Personvern først
Opplastede filer slettes automatisk og permanent innen to timer.
Automatisk sletting
Tale til tekst
Dikter diktat, fortellertekst, forelesningsnotater, intervjusvar eller en rask voice-over direkte i nettleseren, eller last opp et opptak, og få ordene som en ren tekstfil (.txt, UTF 8). Transkriberingen kjører med Whisper, talegjenkjenningsmodellen med åpen kildekode, på våre egne servere – på rundt 100 språk, automatisk gjenkjent.
-
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; marker eventuelt talerskifter i intervjuer og møter. Utdata: en ren tekstfil (.txt, UTF 8).
-
Privat: Ingenting lastes opp før du bekrefter. Lydfilen og transkripsjonen slettes automatisk etter behandling, senest innen noen få timer.
Transkripsjon
Slik fungerer tale til tekst
Siden kombinerer en opptaker i nettleseren med en GPU basert transkripsjonsløsning. 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 lyd mottas. Du kan også laste opp et eksisterende opptak – talenotater fra enhver telefon fungerer fint.
2
Kontroller og start
Lytt til opptaket i dialogboksen. Slå på «Oppdag flere talere» for intervjuer og møter (det 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 langt under ett minutt. Last ned en ren tekstfil (.txt, UTF 8) fra resultatsiden.
Nøkkelfunksjoner
Whisper i kulissene
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.
Taledeteksjon ved behov
For samtaler merker den valgfrie talerdeteksjonen når taleren endres i transkripsjonen. Den dobler omtrent behandlingstiden, og derfor er den deaktivert som standard.
Tekstutdata som passer arbeidsflyten din
Transkripsjonen lagres som en ren UTF 8 tekstfil med vanlig tegnsetting og avsnittsskift, slik at den kan åpnes i et hvilket som helst redigeringsprogram, tekstbehandlingsprogram eller notatapp og limes inn hvor som helst.
Gratis og privat
Ingen konto, ingen vannmerke, ingen prøvegrense. Opptaket forlater aldri enheten din før du bekrefter, og lydfilen og transkripsjonen 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 tekst 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 våre transkripsjonsservere.
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 talerdeteksjon er aktivert, deler en modell for talersegmentering først opp lyden etter taler, og transkripsjonen merkes deretter.
Transkripsjonen lagres som en ren UTF 8 tekstfil med vanlig tegnsetting og avsnittsskift, slik at den kan åpnes i ethvert tekstredigeringsprogram, tekstbehandlingsprogram eller notatapp og limes inn hvor som helst. Resultatsiden lar deg 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 som holdes nær, 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, sammenhengende tale. Ved intervjuer bør De be folk 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 knapt beveger seg eller hele tiden står på fullt utslag, bør De ta opp på nytt i stedet for å håpe at transkripsjonen blir riktig.
Vanlige bruksområder for tale til tekst
Dette verktøyet brukes av lærere, podkastskapere, journalister og alle som tenker raskere høyt enn på et tastatur: 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 registrerer språket automatisk, fungerer samme side for tysk diktering, et spansk talenotat eller et engelsk foredrag uten 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 med navn, bare ved talerskifte når talergjenkjenning er aktivert. Den kan heller 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 får Whisper vanligvis godt over 90 % av ordene riktig i de største språkene, inkludert tegnsetting. Nøyaktigheten blir lavere ved mye bakgrunnsstøy, flere personer som snakker i munnen på hverandre, svært lav lyd eller sterk dialekt – opptakstipsene nedenfor hjelper mer enn noen innstilling.
Hvilke språk støttes?
Whisper gjenkjenner rundt 100 språk og velger språket automatisk ut fra de første sekundene av lyden, så det er ingenting å angi. Opptak med blandede språk transkriberes på det dominerende språket. Transkripsjonen skrives på språket som snakkes; den blir ikke oversatt.
Lastes lyden opp mens jeg snakker?
Nei. Opptakeren beholder 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 igjen.
Hva gjør «Oppdag flere talere»?
Den kjører et trinn for talerdiarisering før transkribering og setter inn en markør hver gang taleren byttes. Bruk det for intervjuer, møter og podkaster; la det være av for diktering og talenotater, der det bare øker ventetiden.
Kan jeg redigere teksten etterpå?
Ja – resultatet er en vanlig .txt-fil. Åpne den i et valgfritt tekstredigeringsprogram, rett opp navn eller tekniske termer som modellen har misoppfattet, og lim den inn der du trenger den. Egennavn og sjeldne forkortelser er det vanligste å kontrollere.