Röstinmatning i Windows 11: så fungerar Win+H och här tar det stopp

Tryck på Windows-tangenten och H i valfri textruta i Windows 11 så dyker ett litet verktygsfält upp. Prata, och texten visas vid markören. Det är röstinmatning, och för många är det all diktering de någonsin kommer att behöva. Den här sidan förklarar hur du ställer in den ordentligt, vad den kan, de tre ställen där den tar stopp och vad du kan ta till när det händer.

De korta svaren

Fungerar röstinmatning i Windows offline? Nej. Microsofts egen sida anger kraven som att du måste "vara ansluten till Internet, ha en fungerande mikrofon och ha markören i en textruta", och slår fast att röstinmatning "använder taligenkänning online, som drivs av Azure Speech-tjänster". Ljudet skickas till Microsofts servrar för transkribering. Stänger du av Onlinetaligenkänning i Inställningar slutar röstinmatningen att fungera; Microsofts sida om sekretess säger att "endast enhetsbaserade funktioner (till exempel Skärmläsaren)" då är tillgängliga.

Spelas min röst in? Microsoft säger att röstdata "skickas endast till Microsoft för att tillhandahålla tjänsten och skapa texttranskriptioner", och skriver också: "Microsoft lagrar, samplar eller lyssnar inte på röstinspelningar utan ditt tillstånd." Att bidra med röstklipp för att förbättra tjänsten är en separat, frivillig inställning.

Vilka språk? Ungefär femtio, bland dem alla stora europeiska språk, kinesiska, japanska, koreanska, hindi och turkiska. Hela listan finns på Microsofts sida om röstinmatning. Röstinmatningen lyssnar på språket i din aktuella tangentbordslayout, ett i taget.

Så ställer du in den på två minuter

1. Klicka i valfritt textfält och tryck sedan på Windows-tangenten + H. På pektangentbordet trycker du på mikrofonknappen i stället.
2. Klicka på kugghjulet i verktygsfältet och slå på Automatisk interpunktion. Den är avstängd som standard, och det är därför de första försöken ger en vägg av text utan skiljetecken. När den är på kan du ändå säga "period", "comma" eller "question mark" när du dikterar på engelska och vill vara tydlig.
3. I samma meny väljer du om du vill ha Filtrera bort svordomar, som byter ut svordomar mot asterisker när inställningen är på.
4. Slå eventuellt på Startprogram för röstinmatning, en flytande mikrofonknapp som följer med dig mellan textfälten så att du inte behöver kortkommandot.
5. Vill du diktera på ett annat språk byter du först tangentbordslayout med Windows-tangenten + blanksteg. Röstinmatningen följer layouten, inte det du säger.

Användbara kommandon när den är igång, på engelska: "delete that", "select that", "press Enter", "press Backspace", "new line", "new paragraph" och "stop listening" för att avsluta. Exakt vilka kommandon som finns varierar mellan språken.

Det här gör den bra

Den är gratis, redan installerad och kräver ingen nedladdning. Träffsäkerheten på engelska i ett tyst rum med en hygglig mikrofon är god, och den klarar vanligt affärsspråk utan träning. Eftersom det är en systemfunktion och inte en app fungerar den i nästan alla textrutor: webbläsare, Office, chattappar, sökfältet. För att diktera ett stycke i ett mejl några gånger om dagen är den svår att slå.

Här tar det stopp

Internet, och vägen fram och tillbaka. Allt du säger reser till Microsoft och tillbaka. På tåget, på flyget, i ett låst kontorsnätverk eller helt enkelt när uppkopplingen är dålig blir röstinmatningen sämre eller vägrar starta. Det finns ingen lokal reserv för röstinmatning; motorn på enheten i Windows används av andra funktioner, inte av den här.

Ett språk i taget, knutet till tangentbordet. Skriver du på svenska och engelska under samma timme får du byta layout varje gång. Blanda två språk i en mening, som tvåspråkiga hushåll och invandrarfamiljer gör hela tiden, så transkriberar den bara halvan den blivit tillsagd att vänta sig. Det finns ingen automatisk språkidentifiering.

Inget minne av dig. Det finns ingen egen ordlista, så ditt efternamn, dina produktnamn och dina kunders namn gissas på nytt varje gång. Det går inte att mata den med ett dokument, en ljudfil eller en mötesinspelning; den lyssnar bara live. Och texten finns bara i fältet du dikterade i. Stänger du fliken innan du kopierat den är den borta.

En fjärde begränsning är mindre men märks varje dag: det är verktygsfältet som startar och stoppar inspelningen. Du kan inte lägga det på en musknapp eller en tangent du håller i handen medan du går runt i rummet, och det pausar inte musiken medan du pratar.

När röstinmatningen inte fungerar

Samma handfull orsaker förklarar nästan varje rapport om ett nedtonat Win+H-verktygsfält eller en mikrofonikon som inte gör någonting:

• Inget har tangentbordsfokus. Röstinmatning kräver att markören blinkar i ett textfält innan du trycker på kortkommandot.
• Ingen internetanslutning, eller så är Onlinetaligenkänning avstängt under Inställningar, Sekretess och säkerhet, Tal.
• Tangentbordslayouten är inställd på ett språk som röstinmatning inte stöder.
• Mikrofonen är avstängd för skrivbordsappar under Inställningar, Sekretess och säkerhet, Mikrofon, eller så har en annan app lagt exklusivt beslag på den.
• Fönstret körs som administratör. Funktioner som körs med vanlig användarbehörighet, som verktygsfältet för röstinmatning, kan inte skriva i fönster med förhöjd behörighet.

Vad du kan använda när det inte räcker

Du vill kunna diktera offline, eller vill att ljudet stannar på datorn. Två vägar. Röståtkomst (Voice Access), som också är inbyggt i Windows 11, laddar ner ett språkpaket och körs på enheten; det är gjort för att styra datorn med rösten men tar också emot diktering, på sju språk i femton regionala varianter. Eller en lokal dikteringsapp som kör en Whisper-modell på ditt grafikkort, vilket är vad AlphaDictate gör: tryck på en valfri tangent för att börja och på samma tangent för att sluta, så klistras texten in där markören stod, på 99 språk med automatisk språkidentifiering och utan att något laddas upp. Det kostar 39 $/år efter en gratis timme. Handy är en gratisapp med öppen källkod i samma lokala kategori, med färre funktioner.

Du vill ha bästa möjliga träffsäkerhet och har inget emot molnet. Wispr Flow för ungefär 15 $/månad är det påkostade alternativet, där en stor språkmodell putsar texten i efterhand. Ljudet lämnar datorn, precis som med röstinmatning, men resultaten är bättre än Microsofts.

Du behöver styra datorn med rösten. Då är röståtkomst rätt verktyg, inte röstinmatning. Det klickar på knappar när du säger deras namn, visar numrerade överlägg och rättar text med rösten. Kommer du från Dragon handlar vår artikel om vad som hände med Dragon om just den vägen.

Vi gör en av apparna ovan, så väg rekommendationen därefter. Den ärliga sammanfattningen är att röstinmatning är rätt standardval för enstaka diktering på ett språk med bra uppkoppling, och att dess begränsningar sitter i arkitekturen och inte är buggar: den byggdes som en onlinetjänst för ett enda tangentbordsspråk, och ingen inställning ändrar på det.

---

Vanliga frågor

Fungerar Win+H utan internet? Nej. Röstinmatning använder Microsofts taligenkänning online och startar inte offline. Röståtkomst och lokala dikteringsappar fungerar offline.

Hur slår jag på skiljetecken i röstinmatningen i Windows? Tryck på Windows-tangenten + H, klicka på kugghjulsikonen i verktygsfältet och slå på Automatisk interpunktion. Den är avstängd som standard.

Skickar röstinmatningen i Windows min röst till Microsoft? Ja. Ljudet skickas till Microsofts servrar för att ta fram texten. Microsoft uppger att det bara används för att tillhandahålla tjänsten och inte sparas eller granskas utan ditt tillstånd.

Varför är röstinmatningen nedtonad eller fungerar inte? Oftast har inget textfält fokus, det finns ingen internetanslutning, Onlinetaligenkänning är avstängt i Inställningar, eller tangentbordslayouten är inställd på ett språk som inte stöds.

Kan röstinmatningen känna av vilket språk jag talar? Nej. Den lyssnar på språket i den aktuella tangentbordslayouten. Byt layout med Windows-tangenten + blanksteg innan du dikterar på ett annat språk.

Vad är skillnaden mellan röstinmatning och röståtkomst? Röstinmatning skriver det du säger i ett textfält och kräver internet. Röståtkomst styr hela datorn med rösten, tar också emot diktering, körs på enheten efter en engångsnedladdning av språket och stöder färre språk.