開発者が実際に文章を書く時間

仕事中の時間のほとんどは構文ではありません。それはコミットメッセージ、PRの説明、コードレビューのコメント、Linearのチケット、Slackでのビルドが赤く表示されている理由についてのスレッド、そして6か月後には誰も覚えていないであろう決定を説明するブロックコメントです。これは普通の文章であり、メールを書くのと同じように音声で入力され、このページにあるどのアプリも実際にこの部分をサポートできるのです。

コード自体を書くことは別の問題であり、これを述べる前に、これらのアプリのどの1つも1段落を割り当てることを述べるべきです。音声をテキストに変換することと、音声コマンドを実行することは異なり、ここにあるものはほぼ何も後者を実行しません。もし実際に「def」と言って、4つのインデントが表示され、キーボードを触ることなくファイルをナビゲートしたいのであれば、1つの真の答えがあり、それはTalonであり、このアプリを含むどの音声入力アプリでもありません。

開発者の日常で一般的な音声入力ツールが破綻する2つの理由

2つの理由が常に問題になります。1つ目は語彙です。コードベースの変数名、サービス名、内部用語は一般的な言語モデルのトレーニングデータに含まれていません。ツールがこれらの単語を教える方法がなければ、常に同じように間違います。2つ目は、語句が多すぎる音声入力です。「オープンパレン、クォート、ユーザーIDで取得、クォート、クローズパレン」という音声を一般的なツールに打ち込むと、実際の文字列よりも英語の文章に近い結果になります。なぜなら、そのツールは英語の文章にチューニングされているからです。

どちらの問題も普遍的な解決策はありません。一部のツールは1つ目の問題に対してカスタム辞書を使用しますが、以下のツールのどれも2つ目の問題を真の構文に解決するとは主張していません。それがまさにTalonが他のツールとは別カテゴリとして存在する理由です。

Talon — コードを書くツール、コードについて書くツールではない

macOS、Linux、Windowsで無料でダウンロード可能で、talonvoice.comで価格は公開されていません。そのサイトは「早期機能のアクセス」や「優先サポート」を提供するPatreonを宣伝しています。Talonは、大規模なコミュニティが維持するコードの文法を持つ制御レイヤーです。音声コマンドはキーボード操作、インデント、ナビゲーション、編集操作にマッピングされます。したがって、「state i equals zero」と言って、i = 0になることができ、「go to definition」と言って実際にその場所へ移動できます。これは音声入力とは異なる仕事であり、Pythonで構成され、実際の学習曲線があります。完全な比較で、この設定にかかるコストの正直な説明が見られます。長時間のタイピングが痛みを伴う人にとっては、このコストは価値があります。タイピングが問題でない人にとっては、コメントやコミットメッセージを手で書く必要がないだけなので、このツールは必要以上です。

Wispr Flow — 四つのプラットフォームで名前を学習する

今日、そのサイトで確認しました：ユーザーあたり月額15ドル（年払いで20%割引）、その下には無料プランがあります。Wispr Flowは、使用するにつれてあなたの名前や専門用語を学習し、Mac、Windows、iOS、Androidで動作し、100以上の言語をサポートする点で、このページにある他の製品よりもはるかに大きな製品です。開発者の1日の最大の摩擦がCustomerOnboardingServiceで、それがうまくいかない場合、その単語を学習するように作られたツールが実際に問題を解決しています。比較には、その他の情報も含まれます。例えば、1回19ドルと月額15ドルの算術も含まれています。

Aqua Voice — 辞書とリアルタイムの編集

今日、その料金ページで確認しました：スターターは無料で1,000単語、プロは年払いで8ドル（月額10ドル）、マックスは年払いで24ドル（月額30ドル）でリアルタイム編集と「送信」の音声コマンドが追加されます。プロ以上は拡張されたカスタム辞書とカスタム指示を含みます。どのように表現したいかを教えておくと、それ以降はその指示に従います。開発者が粗いPRの説明を音声入力し、手で修正するのではなく、すでに整理されたものを受け取ることを望む場合、そのリアルタイム編集機能が実際の売りになります。比較には、このように異なる製品の他の情報も含まれています。

superwhisper — ローカルで、自分で作る語彙を

their pricing comparisonで確認しました。 今日のところ: 無料トライアル、またはProは月額$8.49、年額$84.99、または一括$249.99。 彼らのPro documentationでは、カスタム語彙がProの特長の一つとして掲載されており、AIを活用したモードも含まれ、特定の文章の種類に合わせてカスタマイズ可能です。この組み合わせ — ローカル処理と自分で教える語彙 — はこのページでWispr Flowの学習語彙の主張に最も近いもので、サブスクリプションなしで実現しており、それがなぜ通常この製品の次に開発者が試す製品になるのかです。The comparisonはかなり大きいアプリをカバーしています。

VoiceInk — 辞書を取得し、ローカルで動作する最も安い方法

tryvoiceink.comで確認しました。1台あたり$25、2台あたり$39、3台あたり$49、一括払い、14日間の返金保証付き、AppleシリコンとmacOS 14.4以降で動作します。彼らのサイトでは、VoiceInを「名前、製品名、カスタム語を正確に認識する」機能を持つ辞書として紹介しており、superwhisperと同じカテゴリの機能ですが、一括払いでの価格が低く、ローカルモデルの層を確認する必要がない点が特徴です。The comparisonには詳細が記載されています。

MacWhisper — 記録用、リアルタイム音声入力には使えない

macwhisper.comで確認しました。永久無料、Proは**€64一括払い**。他の製品と同様にシステム全体で音声入力が可能です。しかし、開発者にとっての実際の利点は異なります: 既存の音声ファイルを開くことができます — 電話で録音したスタンドアップ、ペアリングセッション、デザインレビューなど — そしてローカルで、オフラインで文字起こしできます。ここにある他の製品では実現できない機能です。必要な技術的な会話がすでにテキストになり、録音されているなら、このツールが適しています。The comparisonにはその他の詳細があります。

Coii VoiceInput — 語彙なし、サブスクリプションなし、アップロードなし

一括払い$19、3台対応、macOS 13 Ventura以降。カスタム辞書やプロジェクトの識別子を学習する方法は一切ありません。これは明確に述べるべきです。なぜなら、この製品は上記のどの競合製品よりもこの点で劣っているからです。開発者がこれらのツールを選択する際には、購入前にこの点を理解しておくべきです。代わりに提供しているのは、テキストフィールドのどこでも使えるプッシュトゥトークキーで、エンジンに質問を投げ出す前に、履歴に文字起こしが記録されるため、遅い応答や貼り付けがうまくいかない場合でも、コピーペーストで済み、失われるコミットメッセージを防ぐことができます。何もアップロードされず、ネットワークがオフでも動作します。これはロックダウンされた企業のノートブックでは、より重要です。

テーブル

日々の変化とは何か

このリストから選ぶ際の正直な方法は、実際に音声入力しているものと、タイプではなく話したかったものを分けることです。

もし大半のあなたのストレスが、正しい名詞や製品名が繰り返し正しく出ないことであり、そのような語彙を教えることで解決できるなら、このページの他の何よりも価値があります — superwhisper と VoiceInk はその語彙をローカルで提供し、一回の購入または控えめな定期的な費用で利用可能で、Wispr Flow は電話で作業する場合に最大のプラットフォームの範囲で提供します。もし、あなたの本当の願いが、キーボードを一切触らずに作業を完了することであり、それどころかプロセス全体を音声で行うなら、それは Talon の場合です。これは単なる午後一時間のセットアップではなく、真のコミットメントです。もしどちらも当てはまらないなら — あなたがただ、コミットメッセージ、コメント、チケットを音声で入力し、それらが失われる前に保存し、どこにも送信せず、設定も不要で、それを行うのが、ホットキーを押しただけのことであり、30日間の試用は無料で試すことができます。

終助詞を言葉として発声する理由と、なぜ多くの人がやめてしまうのか

初めてコミットメッセージを音声入力する人は、すべての終助詞を発声しようとしますが、ほぼ誰も1週間以内にやめてしまいます。「ページネーションのバグを修正、コンマ、最後のページで最終行が抜けた場所、ドット」は、コンマやドットという単語がタイプされるよりも、実際には終助詞として出力されることが少なく、これらのツールは「コンマ」という単語を発声するか、「コンマ」を挿入するかを区別するためのコマンド文法がありません。Talon を除けば、どのツールもそのようなコマンの文法を持っていません。実際に効果的な習慣は、単語を音声入力し、その後で終助詞をタイプする方法です。これは目的を達成するためのものとは思えないかもしれませんが、習慣になるまでは毎回の決定として時間がかかるものの、習慣になると秒単位でしかかかりません。

識別子はより難しい問題で、上記の辞書機能はそのために存在しています。getUserById を言葉として発声すると、一般的なツールは3〜4つの英語の単語を聞き取って、それらをどのように結合するかを推測します — get user by id, getUserByID, get_user_by_id など、あなたのコードベースで実際に使われているものよりはるかに少ないです。教わった語彙はその特定の語を正しく推測するための解決策であり、それがない場合、解決策は、あなたが意味するものを平易な英語で発声し、オートコンプリートや素早く修正を頼って正確な識別子を入力することです。これは遅くても信頼性があり、このツールを含む、語彙を持たないツールが実際にあなたに求めることです。

ローカル処理がここを検討する理由

このリストの一部の魅力は、音声入力の品質とは関係なく、雇用主が許可するかどうかにすべて依存しています。NDAの下にあるコードベース、厳格なデータハンドリング条項を持つクライアントとの契約、あるいは単に外出先プロキシが認知していないものをブロックする企業のノートPCなど、すべてがクラウド音声入力ツールを検討する前に、正確さや語彙の問題よりも排除します — それは、ベンダーが信頼できないからではなく、音声が機械から出る必要があります。ホストされたサービスで動作させるためには、そのプロパティは設定で変更できません。

Coii VoiceInput、VoiceInk、MacWhisperの無料トライアル、superwhisperのローカルモデルは、構造的にではなくポリシーによってその問題を回避しています。つまり、どのトライアルでも、音声が届くサーバーは存在しないため、セキュリティレビューで検討する必要がないのです。セキュリティレビューに実際に参加した開発者 — 例えば、セキュリティ担当者が「音声はどこに送られるのか」と尋ねられ、クラウドツールでは答えられないような状況 — にとって、このプロパティはこのページのどの語彙機能よりも重要であり、サブスクリプションを購入する前ではなく、ITがそのツールをアンインストールするよう求めた後に確認するべきです。

これらは何も解決しません

スタックトレースを読み上げても問題は解決せず、変数名を音声入力しても正しいとはなりません — 本ページのどのツールも、あなたが何を書きたかったのかを知る必要があります。構文そのものについては、Talonの文法以外では、プログラミング言語が記号に満ちていて、正確な文字に厳しい限り、どのツールよりもタイプが速いです。上記のどのアプリにも、包括してこのアプリも含めて、誠実なプロモーションは「あなたのために音声コード」より狭く、「英語の部分を音声で書くので、実際に手が必要な部分のために手が自由になる」というものです。

その狭いプロモーションは、聞いている以上に価値があります。なぜなら、仕事日の中に英語はそれほど多く含まれており、開発者が実際に作業を始める前に数えるよりも多いからです：スタンドアップの更新、チケットの説明、なぜ回避策が存在するかを説明するコメント、レビュワーに変更点とその理由を伝えるメッセージ。これらは、コマンド文法や教わった語彙がなくても、タイプよりも音声入力で価値があるのです — ただ、どのアプリでも信頼できるキーがあり、その言葉が向かうアプリで動作し、最初にどのツールを開くかを尋ねることなく、それができればよいのです。