VS Code में वॉइस टू टेक्स्ट का पूरा किस्सा बदल चुका है, और इंटरनेट पर मौजूद ज़्यादातर सलाह पुरानी पड़ चुकी है। डिक्टेशन अब एक्सटेंशन के भरोसे नहीं, बल्कि बिल्ट-इन है, यह डिवाइस पर ही चलता है, और जहाँ एआई फ़ीचर चालू हैं वहाँ डिफ़ॉल्ट रूप से चालू रहता है। लेकिन यह हर प्लेटफ़ॉर्म को कवर नहीं करता, और एडिटर की सीमा पर आकर रुक जाता है।
यह रही मौजूदा स्थिति और तीन तरीक़ों में से चुनने का तरीक़ा।
विकल्प 1: VS Code का बिल्ट-इन डिक्टेशन
इसे dictation.enabled सेटिंग नियंत्रित करती है, और वह डिफ़ॉल्ट रूप से चालू रहती है। डिक्टेशन डिवाइस पर चलने वाला मॉडल nemotron-3.5-asr-streaming-0.6b इस्तेमाल करता है, इसलिए ऑडियो आपकी मशीन पर ही रहता है।
कुंजी संयोजन: macOS पर ⌥⌘V एडिटर में डिक्टेशन शुरू करता है (Windows और Linux पर Ctrl+Alt+V)। ⌘I चैट में बोलकर लिखता है (बाक़ी जगह Ctrl+I)। शुरू करने वाली कुंजी दबाए रखिए तो वॉकी-टॉकी मोड मिलता है: जब तक आप छोड़ते नहीं, पहचान चलती रहती है, और छोड़ते ही अपने आप भेज दिया जाता है।
पेच प्लेटफ़ॉर्म कवरेज में है:
| समर्थित | असमर्थित |
|---|---|
| Apple Silicon वाला macOS | Intel वाले Mac |
| Windows x64 और Arm64 | ब्राउज़र में चलने वाला VS Code |
| Linux x64/Arm64, glibc 2.34+ | musl आधारित Linux (Alpine) |
| रिमोट वर्कस्पेस | 32-बिट और Arm32 |
Intel वाले Mac पर बिल्ट-इन डिक्टेशन उपलब्ध ही नहीं है।
गोपनीयता से जुड़ी एक बात जानने लायक़ है: अगर आप dictation.experimental.llmCleanup चालू करते हैं, तो VS Code ट्रांसक्रिप्ट का टेक्स्ट — ऑडियो नहीं — फ़ॉर्मैटिंग के लिए Copilot के सर्वर पर भेजता है। ऑडियो दोनों ही स्थितियों में डिवाइस पर रहता है, पर सफ़ाई वाला चरण नहीं। अगर यह आपके लिए मायने रखता है, तो इसे बंद ही रखिए।
टर्मिनल के लिए ख़ास व्यवहार है: पहचान कमांड सिंटैक्स के हिसाब से ढल जाती है, और accessibility.voice.speechTimeout चुप्पी के बाद अपने आप रोक देता है।
विकल्प 2: VS Code Speech एक्सटेंशन
Microsoft का यह एक्सटेंशन बिल्ट-इन समर्थन से पहले का है और अब भी दो खाइयाँ भरता है।
यह उन प्लेटफ़ॉर्म को कवर करता है जिन्हें बिल्ट-इन डिक्टेशन नहीं करता — Intel वाले Mac, ब्राउज़र में VS Code, और musl वाला Linux। अगर आपके हार्डवेयर पर बिल्ट-इन मॉडल चलता ही नहीं, तो रास्ता यही है।
यह "Hey Code" देता है। Copilot Chat सत्र शुरू करने के लिए वेक-वर्ड सक्रियण सिर्फ़ एक्सटेंशन में है, और यह चैट व्याकरण समझता है: "at workspace" @workspace बन जाता है, "slash fix" /fix। अगर आपको GitHub Copilot Chat पूरी तरह आवाज़ से चलाना पसंद है, तो यहाँ वह मिलता है जो बिल्ट-इन समर्थन दोहराता नहीं।
एक्सटेंशन मुफ़्त है, Microsoft इसे संभालता है, और भाषा समर्थन अलग-अलग साथी एक्सटेंशन के रूप में आता है।
विकल्प 3: पूरे सिस्टम वाला डिक्टेशन
ऊपर के दोनों विकल्प एडिटर तक सीमित हैं। यही सीमा तीसरे तरीक़े का पूरा तर्क है, और यह मायने रखती है या नहीं, यह इस पर निर्भर है कि आपके शब्द असल में जाते कहाँ हैं।
एक सामान्य दिन सिर्फ़ VS Code में कोड नहीं होता। साथ आते हैं GitHub पर पीआर विवरण, रिव्यू टिप्पणियाँ, तरीक़े पर Slack का थ्रेड, टिकट, डिज़ाइन दस्तावेज़, कमिट संदेश, और उस व्यक्ति को ईमेल जो आप पर अटका है। VS Code का डिक्टेशन इनमें से ठीक एक जगह काम आता है। बाक़ी सब ब्राउज़र और चैट ऐप में रहता है।
पूरे सिस्टम वाला टूल इन सब में चलता है, एक ही शॉर्टकट और एक ही व्यवहार के साथ। Vext की बात यही है: ऐसा डिक्टेशन जो उसी ऐप में लिखता है जो सामने हो, और प्रति-ऐप स्टाइल के साथ, ताकि Slack को चैट जैसा संदेश मिले, मेल क्लाइंट को ईमेल फ़ॉर्मैटिंग, और टर्मिनल को बिना छेड़ा हुआ ट्रांसक्रिप्ट।
दूसरा व्यावहारिक अंतर शब्दावली का है। सुधार हर ऐप के हर ट्रांसक्रिप्ट पर लागू होते हैं — आपके मॉड्यूल के नाम, निर्भरताएँ और सहकर्मियों के नाम पीआर विवरण और Slack संदेश में भी पहचाने जाते हैं, सिर्फ़ एडिटर के भीतर नहीं। ट्रांसक्रिप्शन FluidAudio के ज़रिए Parakeet TDT v3 से डिवाइस पर चलता है, और सुधार के लिए स्थानीय MLX मॉडल इस्तेमाल होता है।
brew install muvon/tap/vext
किसे चुनें
बिल्ट-इन डिक्टेशन तब, जब आपका हार्डवेयर समर्थित हो और आप आवाज़ का इस्तेमाल ज़्यादातर Copilot Chat को निर्देश देने और एडिटर के भीतर टिप्पणियाँ लिखने के लिए करते हों। यह मुफ़्त है, पहले से मौजूद है, और डिवाइस पर चलता है। कुछ इंस्टॉल करने की ज़रूरत नहीं।
Speech एक्सटेंशन तब, जब आप Intel वाले Mac पर या ब्राउज़र में VS Code पर हों, या ख़ास तौर पर "Hey Code" चाहते हों।
पूरे सिस्टम वाला तब, जब एडिटर आपकी टाइपिंग का छोटा हिस्सा हो। कोड के इर्द-गिर्द का गद्य आमतौर पर कोड से भारी पड़ता है — यही बात हमने डेवलपरों के लिए वॉइस नोट्स में रखी थी।
ये आपस में अलग-अलग नहीं हैं। चैट के लिए बिल्ट-इन डिक्टेशन और बाक़ी हर जगह पूरे सिस्टम वाला टूल — यह बिलकुल समझदारी भरा सेटअप है।
जो कोई भी ढंग से नहीं कर पाता
खुद कोड बोलकर लिखना। for (let i = 0; i < arr.length; i++) बोलना टाइप करने से धीमा और ज़्यादा ग़लतियों वाला है, और इस सूची का कोई टूल इसे नहीं बदलता। प्रतीक, सटीक विराम चिह्न और पहचानकर्ताओं का बड़ा-छोटा अक्षर — यहीं आवाज़ बिखर जाती है।
डेवलपर के काम में आवाज़ जिस चीज़ में सचमुच अच्छी है वह है मंशा: किसी एजेंट को बताना कि आप क्या चाहते हैं, रिव्यू टिप्पणी में कोई समझौता समझाना, वह पीआर विवरण लिखना जो क्यों बताता है। किसी कोडिंग एजेंट को एक पैराग्राफ़ संदर्भ बोलने में क़रीब बीस सेकंड लगते हैं और वह उन संक्षिप्त निर्देशों से बेहतर निकलता है जो आप टाइप करते — क्योंकि आप वे बंधन भी शामिल कर लेते हैं जिन्हें वरना काट देते। यही तर्क हमने एआई एजेंट के साथ वॉइस कोडिंग में रखा था, और यह तब भी लागू होता है जब शब्द VS Code के माइक्रोफ़ोन बटन से जाएँ और तब भी जब पूरे सिस्टम वाले शॉर्टकट से।
अगर आप VS Code के बजाय Cursor में हैं, तो वही तर्क अलग बिल्ट-इन सुविधाओं के साथ लागू होता है — देखिए Cursor के लिए वॉइस इनपुट। और अगर आप चाहते हैं कि कुंजी दबाने के बजाय आपका एजेंट ही डिक्टेशन नियंत्रित करे, तो Vext इसे MCP के ज़रिए उपलब्ध कराता है, जिसकी चर्चा हमने 1.4.0 में की थी।
Vext एक बार $49 का है, इसमें 100 डिक्टेशन का ट्रायल है। Apple Silicon वाले macOS 14+ पर।