Wpisywanie głosowe w Windows 11: jak działa Win+H i gdzie ma granice

Naciśnij klawisz Windows i H w dowolnym polu tekstowym w Windows 11, a pojawi się mały pasek narzędzi. Mów, a tekst pojawi się w miejscu kursora. To wpisywanie głosowe — w polskiej pomocy Microsoftu nazywane też funkcją dyktowania — i dla wielu osób to całe dyktowanie, jakiego kiedykolwiek będą potrzebować. Ta strona wyjaśnia, jak je porządnie skonfigurować, co potrafi, w których trzech miejscach się zatrzymuje i po co sięgnąć, gdy to nastąpi.

Krótkie odpowiedzi

Czy wpisywanie głosowe w Windows działa offline? Nie. Według strony pomocy Microsoftu trzeba „mieć połączenie z Internetem, mieć działający mikrofon i mieć kursor ustawiony w polu tekstowym”, a funkcja „korzysta z funkcji rozpoznawania mowy online, która jest obsługiwana przez usługi Azure Speech”. Twój dźwięk trafia do transkrypcji na serwery Microsoftu. Jeśli w Ustawieniach wyłączysz Rozpoznawanie mowy online, wpisywanie głosowe przestaje działać; strona Microsoftu o prywatności mówi, że wtedy „dostępne są tylko funkcje oparte na urządzeniu (takie jak Narrator)”.

Czy mój głos jest nagrywany? Microsoft pisze, że dane głosowe „są wysyłane do firmy Microsoft tylko w celu świadczenia usługi i tworzenia transkrypcji tekstowych” i że firma „nie przechowuje, nie pobiera próbek ani nie słucha nagrań głosowych bez Twojej zgody”. Udostępnianie próbek głosu w celu ulepszania usługi to osobne, opcjonalne ustawienie.

Jakie języki? Około pięćdziesięciu, w tym wszystkie duże języki europejskie, chiński, japoński, koreański, hindi i turecki. Pełna lista jest na stronie Microsoftu o wpisywaniu głosowym. Wpisywanie głosowe słucha w języku bieżącego układu klawiatury — w jednym naraz.

Konfiguracja w dwie minuty

1. Kliknij dowolne pole tekstowe i naciśnij klawisz Windows + H. Na klawiaturze dotykowej naciśnij zamiast tego przycisk mikrofonu.
2. Kliknij ikonę koła zębatego na pasku i włącz opcję Automatyczna interpunkcja. Domyślnie jest wyłączona, dlatego pierwsze próby dają ścianę tekstu bez znaków interpunkcyjnych. Po jej włączeniu nadal możesz powiedzieć „kropka”, „przecinek” albo „znak zapytania”, gdy chcesz wstawić znak wprost.
3. W tym samym menu zdecyduj o opcji Filtrowanie wulgaryzmów, która po włączeniu zastępuje przekleństwa gwiazdkami.
4. Opcjonalnie włącz Moduł uruchamiania dyktowania — pływający przycisk mikrofonu, który podąża za Tobą między polami tekstowymi, więc skrót przestaje być potrzebny.
5. Żeby dyktować w innym języku, najpierw przełącz układ klawiatury skrótem klawisz Windows + Spacja. Wpisywanie głosowe podąża za układem, a nie za tym, co mówisz.

Przydatne polecenia, gdy już działa (po polsku): „usuń to”, „wybierz to”, „naciśnij klawisz Enter”, „naciśnij klawisz Backspace”, „nowa linia” oraz „przestań słuchać”, które kończy sesję. Dokładny zestaw zależy od języka.

Co robi dobrze

Jest darmowe, już zainstalowane i nie wymaga pobierania. Dokładność po angielsku w cichym pomieszczeniu z przyzwoitym mikrofonem jest dobra, a zwykłe słownictwo biznesowe rozpoznaje bez trenowania. Ponieważ to funkcja systemu, a nie aplikacja, działa niemal w każdym polu tekstowym: w przeglądarkach, w Office, w komunikatorach, w polu wyszukiwania. Do dyktowania akapitu do e-maila kilka razy dziennie trudno o coś lepszego.

Gdzie są granice

Internet i droga w obie strony. Wszystko, co mówisz, wędruje do Microsoftu i z powrotem. W pociągu, w samolocie, w zamkniętej sieci firmowej albo po prostu przy słabym połączeniu wpisywanie głosowe działa gorzej albo w ogóle nie startuje. Nie ma dla niego lokalnego trybu awaryjnego; silnik rozpoznawania mowy działający na urządzeniu obsługuje w Windows inne funkcje, nie tę.

Jeden język naraz, przypięty do klawiatury. Jeśli w ciągu jednej godziny piszesz po angielsku i po polsku, za każdym razem przełączasz układ. Wymieszaj dwa języki w jednym zdaniu, jak nieustannie robią to dwujęzyczne domy i rodziny emigrantów, a funkcja przepisze tylko tę połowę, której kazano jej się spodziewać. Automatycznego wykrywania nie ma.

Brak pamięci o Tobie. Nie ma własnego słownika, więc Twoje nazwisko, nazwy Twoich produktów i nazwiska klientów są za każdym razem zgadywane od nowa. Nie da się podać jej dokumentu, pliku audio ani nagrania spotkania; słucha tylko na żywo. A transkrypcja istnieje wyłącznie w polu, do którego trafiło dyktowanie. Zamkniesz kartę przed skopiowaniem — i tekstu nie ma.

Czwarte ograniczenie jest mniejsze, ale doskwiera codziennie: nagrywanie włącza się i wyłącza na pasku narzędzi. Nie przypiszesz go do przycisku myszy ani do klawisza, który trzymasz w dłoni, chodząc po pokoju, a do tego nie wstrzymuje muzyki, kiedy mówisz.

Gdy wpisywanie głosowe nie działa

Ta sama garstka przyczyn tłumaczy niemal każde zgłoszenie wyszarzonego paska Win+H albo ikony mikrofonu, która nic nie robi:

• Żadne pole nie ma fokusu klawiatury. Wpisywanie głosowe wymaga, żeby kursor migał w polu tekstowym, zanim naciśniesz skrót.
• Brak internetu albo Rozpoznawanie mowy online jest wyłączone w Ustawienia > Prywatność i zabezpieczenia > Mowa.
• Układ klawiatury jest ustawiony na język, którego wpisywanie głosowe nie obsługuje.
• Mikrofon jest wyłączony dla aplikacji klasycznych w Ustawienia > Prywatność i zabezpieczenia > Mikrofon albo inna aplikacja zajmuje go na wyłączność.
• Okno działa jako administrator. Funkcje działające z uprawnieniami zwykłego użytkownika, takie jak pasek wpisywania głosowego, nie mogą pisać w oknach z podwyższonymi uprawnieniami.

Czego używać, gdy to nie wystarcza

Chcesz pracować offline albo zatrzymać dźwięk na komputerze. Są dwie drogi. Dostęp głosowy (Voice Access), również wbudowany w Windows 11, pobiera pakiet językowy i działa na urządzeniu; służy do sterowania komputerem głosem, ale przyjmuje też dyktowanie, w siedmiu językach w piętnastu wariantach regionalnych. Druga droga to lokalna aplikacja do dyktowania, która uruchamia model Whisper na Twojej karcie graficznej — tak działa AlphaDictate: naciskasz wybrany klawisz, żeby zacząć, ten sam, żeby skończyć, a tekst zostaje wklejony tam, gdzie był kursor, w 99 językach z automatycznym wykrywaniem i bez wysyłania czegokolwiek. Kosztuje $39/rok po darmowej godzinie. Handy to darmowa aplikacja o otwartym kodzie w tej samej, lokalnej kategorii, z mniejszą liczbą funkcji.

Chcesz najlepszej możliwej dokładności i nie przeszkadza Ci chmura. Wispr Flow za jakieś $15/miesiąc to dopracowana opcja, w której duży model językowy porządkuje transkrypcję już po fakcie. Dźwięk opuszcza komputer, tak jak przy wpisywaniu głosowym, ale wyniki są lepsze niż u Microsoftu.

Musisz obsługiwać komputer głosem. Właściwym narzędziem jest Dostęp głosowy, a nie wpisywanie głosowe. Klika przyciski po nazwie, pokazuje ponumerowane nakładki i poprawia tekst głosem. Jeśli przychodzisz od Dragona, tę drogę opisuje nasz tekst o tym, co stało się z Dragonem.

Robimy jedną z wymienionych wyżej aplikacji, więc zważ naszą rekomendację odpowiednio. Uczciwe podsumowanie jest takie: wpisywanie głosowe to rozsądny wybór domyślny do okazjonalnego dyktowania w jednym języku przy dobrym połączeniu, a jego ograniczenia wynikają z architektury, nie z błędów. Zbudowano je jako usługę online dla jednego języka klawiatury i żadne ustawienie tego nie zmieni.

---

Najczęstsze pytania

Czy Win+H działa bez internetu? Nie. Wpisywanie głosowe korzysta z rozpoznawania mowy online Microsoftu i bez internetu się nie uruchamia. Dostęp głosowy i lokalne aplikacje do dyktowania działają offline.

Jak włączyć interpunkcję we wpisywaniu głosowym w Windows? Naciśnij klawisz Windows + H, kliknij ikonę koła zębatego na pasku i włącz opcję Automatyczna interpunkcja. Domyślnie jest wyłączona.

Czy wpisywanie głosowe w Windows wysyła mój głos do Microsoftu? Tak. Dźwięk trafia na serwery Microsoftu, gdzie powstaje transkrypcja. Microsoft zapewnia, że służy on wyłącznie do świadczenia usługi i nie jest przechowywany ani odsłuchiwany bez Twojej zgody.

Dlaczego wpisywanie głosowe jest wyszarzone albo nie działa? Zwykle żadne pole tekstowe nie ma fokusu, nie ma połączenia z internetem, Rozpoznawanie mowy online jest wyłączone w Ustawieniach albo układ klawiatury jest ustawiony na nieobsługiwany język.

Czy wpisywanie głosowe rozpoznaje, w jakim języku mówię? Nie. Słucha w języku bieżącego układu klawiatury. Przed dyktowaniem w innym języku przełącz układ skrótem klawisz Windows + Spacja.

Czym różni się wpisywanie głosowe od Dostępu głosowego? Wpisywanie głosowe wpisuje to, co mówisz, do pola tekstowego i wymaga internetu. Dostęp głosowy steruje głosem całym komputerem, przyjmuje też dyktowanie, działa na urządzeniu po jednorazowym pobraniu języka i obsługuje mniej języków.