Personvern først
Opplastede filer slettes automatisk og permanent innen to timer.
Automatisk sletting
Tale til PDF
Dikter diktat, fortellertekst, forelesningsnotater, intervjusvar eller en rask voice-over direkte i nettleseren, eller last opp et opptak, og få ordene som et PDF dokument. Transkriberingen skjer med Whisper, talegjenkjenningsmodellen med åpen kildekode, på våre egne servere – på rundt 100 språk med automatisk språkgjenkjenning.
-
Ta opp: Snakk inn i nettleseropptakeren – opptil 30 minutter per opptak – eller last opp MP3, WAV, M4A, AAC, OGG, FLAC eller WebM.
-
Transkriber: Whisper skriver ordene med tegnsetting; merk eventuelt talerskifter i intervjuer og møter. Utdata: et PDF dokument.
-
Privat: Ingenting lastes opp før du bekrefter. Lyd og transkripsjon slettes automatisk etter behandlingen, senest innen noen få timer.
Transkripsjon
Slik fungerer tale til PDF
Siden kombinerer en nettleserbasert opptaker med en GPU basert transkripsjonsbackend. Opptak bruker MediaRecorder-grensesnittet som er innebygd i Chrome, Firefox, Edge og Safari. Talegjenkjenning utføres av Whisper, åpen kildekode-modellen publisert av OpenAI, som kjører på vår egen maskinvare i stedet for via et tredjeparts API.
Slik bruker du Converter App
1
Ta opp eller last opp
Trykk på «Ta opp med mikrofonen», gi tilgang én gang og snakk. En tidtaker og nivåmåler bekrefter at lyden kommer inn. Du kan også laste opp et eksisterende opptak – talenotater fra hvilken som helst telefon fungerer fint.
2
Kontroller og start
Lytt til opptaket i dialogboksen. Slå på «Oppdag flere talere» for intervjuer og møter (den markerer hvem som snakker, men tar merkbart lengre tid). Start deretter transkriberingen.
3
Last ned transkripsjonen
Fremdriften vises mens modellen arbeider; noen minutters tale tar vanligvis godt under ett minutt. Last ned et PDF dokument fra resultatsiden.
Nøkkelfunksjoner
Whisper i kjernen
Whisper er trent på 680 000 timer med flerspråklig lyd og håndterer aksenter, bakgrunnsstøy og teknisk vokabular langt bedre enn dikteringsmotorene fra for noen år siden. Språket oppdages automatisk.
Talergjenkjenning ved behov
For samtaler merker den valgfrie talergjenkjenningen endringer av taler i transkripsjonen. Den dobler omtrent behandlingstiden, og er derfor deaktivert som standard.
PDF utdata som passer arbeidsflyten din
Transkripsjonen skrives først som tekst og settes deretter opp som en PDF med LibreOffice – et enkelt, utskriftsvennlig dokument med markerbar tekst, uten skanninger eller bilder.
Gratis og privat
Ingen konto, ingen vannmerke og ingen begrensning på prøveversjonen. Opptaket forlater aldri enheten din før du bekrefter, og lyd og transkripsjon fjernes automatisk etter behandling.
Erfaring og personvern
Bygget for pålitelige transkriberingsarbeidsflyter.
Utviklet av ingeniører med 10+ års erfaring innen storstilt infrastruktur, datasystemer og vitenskapelig databehandling. Utformet for virkelige lydarbeidsflyter der personvern, pålitelig behandling og praktisk brukervennlighet er viktig.
Betrodd av brukere
Vurdert til 5 stjerner på Trustpilot for hastighet, pålitelighet og brukervennlighet.
Brukertillit
Akademisk bruk
Referert til i publisert forskning og brukt til intervjutranskripsjon og kvalitativ dataanalyse.
Bruk til forskning
Slik blir tale til PDF på denne siden
Nettleseren din tar opp mikrofonen som Opus-lyd (Chrome, Firefox, Edge) eller AAC (Safari) og beholder den i minnet. Når du bekrefter, lastes filen opp via HTTPS til en av transkripsjonsserverne våre.
Der dekoder ffmpeg lyden, og Whisper – en åpen kildekode-modell for talegjenkjenning – gjør den om til tekst i én omgang, inkludert tegnsetting og setningsskift. Hvis talergjenkjenning er aktivert, deler en diariseringsmodell først lyden etter taler, og transkripsjonen merkes deretter.
Transkripsjonen skrives først som tekst og settes deretter opp som en PDF med LibreOffice – et enkelt, utskriftsvennlig dokument med markerbar tekst, uten skanninger eller bilder. På resultatsiden kan du laste den ned; lyden og transkripsjonen slettes automatisk etterpå.
Opptakstips som betyr mer enn noen innstilling
Talegjenkjenning er bare så god som lyden. Tre ting utgjør den største forskjellen: avstand, støy og overlapping. Hold mikrofonen 10–20 cm fra munnen; en telefon holdt nær munnen er bedre enn en bærbar PC på andre siden av bordet. Slå av vifter, lukk vinduet og unngå rom med mye ekko.
Snakk i normalt tempo og fullfør setningene – modellen bruker kontekst, så halve setninger og fyllord gir dårligere tekst enn litt langsommere, fullstendig tale. Ved intervjuer bør De be deltakerne om å ikke snakke i munnen på hverandre; overlappende tale er det vanskeligste tilfellet for enhver talegjenkjenner.
Lytt til forhåndsvisningen før De starter. Hvis nivåmåleren så vidt beveger seg eller hele tiden står på fullt, bør De ta opp på nytt i stedet for å håpe at transkripsjonen blir riktig.
Vanlige bruksområder for tale til PDF
Dette verktøyet brukes av lærere, podkastskapere, journalister og alle som tenker raskere høyt enn på tastaturet: til å utforme en e-post eller artikkel ved å snakke, ta opp møtereferater, gjøre et foredrag eller et talenotat om til søkbare notater, transkribere intervjusvar til forskning og få en lesbar versjon av en talemelding som ikke kan spilles av akkurat nå.
Fordi Whisper oppdager språket automatisk, fungerer samme side for tysk diktat, et spansk talenotat eller et engelsk foredrag uten noen innstillinger. Transkripsjonen blir ikke oversatt – den skrives på språket som ble snakket.
For lyd som allerede finnes som en fil – podkaster, foredrag, samtaler – bruker lyd-til-tekst- og MP3 til tekst konvertererne på dette nettstedet samme motor med de samme alternativene.
Hva dette verktøyet ikke gjør
Den oversetter ikke: transkripsjoner er på talespråket. Den lager ikke tidkoder for undertekster – bruk undertekstkonvertererne på dette nettstedet for SRT- eller VTT filer. Den identifiserer ikke talere ved navn, bare når taleren skifter hvis talerdeteksjon er aktivert. Og den kan ikke gjenopprette ord som ikke kan høres i opptaket.
Egennavn, produktnavn og sjeldne forkortelser er de vanligste feilene. En rask gjennomlesning av resultatet med dette i tankene er vanligvis all redigeringen et rent opptak trenger.
FAQ
Ofte stilte spørsmål
Hvor nøyaktig er transkripsjonen?
Med et tydelig opptak og én taler gjenkjenner Whisper vanligvis godt over 90 % av ordene riktig på store språk, inkludert tegnsetting. Nøyaktigheten blir lavere ved sterk bakgrunnsstøy, flere personer som snakker i munnen på hverandre, svært lav lyd eller kraftig dialekt – opptakstipsene nedenfor hjelper mer enn noen innstilling.
Hvilke språk støttes?
Whisper gjenkjenner omtrent 100 språk og velger språket automatisk ut fra de første sekundene av lyden, så det er ingenting å konfigurere. Opptak med flere språk transkriberes på det dominerende språket. Transkripsjonen skrives på språket som snakkes; den blir ikke oversatt.
Lastes lyden opp mens jeg snakker?
Nei. Opptakeren lagrer lyden i nettleseren din til du trykker på knappen i dialogboksen. Hvis du avbryter eller lukker fanen, blir ingenting sendt. Opplastede filer og transkripsjoner slettes automatisk etter behandling.
Hvor lang kan opptaket være?
Opptakeren i nettleseren stopper etter 30 minutter; opplastede filer kan være lengre. Behandlingstiden øker med lydens lengde, og talergjenkjenning legger til omtrent like mye tid.
Hva gjør «Oppdag flere talere»?
Den kjører et trinn for talerdiarisering før transkribering og setter inn en markør hver gang taleren endres. Bruk den til intervjuer, møter og podkaster; la den være av for diktering og talenotater, der den bare gir lengre ventetid.
Hvordan ser PDF en ut?
Et enkelt A4 dokument med transkripsjonen som markerbar tekst – uten toppgrafikk og vannmerke. Det er beregnet for arkivering, utskrift eller som vedlegg i en e-post; hvis du vil redigere ordene, gir tale-til-tekst-verktøyet på dette nettstedet deg den samme transkripsjonen som en .txt-fil.