Privatliv først
Uploadede filer slettes automatisk og permanent inden for to timer.
Automatisk sletning
Tale til PDF
Dikter diktat, fortælling, forelæsningsnoter, interviewsvar eller en hurtig voice-over direkte i browseren, eller upload en optagelse, og modtag ordene som et PDF dokument. Transskriptionen kører med Whisper, den open source-baserede talegenkendelsesmodel, på vores egne servere – på omkring 100 sprog, som registreres automatisk.
-
Optag: Tal ind i browseroptageren – op til 30 minutter pr. optagelse – eller upload MP3, WAV, M4A, AAC, OGG, FLAC eller WebM.
-
Transskriber: Whisper skriver ordene med tegnsætning; markér eventuelt talerskift ved interviews og møder. Output: et PDF dokument.
-
Privat: Intet uploades, før De bekræfter. Lyd og transskription slettes automatisk efter behandlingen, senest inden for få timer.
Transskription
Sådan fungerer tale til PDF
Siden kombinerer en optager i browseren med en GPU baseret transskriptionsbackend. Optagelse bruger MediaRecorder-grænsefladen, der er indbygget i Chrome, Firefox, Edge og Safari; genkendelse udføres af Whisper, open source-modellen udgivet af OpenAI, som kører på vores egen hardware frem for på et tredjeparts API.
Sådan bruger du Converter App
1
Optag eller upload
Tryk på "Optag med din mikrofon", giv adgang én gang, og tal. En timer og niveaumåler bekræfter, at der modtages lyd. Du kan også uploade en eksisterende optagelse – stemmenoter fra enhver telefon fungerer fint.
2
Kontrollér og start
Lyt til optagelsen i dialogboksen. Slå "Registrer flere talere" til ved interviews og møder (det markerer, hvem der taler, men tager betydeligt længere tid). Start derefter transskriptionen.
3
Download transskriptionen
Fremskridtet vises, mens modellen arbejder; et par minutters tale tager normalt langt under et minut. Download et PDF dokument fra resultatsiden.
Vigtigste funktioner
Whisper i maskinrummet
Whisper er trænet på 680.000 timers flersproget lyd og håndterer accenter, baggrundsstøj og teknisk ordforråd langt bedre end dikteringsmotorerne fra for få år siden. Sproget registreres automatisk.
Registrering af talere efter behov
For samtaler markerer den valgfri talerregistrering skift af taler i transskriptionen. Den fordobler omtrent behandlingstiden, og derfor er den deaktiveret som standard.
PDF output, der passer til din arbejdsgang
Transskriptionen skrives først som tekst og sættes derefter op som en PDF med LibreOffice – et enkelt, udskrivbart dokument med markerbar tekst, uden scanninger eller billeder.
Gratis og privat
Ingen konto, intet vandmærke, ingen prøvebegrænsning. Optagelsen forlader aldrig din enhed, før du bekræfter, og lydfilen og transskriptionen fjernes automatisk efter behandlingen.
Erfaring & privatliv
Bygget til pålidelige transskriptionsarbejdsgange.
Udviklet af ingeniører med 10+ års erfaring inden for storskala-infrastruktur, datasystemer og videnskabelig databehandling. Designet til virkelige lydarbejdsgange, hvor privatliv, pålidelig behandling og praktisk brugervenlighed er vigtige.
Betroet af brugere
Bedømt til 5 stjerner på Trustpilot for hastighet, pålidelighet og brugervenlighed.
Brugertillid
Akademisk brug
Citeret i publiceret forskning og brugt til interviewtransskription og kvalitativ dataanalyse.
Forskningsbrug
Sådan bliver tale til PDF på denne side
Din browser optager mikrofonen som Opus-lyd (Chrome, Firefox, Edge) eller AAC (Safari) og gemmer den i hukommelsen. Når du bekræfter, uploades filen via HTTPS til en af vores transskriberingsservere.
Her afkoder ffmpeg lyden, og Whisper – en open source-model til talegenkendelse – omdanner den til tekst i én arbejdsgang, inklusive tegnsætning og sætningsskift. Hvis højttalerregistrering er aktiveret, opdeler en diariseringsmodel først lyden efter taler, og transskriptionen annoteres derefter.
Transskriptionen skrives først som tekst og opsættes derefter som en PDF med LibreOffice – et enkelt dokument, der kan udskrives, med markerbar tekst og uden scanninger eller billeder. På resultatsiden kan du downloade den; lyden og transskriptionen slettes automatisk bagefter.
Optagelsestips, der betyder mere end enhver indstilling
Talegenkendelse er kun så god som lyden. Tre ting gør den største forskel: afstand, støj og overlap. Hold mikrofonen 10–20 cm fra munden; en telefon, der holdes tæt på, er bedre end en bærbar computer på den anden side af bordet. Sluk ventilatorer, luk vinduet, og undgå rum med kraftigt ekko.
Tal i normalt tempo, og afslut sætningerne – modellen bruger kontekst, så halve sætninger og fyldord giver dårligere tekst end lidt langsommere, sammenhængende tale. Ved interviews bør personer undgå at tale i munden på hinanden; overlappende tale er det sværeste tilfælde for enhver talegenkender.
Lyt til forhåndsvisningen, før du starter. Hvis niveauindikatoren næsten ikke bevæger sig eller konstant står helt i top, bør optagelsen foretages igen i stedet for at håbe, at transskriptionen bliver korrekt.
Typiske anvendelser af tale til PDF
Dette værktøj bruges af lærere, podcastere, journalister og alle, der tænker hurtigere højt end på et tastatur: til at udforme en e-mail eller artikel ved at tale, optage mødereferater, omdanne en forelæsning eller talebesked til søgbare noter, transskribere interviewsvar til research og få en læsbar version af en talebesked, der ikke kan afspilles lige nu.
Da Whisper automatisk registrerer sproget, fungerer den samme side til en tysk diktering, en spansk talebesked eller en engelsk forelæsning uden nogen indstilling. Transskriptionen oversættes ikke – den skrives på det sprog, der blev talt.
For lyd, der allerede findes som en fil – podcasts, forelæsninger, opkald – bruger lyd-til-tekst- og MP3 til tekst konverterne på dette websted den samme motor med de samme indstillinger.
Hvad dette værktøj ikke gør
Den oversætter ikke: transskriptioner er på det talte sprog. Den opretter ikke underteksttidskoder – brug undertekstkonverteringerne på dette websted til SRT- eller VTT filer. Den identificerer ikke talere ved navn, kun når taleren skifter, hvis talerregistrering er aktiveret. Og den kan ikke gendanne ord, der ikke kan høres i optagelsen.
Egennavne, produktnavne og sjældne forkortelser er de hyppigste fejl; en hurtig gennemlæsning af resultatet med disse i tankerne er som regel al den redigering, en ren optagelse har brug for.
FAQ
Ofte stillede spørgsmål
Hvor nøjagtig er transskriptionen?
Med en tydelig optagelse og én taler genkender Whisper typisk langt over 90 % af ordene korrekt på de største sprog, inklusive tegnsætning. Nøjagtigheden falder ved kraftig baggrundsstøj, flere personer, der taler i munden på hinanden, meget lav lydstyrke eller en markant dialekt – optagelsestippene nedenfor hjælper mere end nogen indstilling.
Hvilke sprog understøttes?
Whisper genkender omkring 100 sprog og vælger automatisk sproget ud fra de første sekunder af lyden, så der er intet at indstille. Optagelser med blandede sprog transskriberes på det dominerende sprog. Transskriptionen skrives på det talte sprog; den oversættes ikke.
Uploades lyden, mens jeg taler?
Nej. Optageren gemmer lyden i Deres browser, indtil De trykker på knappen i dialogboksen. Hvis De annullerer eller lukker fanen, bliver der ikke sendt noget. Uploadede filer og transskriptioner slettes automatisk efter behandlingen.
Hvor lang kan optagelsen være?
Optageren i browseren stopper efter 30 minutter; uploadede filer kan være længere. Behandlingstiden stiger med lydens længde, og højttalerdetektering lægger omtrent den samme tid oveni.
Hvad gør "Registrer flere talere"?
Det kører et trin til talerdiarisering før transskribering og indsætter en markering, hver gang taleren skifter. Brug det til interviews, møder og podcasts; lad det være slået fra til diktering og stemmenoter, hvor det kun øger ventetiden.
Hvordan ser PDF filen ud?
Et enkelt A4 dokument med transskriptionen som markerbar tekst – uden grafik i sidehovedet og uden vandmærke. Det er beregnet til arkivering, udskrivning eller vedhæftning i en e-mail; hvis De vil redigere ordene, giver tale-til-tekst-værktøjet på dette websted Dem den samme transskription som en .txt-fil.