Диктовка

Удерживайте ⌘, говорите, отпустите — распознанный текст появится в том поле, где стоит курсор. Работает в любом приложении: в мессенджере, в браузере, в редакторе кода.

Функция выключена по умолчанию: она требует загрузить речевую модель, и навязывать эту загрузку тем, кому нужна только раскладка, неправильно.

Какую модель выбрать

Настройки → «Диктовка» → «Модель» предлагает выбор из двух:

• Whisper — понимает любой язык и сам определяет, на каком вы говорите. Загрузка около 626 МБ, распознавание использует Neural Engine на Apple Silicon. Модель по умолчанию.
• GigaAM v3 — только русский язык. Загрузка около 311 МБ, распознавание идёт на процессоре, а не на Neural Engine, и заметно быстрее — примерно в десять раз. Расставляет знаки препинания и заглавные буквы прямо по ходу распознавания.

Точность моделей никто не сравнивал, и на сайте такого сравнения не будет: у GigaAM измерены только скорость, размер загрузки и пунктуация. Выбирайте по языку — если диктуете не только по-русски, GigaAM не подойдёт: на английском и любом другом языке она выдаёт уверенно звучащий, но бессмысленный текст.

Как включить

1. Настройки → «Диктовка» → выберите модель → «Включить диктовку».
2. Дождитесь загрузки модели — прогресс показан там же. Это разовая операция.
3. Разрешите доступ к микрофону, когда macOS спросит.

Модель загружается с Hugging Face и остаётся в ~/Library/Application Support/LangFlip. Сменить модель можно в любой момент — при первом выборе новой скачается и она.

Как пользоваться

Зажмите ⌘ и держите. Через заданную задержку (по умолчанию 3 секунды, настраивается) появится индикатор записи — можно говорить. Отпустите ⌘, и текст будет напечатан.

Пока вы говорите, приложение показывает предварительный результат и уточняет его по ходу: последние слова могут меняться, пока не наберётся достаточно контекста. Финальный вариант печатается после того, как вы отпустите клавишу.

На Whisper язык определяется автоматически — переключать раскладку или что-то указывать заранее не нужно, можно говорить по-русски и по-английски вперемежку. GigaAM всегда распознаёт как русский, независимо от того, на каком языке вы говорите.

Если во время удержания нажать любую другую клавишу, запись отменяется: это было сочетание клавиш, а не попытка диктовать.

Где это считается

Распознавание идёт на самом Mac — какую бы модель вы ни выбрали, ни звук, ни расшифровка никуда не отправляются. Whisper на Apple Silicon использует Neural Engine, специализированный блок процессора. GigaAM работает на обычном процессоре, а не на Neural Engine, — и всё равно оказывается быстрее.

Первая загрузка Whisper после установки занимает около минуты: система компилирует модель под конкретный процессор. Результат кэшируется, и все последующие запуски занимают пару секунд. GigaAM такой компиляции не требует.

Чего ожидать

• Длинные диктовки работают, но требуют терпения: чем длиннее запись, тем дольше финальная обработка. Полминуты речи обрабатываются за секунды, пять минут — за десятки секунд.
• Тишина и посторонние шумы иногда порождают фразы вроде «Спасибо за просмотр» — наследие субтитров, на которых обучалась модель. Такие фразы отфильтровываются, но список фильтра не бесконечен.
• Знаки препинания расставляются моделью по интонации и смыслу, диктовать «запятая», «точка» не нужно.

Если что-то не так

Ничего не происходит при удержании ⌘. Проверьте, что диктовка включена и модель скачана (Настройки → «Диктовка»), а также что выдан доступ к микрофону.

Запись начинается, когда не нужно. Увеличьте задержку удержания — по умолчанию 3 секунды, но её можно сделать больше.

Текст появляется не в том месте. Печать идёт туда, где находится курсор в момент отпускания клавиши. Если за время диктовки фокус ушёл в другое окно, текст попадёт туда.