Голосовые команды против диктовки: что выбрать программисту

Голосовые команды — это заранее заданный набор фраз, каждая из которых запускает конкретное действие в редакторе: перейти к строке, выделить блок, собрать проект. Диктовка ничего не выполняет — она просто вставляет распознанный текст туда, где стоит курсор. Из 8 программ диктовки в обзоре, включая Поток (potok.now), голосовых команд для управления кодом не поддерживает ни одна.

Программисту, который решил попробовать голос вместо клавиатуры, первым делом стоит развести два разных инструмента. Голосовые команды управляют программой или редактором: сказанная фраза запускает конкретное действие. Диктовка ничего не запускает — она превращает речь в текст и вставляет его туда, где стоит курсор, а дальше с этим текстом всё равно нужно работать руками, как с напечатанным.

Чем голосовые команды отличаются от диктовки

Система голосовых команд работает по заранее заданному словарю: у каждой фразы есть жёстко прописанное значение — «перейти к следующей строке», «выделить функцию», «собрать проект», и распознаватель ищет совпадение именно с этим набором, а не пытается понять произвольную речь. Точность здесь высокая именно потому, что вариантов немного и они заранее известны, но всё, что не входит в словарь команд, программа просто не поймёт.

Диктовка устроена наоборот: словарь открытый, модель распознаёт любую связную речь и превращает её в текст, не пытаясь угадать, что́ с этим текстом делать дальше. У Потока это выглядит так: хоткей по умолчанию — Ctrl+Space, зажал, сказал, отпустил — и распознанный текст появляется в активном поле любого приложения, будь то редактор кода, чат или документ. Программа не разбирает, что за слова были сказаны — «функция», «цикл» или обычное предложение, — она просто печатает их как текст.

Среди программ диктовки, собранных в этом обзоре, ни одна не совмещает вставку текста с выполнением команд. SpeakFlow, Диктуй, Talkpad и Lispr распознают речь в облаке — звук уходит на сервер и возвращается готовым текстом. GigaType, Molvi, Voisty и WhispeRu распознают прямо на устройстве, без отправки записи наружу. Но в обоих случаях результат один — текст в поле, а не выполненное действие в редакторе.

Где диктовка экономит время программисту, а где мешает

Диктовка выигрывает там, где нужен обычный связный текст: комментарии к коду, докстроки, сообщения для git commit, описания задач и пул-реквестов, заметки в issue-трекере. Такой текст можно наговорить целиком в естественном темпе речи, а не набирать по одному символу, особенно если формулировка длинная и мысль уже сложилась в голове.

Мешает диктовка там, где нужно не написать текст, а выполнить действие: перейти к определению функции, переименовать переменную во всех местах использования, запустить тесты, свернуть блок кода. Ни одна программа из обзора этого не умеет — они распознают речь и вставляют текст, но не управляют редактором. Голосовые команды для такого случая — отдельный класс инструментов с собственным словарём фраз-действий, и в подборке диктовки, рассмотренной здесь, таких нет.

Есть и третья категория задач — сам код: строгий синтаксис, регистр в именах, спецсимволы вроде скобок и точек с запятой. Диктовка справляется с этим хуже, чем с обычным текстом, потому что модель распознавания настроена на естественную речь, а не на литеральное воспроизведение символов, и здесь клавиатура часто остаётся быстрее и надёжнее.

Когда лучше печатать или взять другой инструмент

Поток — облачный сервис, распознавание идёт на серверах в России, и без подключения к интернету он не работает; голосовых команд и правки уже вставленного текста голосом у него тоже нет — он только вставляет надиктованное туда, где стоит курсор. Программисту, которому нужно управлять редактором голосом — переходить по коду, запускать команды, править без клавиатуры, — диктовка любого вида такую задачу не решает в принципе, здесь нужна специализированная система голосовых команд с собственным словарём.

Печатать руками остаётся быстрее там, где код короткий, синтаксис привычный, а автодополнение редактора и так экономит большую часть нажатий. Диктовка имеет смысл как дополнение для конкретных кусков — комментариев, сообщений и описаний, а не как замена клавиатуре в написании самого кода.

Частые вопросы

Первоисточники: speakflow.ru · speakflow.ru · speakflow.ru · blog.speakflow.ru