Darmowe dyktowanie offline dla Windows. Przytrzymaj dwa klawisze, mów, puść.
HoldToType to darmowy program do dyktowania push-to-talk dla Windows z otwartym kodem. Przytrzymaj Ctrl+Win, mów, puść: słowa pojawią się przy kursorze w dowolnym programie, a nic nie opuściło komputera.
Zrobiłem ten program dla siebie i postanowiłem się nim podzielić.
HoldToType zaczął się jako program na mój własny komputer. Chciałem dyktować bez subskrypcji, bez konta i bez tego, żeby mój głos opuszczał maszynę. Kiedy zadziałało, wrzuciłem go na GitHuba, żeby każdy mógł z niego korzystać. Jest darmowy i taki pozostanie: nie ma wersji płatnej, kredytów ani limitów słów.
Możesz to sprawdzić samodzielnie.
Kod źródłowy leży na GitHubie na licencji MIT. Każdy może go przeczytać i zbudować program na własnym komputerze z tych samych źródeł, żeby mieć pewność, że robi tylko to, co mówi ta strona.
$ git clone https://github.com/Vitalii-Yemets/holdtotype $ cd holdtotype $ .\build.ps1
Okno ustawień, takie jakie jest. Poklikaj.
To prawdziwe okno z programu, nie obrazek. Zmieniaj wygląd i język, otwieraj każdą sekcję. Nic tutaj nie nagrywa ani nie zapisuje.
Okno na żywo otwiera się na ekranie komputera; na telefonie to jego zdjęcie.
Przytrzymaj, mów, puść. Program siedzi w zasobniku.
Działa w każdym programie z polem tekstowym: poczta, czat, kod, formularze, pasek adresu.
Przytrzymaj
Trzymaj wciśnięte dwa klawisze. Na ekranie pojawia się mała plakietka, mikrofon jest włączony.
Mów
Powiedz zdanie tak, jak powiedziałbyś je człowiekowi. Nazwisk i rzadkich słów można nauczyć.
Puść
Słowa zostają wklejone tam, gdzie już stał kursor. Nagranie jest od razu usuwane.
Nic nie opuszcza twojego komputera.
Twój głos idzie z mikrofonu do modelu mowy na twoim własnym dysku i wraca jako tekst przy kursorze. Pomiędzy nie ma żadnego serwera, więc nie ma dokąd niczego wysyłać ani skąd niczemu wyciekać. W odróżnieniu od wbudowanego pisania głosowego Win+H, które domyślnie wysyła mowę do Microsoftu, tutaj nie ma żadnego serwera.
19:02:41 ready: hotkey=ctrl+win engine=sherpa model=models/nemotron-3.519:04:12 dictation: 6.8 s captured, 0 network requests19:04:13 replacements: 62 -> 64 characters19:04:13 pasted 64 characters into chrome.exe19:04:13 recording dropped19:09:30 dictation: 11.4 s captured, 0 network requests19:09:31 pasted 131 characters into Code.exe19:09:31 recording dropped
To linie z własnego dziennika programu. Otwórz dziennik z zakładki System: każde dyktowanie je zapisuje, a liczba zapytań sieciowych jest tam za każdym razem.
- Czy mój głos opuszcza komputer?
- Nie, nigdy. Idzie z mikrofonu do pamięci, staje się tekstem i jest usuwany.
- Czy tekst opuszcza komputer?
- Nie. Jest wklejany tam, gdzie stał kursor, i zachowywany tylko wtedy, gdy włączysz historię.
- Czy coś o mnie jest zbierane?
- Nic. Bez konta, bez analityki, bez raportów o awariach.
- Kiedy w ogóle łączy się z siecią?
- Sam z siebie dwa razy, i tylko twoją ręką: kiedy pobierasz model i kiedy naciskasz Sprawdź aktualizacje.
Po zwykłej instalacji nic nigdzie nie jest wysyłane.
Dwa opcjonalne ustawienia mogą to zmienić i oba są wyłączone, dopóki ich nie włączysz.
Jeśli wpiszesz adres i klucz modelu online do obróbki końcowej, twój tekst trafia do tej usługi do oczyszczenia. Twój głos nadal nie.
Jeśli wskażesz programowi serwer rozpoznawania na innej maszynie, na przykład mocniejszej w twoim domu, twój głos trafia na tę maszynę.
Co potrafi.
Model do każdego zadania, a nie jeden do wszystkiego
Dziewięć modeli mowy do wyboru: Nemotron 3.5 dla szybkości i tekstu na żywo, Whisper dla 99 języków i tłumaczenia, Parakeet dla 25 języków europejskich. Program trzyma po jednym na język i przełącza je sam.
Który model do którego języka →Tekst na żywo
Z Nemotron 3.5 słowa pojawiają się na plakietce, gdy jeszcze mówisz. Pozostałe modele pokazują tekst, gdy puścisz klawisze.
Tłumaczenie
Mów w swoim języku i otrzymaj tekst w innym: angielskim, niemieckim, hiszpańskim, francuskim, włoskim, polskim lub ukraińskim. Tłumaczy Whisper; jeśli twój język działa na szybszym modelu, który nie tłumaczy, plakietka proponuje przekazać zdanie Whisperowi.
Redaktor na twoim dysku
Mały model językowy uruchamiany na twoim komputerze usuwa wypełniacze, poprawia interpunkcję i zmienia ton. Prompty edytujesz sam.
Twoje słownictwo
Zamiany, słownik rzadkich słów i nazwisk, polecenia głosowe takie jak „nowa linia”.
Folder, a nie instalacja
Skopiuj na pendrive. Usuń i go nie ma.
Obok alternatyw.
Programy, z którymi porównują nas najczęściej. Uczciwie, także tam, gdzie przegrywamy.
| HoldToType | Handy | Wispr Flow | Dragon | Whisper Flow | DictaFlow | Typeless | |
|---|---|---|---|---|---|---|---|
| Podpisane wersje | Jeszcze nie | Tak | Tak | Tak | Tak | Tak | Tak |
| Cena | Za darmo | Za darmo | 12 $ / mies. | 699 $ jednorazowo | Od 9 $ / mies. | 7 $ / mies. | 12 $ / mies. |
| Subskrypcja lub kredyty | Brak | Brak | Subskrypcja | Licencja jednorazowa | Kredyty | Subskrypcja | Subskrypcja |
| Konto | Niepotrzebne | Niepotrzebne | Wymagane | Wymagane | Wymagane | Wymagane | Wymagane |
| Dźwięk opuszcza komputer | Nie | Nie | Tak | Nie | Tak | Tak | Tak |
| Działa offline | Tak | Tak | Nie | Tak | Nie | Opcja płatna | Nie |
| Otwarty kod | MIT | MIT | Nie | Nie | Nie | Nie | Nie |
| Języki | 99 | 99 | 100+ | 7 | 100+ | 90+ | 100+ |
| Tekst na żywo podczas mówienia | Tak | Nie | Nie | Tak | Nie | Nie | Tak |
| Tłumaczenie | 7 języków | Nie | Nie | Nie | Nie | Nie | Tak |
| Redagowanie lokalnym modelem | Tak | Nie | Chmura | Nie | Chmura | Chmura | Chmura |
| Własne słownictwo | Tak | Nie | Tak | Tak | Tak | Tak | Tak |
| Przenośny folder | Tak | Nie | Nie | Nie | Nie | Nie | Nie |
Ceny i funkcje takie, jak opublikował je każdy producent we wrześniu 2026.
Pełne porównanie →Pytania.
Ile to naprawdę kosztuje?
Nic, i nie ma haczyka. Napisałem HoldToType dla siebie, żeby dyktować na własnym komputerze z Windows bez subskrypcji i bez tego, żeby mój głos gdziekolwiek trafiał. Potem zaczęli z niego korzystać moi koledzy. Teraz udostępniłem go wszystkim, więc jest całkowicie darmowy: bez wersji płatnej, bez kredytów, bez limitów słów, bez konta. Modele pobiera się za darmo i działają na komputerze, który już masz. Kod leży na GitHubie na licencji MIT.
Czy cokolwiek, co mówię, trafia na serwer?
Domyślnie nie. Nagranie idzie z mikrofonu do modelu na twoim dysku i jest usuwane w chwili, gdy staje się tekstem. Dwie opcjonalne funkcje mogą wychodzić poza program i obie są wyłączone, dopóki sam ich nie skonfigurujesz:
- Obróbka końcowa większym modelem. Wbudowany redaktor to mały model na twoim dysku. Jeśli chcesz dużego, możesz wskazać programowi duży model działający gdzie indziej: inny program na tym komputerze, serwer w twoim domu albo usługę online z twoim własnym kluczem. Wtedy trafia tam twój tekst. Twój głos nadal nie.
- Serwer rozpoznawania nie obok programu. Zwykle rozpoznawanie działa z własnego folderu programu. Zamiast tego możesz wskazać osobno uruchomione: na tym samym komputerze, w Dockerze albo na innej maszynie. Twój głos trafia tam, gdzie stoi ten serwer.
Jedyna inna aktywność sieciowa to pobieranie modeli i sprawdzanie aktualizacji, a to przyciski, które naciskasz ty.
Jak dobrze rozumie mój język?
Dobrze, i można to dostroić. Program przychodzi z katalogiem dziewięciu modeli mowy, każdy dobry w czymś innym, a ty wybierasz po jednym na język:
- Nemotron 3.5 jest domyślny: szybki, czterdzieści języków, pokazuje słowa, gdy jeszcze mówisz. Nie tłumaczy.
- Whisper obejmuje 99 języków i to on tłumaczy, ale jest wolniejszy.
- Parakeet jest szybki i dokładny dla 25 języków europejskich.
- Canary obsługuje angielski, niemiecki, hiszpański i francuski i tłumaczy między nimi.
Program trzyma po jednym modelu na język i przełącza je sam, więc możesz mieć Nemotrona do codziennego dyktowania i Whispera w gotowości do tłumaczenia. Dokumentacja mówi, który model wziąć do którego języka.
Dlaczego Windows ostrzega, gdy go uruchamiam?
Program nie jest jeszcze podpisany, więc SmartScreen raz pokazuje ostrzeżenie. Trwają prace nad publikacją HoldToType w Microsoft Store: wersja ze Store jest podpisana i ostrzeżenie z nią znika. Do tego czasu każde wydanie ma SHA-256, który możesz sprawdzić, a plik exe możesz zbudować sam ze źródeł.
Czego potrzebuje od mojego komputera?
Windows 10 lub 11, x64, mikrofonu i około gigabajta na dysku na model. Karta graficzna nie jest potrzebna.
Kto to robi i po co?
Ja: Vitalii Yemets, jeden programista. Nie ma firmy, zespołu ani inwestorów: jedna osoba pisze program, odpowiada na zgłoszenia i wydaje wersje, wszystko na widoku na GitHubie. Zaczęło się jako narzędzie na moje biurko i dla kilku kolegów, i pozostaje darmowe, bo i tak bym je napisał. Jeśli coś jest nie tak, napisz do mnie: zgłoszenie na GitHubie albo holdtotype@outlook.com.
Powiedz to, co zamierzałeś napisać.
Instalator
holdtotype-setup.exe · 0.76.4 · 35.9 MBWybiera folder i pierwszy model, tworzy skrót, umie się usunąć.
Pobierz instalatorPrzenośna
holdtotype-portable.zip · 0.76.4 · 28.7 MBRozpakuj gdziekolwiek i uruchom. Nic nie zapisuje poza swoim folderem.
Pobierz archiwumWindows 10 / 11, x64. Jeszcze niepodpisany, więc SmartScreen ostrzega raz. SHA-256 każdego pliku na stronie wydań.
