Modele mowy

Transkrypcja spotkań

Otwórz Ustawienia → Transkrypcja → Modele mowy, aby zobaczyć opcje lokalne i w chmurze. Pobierz model lokalny, zanim wybierzesz go do nagrywania.

Przy wstępnej konfiguracji domyślnie wybrany jest Nemotron 3.5 Streaming. Zacznij od niego, a jeśli Twój język lub nagrania wymagają czegoś innego, porównaj inny model.

Model lokalny	Rozmiar pobierania (ok.)	Co warto wiedzieć
Nemotron 3.5 Streaming	716 MB	Domyślny wybór przy wstępnej konfiguracji, do transkrypcji na żywo
Parakeet 0.6B v3	705 MB	Alternatywny lokalny model mowy; korzysta z niego też opcja „Najszybszy” w dyktowaniu
Whisper Small	190 MB	Mniejszy plik do wypróbowania, gdy brakuje miejsca na dysku
Whisper Medium	540 MB	Kolejny wariant Whisper do porównania na Twoich nagraniach
Whisper Large v3 Turbo	575 MB	Jeszcze jeden wariant Whisper; sprawdź jakość wyników i szybkość reakcji

To wybór na początek, a nie pełny katalog. Rozmiary pobierania to przybliżone rozmiary plików modeli, a nie wymagania dotyczące pamięci RAM. Niektóre silniki pokazują tekst fragmentami, zamiast na bieżąco uzupełniać niedokończone słowa.

Dopasuj język

Zanim wybierzesz model, sprawdź oznaczenia języków przy jego nazwie. Modele się różnią: na przykład Parakeet Unified (EN) obsługuje tylko angielski, a Parakeet 0.6B v3 to inny model, który obsługuje wiele języków.

Ustaw Język spotkania w sekcji Ustawienia → Transkrypcja. Jeśli pracujesz w kilku językach, przetestuj model na krótkiej próbce, w której języki się mieszają, zanim zaufasz mu na całym spotkaniu.

Dyktowanie ustawia się osobno

Model mowy i język dyktowania ustawisz w sekcji Ustawienia → Dyktowanie. Nie zmieniają się automatycznie razem z modelem do spotkań.

Zacznij od opcji Najszybszy (Parakeet v3), jeśli obsługuje Twój język. Ustawienia formatowania i skrótów opisuje poradnik dyktowania.

Rozpoznawanie mowy w chmurze

Kimiko oferuje też modele mowy od Deepgram i ElevenLabs. Transkrypcja w chmurze wysyła dźwięk do wybranego dostawcy i wymaga danych połączenia oraz dostępu do sieci.

Rozpoznawanie mowy w chmurze konfiguruje się niezależnie od AI w chmurze. Aby utworzyć klucz API i połączyć dostawcę, skorzystaj z poradnika konfiguracji Deepgram i ElevenLabs.

Porównaj, zanim zmienisz

Porównując modele, używaj wyraźnego dźwięku i tego samego języka. Sprawdź słowa, nazwy, przypisanie wypowiedzi do mówców i szybkość reakcji. Zmiana modelu nie poprawia automatycznie istniejących transkrypcji.