Potężne funkcje.
Zero zbędnego balastu.
Rozpoznawanie mowy offline na Twoim procesorze, tekst wpisywany prosto w aplikację, w której pracujesz, i opcjonalne AI, kiedy go potrzebujesz.
Pisanie na żywo
Dyktuj i patrz, jak tekst sam wpisuje się do Twojej aplikacji, gdy mówisz; ostatnie słowa pojawiają się, gdy kończysz. Wolisz klasycznie? Zwykły tryb, w którym tekst przychodzi po zakończeniu nagrania, jest zawsze na miejscu. Pisanie na żywo jest częścią Pro.
Globalny skrót klawiszowy
Naciśnij swój skrót w dowolnym miejscu w systemie Windows, aby zacząć lub zakończyć dyktowanie, przytrzymaj go jak krótkofalówkę (naciśnij i mów) albo pozwól trybowi automatycznemu samemu odróżnić naciśnięcie od przytrzymania. Nie musisz przełączać okien — program unosi się nad Twoją pracą. Tryb naciśnij i mów oraz tryb automatyczny są częścią Pro.
Prywatność domyślnie
Twoja mowa jest rozpoznawana lokalnie przez Parakeet Ultra, ulepszoną wersję modelu NVIDIA Parakeet, działającą na procesorze. Nic nie trafia do chmury, dopóki sam nie włączysz funkcji AI. Dyktowanie działa także bez internetu.
Wielojęzycznie, offline
Parakeet rozpoznaje 25 języków europejskich w całości na Twoim urządzeniu i sam ustala, w którym mówisz — nie trzeba wcześniej wybierać języka. Norweski (bokmål i nynorsk) jest dostępny przez opcjonalny pakiet NB-Whisper, który pobierasz, gdy jest potrzebny, a po włączeniu AI dyktowany tekst można przetłumaczyć na prawie każdy język. Sama aplikacja jest dostępna w 14 językach.
AI: tłumaczenie i redakcja
Tłumacz dyktowanie na niemal każdy język, zaznacz tekst w dowolnym miejscu i popraw go głosem — albo nie zaznaczaj nic, a dyktowanie przyjdzie od razu na czysto. AI jest częścią Pro: korzystaj z wbudowanego AI bez konfiguracji (Pro + AI) albo z własnego klucza do OpenAI, Anthropic, Google Gemini, DeepSeek, Groq, Mistral, OpenRouter, YandexGPT lub dowolnego adresu zgodnego z OpenAI; Twój klucz zostaje na Twoim komputerze. Wysyłany jest tylko tekst, nigdy dźwięk.
Zbudowane pod pracę
Własne skróty (kombinacje klawiszy, podwójne naciśnięcie modyfikatora albo przyciski myszy), pełny panel dźwięku z wyborem mikrofonu, czułością i wskaźnikiem poziomu na żywo, redukcja szumów, przeszukiwalna historia rozpoznań i norweski pakiet językowy na żądanie. Historia rozpoznań jest częścią Pro.
Inteligentne wstawianie
VibeVox wpisuje tekst prosto do Twojej aktywnej aplikacji. Jeśli przełączysz okno w trakcie dyktowania, tekst bezpiecznie trafi do schowka, a nie do niewłaściwego programu. Wklejone dyktowania nie trafiają do historii schowka Windows (Win+V). Dopracuj wynik przełącznikami formatowania (Pro) — jak mała pierwsza litera czy usunięta kropka na końcu.
Bez rąk i długie nagrania
Pro dodaje dyktowanie bez rąk: włącz słuchanie swoim skrótem, a każda fraza zacznie się, gdy kamera zobaczy ruch Twoich ust, a mikrofon Cię usłyszy — same słowa nadal są rozpoznawane z dźwięku, nie z obrazu. Do tego nagrania do 5 minut, Auto Enter, który wysyła wiadomość, gdy tylko zostanie wpisana, oraz wyciszanie muzyki i filmów podczas dyktowania.
Redukcja szumów
Dwa poziomy na głośne pomieszczenie: zwykły usuwa jednostajny szum wentylatora lub klimatyzacji, a redukcja szumów AI radzi sobie z kawiarnią i ulicą. Oba działają na Twoim komputerze. Domyślnie wyłączona, bo w cichym pokoju nie jest potrzebna; gdy jest włączona, pisanie na żywo nie działa.
Twoje własne słowa i terminy
Nazwiska, terminy i skróty, przy których rozpoznawanie się myli: zapisz raz poprawną pisownię, a podobnie brzmiące błędy będą na nią zamieniane. Możesz też zastąpić wypowiedziane słowo czymkolwiek, na przykład swoim numerem telefonu albo adresem. Część Pro.
Działa z NVDA i Narratorem
NVDA i Narrator Windows czytają na głos okno ustawień — każdy przełącznik podaje swoją nazwę, stan i działanie. Krótki dźwięk oznacza początek i koniec każdego nagrania, więc wiesz, że program słucha, bez patrzenia na ekran.
AI jest opcjonalne
Dyktowanie działa na Twoim komputerze i nie potrzebuje ani AI, ani internetu. AI to dodatek do trzech zadań: tłumaczenia tego, co dyktujesz, przeredagowania głosem zaznaczonego tekstu oraz zapisania dyktowania na czysto. Włączasz je samodzielnie, a wysyłany jest tylko tekst, nigdy Twój głos.
Twój własny klucz
Masz już klucz API od OpenAI, Anthropic (Claude), Google Gemini, DeepSeek, Groq, Mistral, OpenRouter albo YandexGPT? Wklej go w Ustawieniach. Tekst trafia prosto z Twojego komputera do Twojego dostawcy i to jemu płacisz według jego cennika. Zadziała też każda usługa zgodna z OpenAI. Klucz zostaje na Twoim komputerze.
W ramach Pro (€29, jedna płatność)
Wbudowane AI
Nic nie trzeba ustawiać: żadnych kluczy ani kont w innych usługach. Włączasz i działa, a model dobieramy za Ciebie. Tekst jest przetwarzany w Europie.
Pro + subskrypcja AI, €5.99 miesięcznie, anulujesz, kiedy chcesz
Nie potrzebujesz AI? Zostaw je wyłączone: wszystko inne działa bez niego. Przez pierwsze 14 dni możesz wypróbować oba sposoby.
25 języków, w pełni offline
Parakeet sam rozpoznaje język i przetwarza go w całości na Twoim urządzeniu. Bez chmury, bez konta — Twój głos nie opuszcza komputera.
Pakiet opcjonalnyNorweski? Też jest.
Bokmål i nynorsk działają przez NB-Whisper Small — model Biblioteki Narodowej Norwegii. VibeVox pobiera go raz (~670 MB) prosto z ustawień i on również działa w pełni offline. Jak go wybrać: Ustawienia → Ogólne → Model rozpoznawania → Norweski.
Specyfikacja techniczna
Parakeet Ultra to ulepszona wersja modelu mowy Parakeet TDT 0.6B v3 firmy NVIDIA: douczona pod kątem dokładności i przekonwertowana przez nas do 8 bitów, aby szybko działała na zwykłym procesorze. W teście FLEURS dla 25 języków popełnia mniej więcej o połowę mniej błędów w słowach niż oryginalny model (11% wobec 20%). Norweski ma własny model: NB-Whisper Small Biblioteki Narodowej Norwegii, wytrenowany na mowie norweskiej.
Pod maską: architektura nowej generacji
Token-and-Duration Transducer (TDT)
W odróżnieniu od klasycznych modeli RNN-T, które przewidują po jednym tokenie naraz, architektura TDT w Parakeet przewiduje jednocześnie token i jego długość. Dzięki temu model pomija ciszę i zbędne ramki podczas rozpoznawania, radykalnie skracając czas obliczeń.
- Wspólne przewidywanie tokenu i długości
- Przyspieszenie dzięki pomijanym ramkom
FastConformer z 8-krotnym przerzedzaniem
Zbudowany na architekturze Conformer, ale zoptymalizowany pod szybkość. Stosuje ośmiokrotne przerzedzanie, aby wydajniej przetwarzać ramki dźwięku, łącząc globalny kontekst transformerów z lokalnymi cechami wychwytywanymi przez sieci splotowe.
- Współczynnik przerzedzania 8×
- Działa w całości na procesorze — karta graficzna zbędna
Zacznij dyktować
za darmo
Wszystkie płatne funkcje są odblokowane przez pierwsze 14 dni. Bez karty i bez konta.