Twój mikrofon ma większe znaczenie niż jakiekolwiek pojedyncze ustawienie w aplikacji. Mikrofon krawatowy (lavalier) — mała klipsowa przypinka mocowana do koszuli lub kołnierza — to jedna z najtańszych i najbardziej znaczących inwestycji w dokładność. Znajduje się blisko ust, utrzymuje stałą odległość, gdy się poruszasz, i tłumi znaczną część hałasu z pomieszczenia, który sprawia trudność wbudowanemu mikrofonowi laptopa.

Krótko mówiąc: niemal każdy zewnętrzny mikrofon, który znajdzie się bliżej ust niż ten wbudowany w laptopa, wyraźnie poprawi Twoje wyniki.

Próg ciszy to ustawienie, które mówi DijiFlow, jaka jest różnica między Twoją mową a hałasem w tle. Dopasowanie go do Twojego pomieszczenia to pojedyncza zmiana, która zapobiega większości gubionych słów i fałszywych uruchomień. Użyj wbudowanego testu mikrofonu, aby go precyzyjnie ustawić.

1. 1 Otwórz Ustawienia i kliknij Przetestuj mikrofon.
2. 2 Mów normalnie i obserwuj wskaźnik poziomu — gdy mówisz, powinien znajdować się mniej więcej między środkiem a prawą stroną skali.
3. 3 Teraz zachowaj ciszę — poziom powinien spaść i pozostać poniżej białej linii. To, gdzie ta linia ma się znajdować, zależy od tego, jak głośno jest w Twoim pomieszczeniu.
4. 4 Przeciągnij filtr ciszy, aby przesunąć białą linię w górę lub w dół. Ta biała linia to Twój próg ciszy — wszystko poniżej niej jest traktowane jako cisza.
5. 5 Przeciągnij czułość mikrofonu, aby zmienić, jak wysoko Twój głos sięga na skali, tak aby mowa wyraźnie przekraczała linię.

Dąż do wyraźnej różnicy: Twoja mowa znacznie powyżej białej linii, a cisza znacznie poniżej niej. Sprawdzaj to ponownie za każdym razem, gdy zmieniasz pomieszczenie lub mikrofon.

DijiFlow potrafi nauczyć się słów charakterystycznych dla Ciebie — imion, żargonu, marek — i poprawiać je automatycznie. Ponieważ dzieje się to po transkrypcji, wyostrza wynik, nigdy nie wpływając na to, co model faktycznie słyszy.

1. 1 Otwórz zakładkę Słownik.
2. 2 Zaznacz dziedziny, które Cię dotyczą, aby załadować odpowiednie pakiety terminów.
3. 3 Dodaj własne, niestandardowe terminy — imiona współpracowników, nazwę firmy, nazwy produktów i wszelkie słowa, których często używasz.
4. 4 Jeśli aplikacja wciąż źle rozpoznaje jedno konkretne słowo, dodaj jego poprawną pisownię do swoich terminów, a zacznie je poprawnie zapisywać.

Traktuj swoje niestandardowe terminy jak stale rozwijaną listę: za każdym razem, gdy coś wychodzi błędnie, dodaj poprawną wersję, a problem zniknie.

Większe modele są dokładniejsze, ale wolniejsze i zużywają więcej pamięci — RAM na Macu, VRAM na Windowsie. Dla każdego komputera istnieje optymalny punkt, więc warto pobrać kilka i sprawdzić, który nadąża za Tobą.

1. 1 W przypadku angielskiego optymalny jest zwykle small lub medium. Na słabszych komputerach base również sprawdza się dobrze.
2. 2 W przypadku innych języków lub użycia mieszanego/wielojęzycznego zdecydowanie zalecamy medium lub large — mniejsze modele szybko tracą dokładność poza angielskim.
3. 3 Pobierz kilka rozmiarów i przetestuj je na własnej mowie, aby zobaczyć, z którym Twój komputer radzi sobie komfortowo.

Jeśli większy model działa ospale, zejdź o jeden rozmiar — szybki model, którego rzeczywiście używasz, jest lepszy niż dokładny, którego unikasz.

Push-to-talk powinno być bezwysiłkowe — coś, co możesz przytrzymać bez zastanowienia. Najlepszy skrót to taki, przy którym Twoje palce już spoczywają, a możesz go nawet całkowicie przenieść poza klawiaturę.

1. 1 Świetne kombinacje klawiszy do wypróbowania: Ctrl+Space, Alt+Space lub Shift+Space (zwłaszcza na Windowsie).
2. 2 Na Macu Cmd+Space jest zajęte przez Spotlight — albo zmień przypisanie Spotlight w Ustawienia systemowe → Klawiatura → Skróty klawiszowe → Spotlight i używaj Cmd+Space, albo po prostu użyj Shift+Space lub Ctrl+Space.
3. 3 Ruch dla zaawansowanych: przypisz push-to-talk oraz Enter / nową linię do przycisków wstecz i dalej w myszy — na przykład Shift+Wstecz dla nowej linii i Shift+Dalej dla Enter (albo przypisz je bezpośrednio w oprogramowaniu myszy).

Ustaw przypisania myszy, a będziesz w stanie dyktować niemal wyłącznie za jej pomocą — bez klawiatury. Na Windowsie użyj narzędzia producenta myszy; na Macu dobrze sprawdza się narzędzie do remapowania, takie jak te dla myszy do gier.

Rozpoznawanie mowy jest tylko tak dobre, jak to, co dociera do mikrofonu. Wentylator dmuchający prosto w mikrofon, zatłoczone pomieszczenie czy muzyka grająca w pobliżu — wszystko to obniża dokładność, często bardziej, niż się spodziewamy.

Jeśli hałasu nie da się uniknąć, podnieś próg ciszy, aby dopasować go do otoczenia, tak aby aplikacja nie była ciągle uruchamiana przez tło — a następnie obniż go ponownie, gdy wrócisz w ciche miejsce.

Dynamiczna optymalizacja pamięci to ustawienie, po które warto sięgnąć, gdy brakuje Ci RAM-u (Mac) lub VRAM-u (Windows). Ładuje i zwalnia modele podczas przełączania, dzięki czemu w danej chwili aktywny jest tylko jeden model — co utrzymuje słabszy komputer w dobrej kondycji.

1. 1 Jeśli modele działają wolno lub Twojemu komputerowi brakuje pamięci, włącz Dynamiczną optymalizację pamięci w Ustawieniach.
2. 2 Od tej chwili DijiFlow trzyma w pamięci tylko ten model, którego używasz, a pozostałe zwalnia przy przełączaniu.

Uwaga: jednoczesne uruchomienie transkrypcji pliku ORAZ dyktowania na żywo spowolni pracę, jeśli pamięci jest mało — ale przy wystarczającej ilości RAM/VRAM działa całkowicie płynnie.

Jeśli Twój komputer ma zapas — z grubsza więcej niż 8 GB RAM lub 12 GB VRAM — możesz mieć załadowane dwa modele i przełączać się między nimi natychmiast za pomocą różnych skrótów klawiszowych. To jedna z najbardziej produktywnych rzeczy, jakie robią zaawansowani użytkownicy.

1. 1 Dwujęzyczny? Przypisz angielski do jednego skrótu, a swój drugi język do kolejnego — przełączaj języki bez zmieniania ustawień.
2. 2 Jeden język? Przypisz dwa rozmiary modeli — szybki do błyskawicznego dyktowania i dokładniejszy na chwile, gdy możesz chwilę poczekać.
3. 3 Dzięki Q mode możesz nawet mieszać języki w obrębie jednego zdania, gdy już się przyzwyczaisz.

Sprawdza się to znakomicie, gdy piszesz e-mail w jednym języku, jednocześnie czatując lub programując w innym — wszystko w tej samej sesji, bez kombinowania.

W przypadku spotkań dokładność liczy się bardziej niż szybkość, więc wybierz najdokładniejszy model, jaki możesz — nawet jeśli jest wolniejszy. Pamiętaj, że automatyczna transkrypcja i identyfikacja mówców nigdy nie są w 100% doskonałe i same z siebie mogą nie uchwycić całego spotkania bezbłędnie. Sztuczka polega na tym, aby przekazać transkrypcję dużemu modelowi AI, który skonsoliduje ją w coś użytecznego.

1. 1 Dokonaj transkrypcji spotkania z identyfikacją mówców, używając najlepszego modelu, jaki masz.
2. 2 Jeśli wiesz, ile osób mówiło, ustaw liczbę mówców — dzięki temu identyfikacja jest znacznie dokładniejsza (zobacz wskazówkę o liczbie mówców).
3. 3 Wklej gotową transkrypcję do dużego modelu AI — ChatGPT, Gemini, Claude, DeepSeek lub Kimi — i użyj gotowego promptu poniżej, aby uzyskać czyste, skonsolidowane podsumowanie.

Pomagasz mi przekształcić surowe nagranie spotkania w coś, czego naprawdę mogę użyć.

Poniżej znajduje się transkrypcja wygenerowana automatycznie z pliku audio lub wideo, wraz z automatyczną identyfikacją mówców. Czytając ją, miej na uwadze dwie rzeczy:
- Etykiety mówców ("Speaker 1", "Speaker 2" i tak dalej) oraz pojedyncze słowa mogą być błędne. Jeśli etykieta lub słowo wyraźnie kłóci się z kontekstem rozmowy, zaufaj kontekstowi i po cichu je popraw.
- Zwykle dobrze radzisz sobie z ustaleniem, kto jest kim, na podstawie samej rozmowy, więc tam, gdzie to możliwe, odgadnij imiona.

Opcjonalnie — jeśli już wiem, kto jest kim, przypiszę to tutaj (w przeciwnym razie zostaw puste):
- Speaker 1 =
- Speaker 2 =
- Speaker 3 =

Proszę, przeczytaj całą transkrypcję i przygotuj jasne, dobrze uporządkowane podsumowanie z następującymi sekcjami:
1. Przegląd — dwa lub trzy zdania o tym, czego dotyczyło spotkanie i jaki był ogólny wynik.
2. Kluczowe punkty dyskusji — główne tematy, pogrupowane logicznie, z ważnymi szczegółami pod każdym z nich.
3. Decyzje — co faktycznie ustalono (i przez kogo, jeśli to jasne).
4. Zadania do wykonania — pogrupowane według osób: za co odpowiadają i jaki termin został wspomniany.
5. Przeszkody i ryzyka — wszystko, co zgłoszono jako problem, zależność lub obawę.
6. Pytania otwarte — wszystko, co pozostało nierozstrzygnięte lub wymaga dalszych działań.

Zachowaj zwięzłość i czytelność. Preferuj krótkie punkty zamiast długich akapitów. Jeśli coś jest niejasne lub brakuje tego w transkrypcji, powiedz to wprost, zamiast zgadywać.

Transkrypcja:
[wklej tutaj swoją transkrypcję]

Warto wiedzieć: możesz kontynuować dyktowanie w innych aplikacjach, gdy plik jest transkrybowany w tle.

DijiFlow nie służy tylko do Twojego własnego głosu — potrafi transkrybować dowolny plik wideo lub audio, który do niego przeciągniesz, wraz z identyfikacją mówców. Dzięki temu łatwo zamienisz prelekcję, wywiad lub wykład w tekst.

1. 1 Pobierz film za pomocą dowolnego internetowego narzędzia do pobierania z YouTube.
2. 2 Przeciągnij i upuść pobrany plik do DijiFlow jako wideo — resztą zajmie się aplikacja.

To samo przeciąganie i upuszczanie działa dla dowolnego lokalnego pliku audio lub wideo, nie tylko z YouTube.

Jeśli Twój komputer ma kartę graficzną Intel lub AMD, upewnij się, że DijiFlow faktycznie z niej korzysta — akceleracja sprzętowa jest dramatycznie szybsza niż praca na procesorze (CPU).

1. 1 Otwórz zakładkę GPU.
2. 2 Upewnij się, że akceleracja Intel lub AMD jest wybrana i wyświetla się jako działająca.

Ostrzeżenie dotyczące kart Intel: są zwykle zintegrowane z procesorem i współdzielą ograniczoną pamięć. Jeśli zależy Ci na szybkości na karcie Intel, ładuj mniejsze modele lub włącz Dynamiczną optymalizację pamięci, aby modele się zmieściły.

Gdy transkrybujesz spotkanie lub plik z udziałem kilku osób, identyfikacja mówców musi zgadywać, ile jest odrębnych głosów. Możesz jej ogromnie pomóc, podając to z góry.

Jeśli wiesz dokładnie, ile osób mówi w nagraniu, ustaw tę liczbę przed transkrypcją — identyfikacja mówców staje się znacznie dokładniejsza, gdy nie musi zgadywać.