tym samym fundamencie. Rozpoznawanie mowy jest wykonywane na układzie graficznym Twojego Maca z Apple Silicon. Nie ma konta, nie ma przesyłania na serwer, nie ma warunku „musisz być online”. To, co nagrasz, zostaje na Twoim dysku — i to jest jedyna kopia, jaka powstaje.

Przepisywanie nagrań na tekst

Włączasz nagrywanie i mówisz — albo zostawiasz program w tle na czas trwającej rozmowy. Ponieważ aplikacja nagrywa również dźwięk systemowy, obejmuje to spotkania w Microsoft Teams, Zoomie, Google Meet i Slacku, a także zwykłą rozmowę telefoniczną prowadzoną przez Maca. Do spotkania nie dołącza żaden bot, nikt nie prosi Cię o dostęp do kalendarza i nie trzeba nikogo zapraszać: nagrywa komputer, przy którym siedzisz.

• Podział na mówców. Program sam dzieli nagranie według głosów, żeby w tekście było widać, kto co powiedział. Mówcom możesz nadać imiona, a program rozpozna te same osoby w kolejnych nagraniach — profil głosowy jest przechowywany lokalnie, więc uprzedź o tym osoby nagrywane (szczegóły).
• Znaczniki czasu. Każdy fragment ma swoją pozycję w nagraniu, więc odnalezienie miejsca w oryginale zajmuje sekundę.
• Gotowe pliki. Nagranie z dyktafonu, notatkę głosową z telefonu, plik z kamery — możesz je po prostu wrzucić do programu i spisać.
• Eksport. Transkrypcja wychodzi jako zwykły tekst, a dla wideo dodatkowo jako napisy SRT lub VTT.
• Przeszukiwalne archiwum. Nagrania i transkrypcje leżą w lokalnej bibliotece, w której szukasz po treści wypowiedzi, dacie albo mówcy.

Pisanie głosem zamiast klawiatury

Do dyktowania przytrzymujesz ⌥Spacja i mówisz. Kiedy puścisz klawisze, tekst zostaje rozpoznany i skopiowany do schowka — wklejasz go skrótem ⌘V tam, gdzie stoi kursor. Ten ostatni krok program zostawia Tobie świadomie: nic nie wpisuje samo w cudze okna. Kosztuje to jedno naciśnięcie klawiszy, ale dzięki temu widzisz każdy tekst, zanim gdziekolwiek wyląduje, i program nie potrzebuje szerokich uprawnień do sterowania innymi aplikacjami.

Działa to w poczcie, w notatkach, w edytorze tekstu, na czacie, w polu wyszukiwania — wszędzie tam, gdzie normalnie wkleiłbyś tekst. I działa w trybie samolotowym tak samo jak przy biurku, bo rozpoznawanie niczego nie odpytuje przez sieć.

Dlaczego „lokalnie” jest tu najważniejsze

W usługach chmurowych Twoje nagranie jedzie na cudzy serwer, tam jest przetwarzane i najczęściej też przechowywane — a więc powstaje kopia, nad którą nie masz kontroli. W Lesskeys tego kroku po prostu nie ma: rozpoznawanie odbywa się na Twoim urządzeniu, więc nie ma przesłania i nie ma dostawcy, który otrzymuje plik.

To zdanie o architekturze programu, a nie opinia prawna ani żaden certyfikat. Ocena tego, czy i na jakiej podstawie możesz konkretne nagranie zrobić i przetwarzać, należy do administratora danych — w praktyce do Twojego inspektora ochrony danych albo działu prawnego. Szerzej piszemy o tym na stronie transkrypcja bez chmury.

Nagrywasz innych? Uprzedź na początku

Nagrywanie rozmowy, w której sam uczestniczysz, nie jest w Polsce przestępstwem z art. 267 Kodeksu karnego — ten przepis dotyczy uzyskiwania dostępu do cudzej komunikacji, która nie była przeznaczona dla Ciebie. Zgodne z prawem karnym nie znaczy jednak „bez konsekwencji”: nagranie zrobione po cichu narusza dobra osobiste rozmówcy w rozumieniu art. 23 i 24 Kodeksu cywilnego, a przetwarzanie czyjegoś głosu to przetwarzanie danych osobowych z własnymi obowiązkami. W firmie dochodzi jeszcze kwestia monitoringu pracowników — art. 22² i następne Kodeksu pracy wymagają wcześniejszego poinformowania w regulaminie lub obwieszczeniu, a stanowisko UODO wobec nagrywania dźwięku w miejscu pracy jest restrykcyjne.

W praktyce wystarczy prosty nawyk: powiedz na początku spotkania, że nagrywasz, odnotuj zgodę w notatce, a przy sprzeciwie po prostu nie nagrywaj. To informacja, nie porada prawna.

Komu to się realnie przydaje

• Kancelarie i doradcy. Rozmowy z klientem objęte tajemnicą adwokacką lub radcowską, przy których wysłanie pliku do zewnętrznej usługi jest osobną decyzją, a nie drobiazgiem.
• Gabinety i zawody pomocowe. Notatki z rozmów zawierające dane szczególnie wrażliwe.
• Działy HR. Rozmowy rekrutacyjne, oceny okresowe, sytuacje sporne — każda dodatkowa kopia to kopia za dużo.
• Badacze i studenci. Wywiady, przy których zgoda uczestnika często w ogóle nie pozwala przekazywać surowego nagrania komukolwiek spoza zespołu.
• Dziennikarze. Ochrona źródła zaczyna się od pytania, na czyich serwerach leży nagranie.
• Wszyscy, którzy dużo piszą. Maile, notatki, dokumentacja — podyktowane idą szybciej niż wystukane, nawet po doliczeniu korekty.

Czego program nie robi

Żeby oczekiwania były realne: automatyczna transkrypcja to wersja robocza. Nazwiska, nazwy firm i słownictwo branżowe nie zawsze zapiszą się poprawnie, interpunkcja jest interpretacją modelu, a kiedy kilka osób mówi jednocześnie, przypisanie wypowiedzi do mówców się rozjeżdża. Zaplanuj przejrzenie tekstu. Program nie wpisuje też niczego samodzielnie do innych aplikacji, nie wysyła podsumowań, nie dołącza do wideokonferencji jako uczestnik i nie tłumaczy tekstu na inny język. Nie dajemy również gwarancji wykorzystania transkrypcji jako dowodu wobec osób trzecich.

99 języków wykrywanych automatycznie

Rozpoznawanie obejmuje 99 języków i samo ustala, w którym mówisz — nie musisz nic przestawiać przed nagraniem. Polskie zdanie z angielskimi terminami branżowymi nie stanowi problemu, ale jeśli spotkanie przez dłuższe fragmenty przechodzi na inny język, wynik będzie mieszany. Kto pracuje stale w dwóch lub trzech językach, powinien zawęzić listę w ustawieniach: krótkie, niewyraźne wypowiedzi nie trafią wtedy przypadkiem do zupełnie obcego języka.

Wymagania i cena

Wymaganie sprzętowe nie jest sugestią: na Macu z procesorem Intel program się nie uruchomi. Sprawdź to przed zakupem w menu Apple → „Ten Mac”. Kwota 49,99 $ to cena sklepowa w dolarach; w polskim App Store zobaczysz obowiązującą cenę w złotych.

Możesz spróbować bez płacenia i bez zakładania konta. W wersji bezpłatnej podyktujesz 5 minut dziennie i przepiszesz 5 nagrań audio oraz 5 wideo (to limity łączne, nie dzienne). Samo nagrywanie nie jest liczone nigdy, a już przepisane nagranie możesz rozpoznać ponownie dowolną liczbę razy — na przykład po zmianie ustawień języka. Dopiero gdy to przestanie wystarczać, odblokowujesz wersję Pro jednorazowym zakupem. Płatność i ewentualny zwrot idą przez Mac App Store, na zasadach Apple.

Czytaj dalej

Szerzej o poszczególnych zastosowaniach: notatka ze spotkania z nagrania, przepisanie nagrania na tekst, dyktowanie bez internetu oraz podstawy — lokalne rozpoznawanie mowy.

Częste pytania

Zobacz też