Sekretess först
Uppladdade filer raderas automatiskt och permanent inom två timmar.
Automatisk radering
Tal till PDF
Diktera anteckningar, berättarröst, föreläsningsanteckningar, intervjusvar eller en snabb voice-over direkt i webbläsaren, eller ladda upp en inspelning, och få texten som ett PDF dokument. Transkriberingen sker med Whisper, den öppna källkodsmodellen för taligenkänning, på våra egna servrar – på omkring 100 språk som identifieras automatiskt.
-
Spela in: Tala i webbläsarens inspelare – upp till 30 minuter per inspelning – eller ladda upp MP3, WAV, M4A, AAC, OGG, FLAC eller WebM.
-
Transkribera: Whisper skriver orden med skiljetecken; markera valfritt talarbyten för intervjuer och möten. Resultat: ett PDF dokument.
-
Privat: Ingenting laddas upp förrän du bekräftar. Ljudfilen och transkriptionen raderas automatiskt efter bearbetningen, senast inom några timmar.
Transkribering
Så fungerar tal till PDF
Sidan kombinerar en inspelare i webbläsaren med en GPU baserad transkriberingstjänst. Inspelningen använder MediaRecorder-gränssnittet som är inbyggt i Chrome, Firefox, Edge och Safari; taligenkänningen utförs av Whisper, den öppna källkodsmodellen från OpenAI, som körs på vår egen maskinvara i stället för via ett tredjeparts API.
Så använder du Converter App
1
Spela in eller ladda upp
Tryck på ”Spela in med din mikrofon”, tillåt åtkomst en gång och börja prata. En timer och nivåmätare bekräftar att ljud spelas in. Du kan också ladda upp en befintlig inspelning – röstmemon från vilken telefon som helst fungerar.
2
Kontrollera och starta
Lyssna på inspelningen i dialogrutan. Aktivera ”Identifiera flera talare” för intervjuer och möten (funktionen markerar vem som talar men tar märkbart längre tid). Starta sedan transkriberingen.
3
Ladda ner transkriptionen
Förloppet visas medan modellen arbetar; några minuters tal tar vanligtvis betydligt mindre än en minut. Ladda ner ett PDF dokument från resultatsidan.
Nyckelfunktioner
Whisper-teknik i bakgrunden
Whisper har tränats på 680 000 timmar flerspråkigt ljud och hanterar accenter, bakgrundsbrus och teknisk terminologi betydligt bättre än dikteringsmotorerna från för några år sedan. Språket identifieras automatiskt.
Talardetektering på begäran
För samtal markerar den valfria talarigenkänningen när talaren byts i transkriberingen. Den fördubblar ungefär bearbetningstiden, vilket är anledningen till att den är avstängd som standard.
PDF utdata som passar ditt arbetsflöde
Transkriptionen skrivs först som text och formateras sedan som en PDF med LibreOffice – ett enkelt, utskrivbart dokument med markerbar text, utan skanningar eller bilder.
Gratis och privat
Inget konto, ingen vattenstämpel och ingen testgräns. Inspelningen lämnar aldrig din enhet förrän du bekräftar, och ljudet och transkriptionen tas bort automatiskt efter bearbetningen.
Erfarenhet & integritet
Byggd för tillförlitliga transkriptionsarbetsflöden.
Utvecklad av ingenjörer med 10+ års erfarenhet av storskalig infrastruktur, datasystem och vetenskaplig beräkning. Utformad för verkliga ljudarbetsflöden där integritet, pålitlig bearbetning och praktisk användbarhet är viktiga.
Betrodd av användare
Betygsatt med 5 stjärnor på Trustpilot för snabbhet, tillförlitlighet och användarvänlighet.
Användarnas förtroende
Akademisk användning
Refererad i publicerad forskning och använd för intervjutranskribering och kvalitativ dataanalys.
Användning för forskning
Så här blir tal till PDF på den här sidan
Din webbläsare spelar in ljud från mikrofonen som Opus-ljud (Chrome, Firefox, Edge) eller AAC (Safari) och behåller det i minnet. När du bekräftar laddas filen upp via HTTPS till en av våra transkriberingsservrar.
Där avkodar ffmpeg ljudet och Whisper – en öppen källkodsmodell för taligenkänning – omvandlar det till text i ett enda steg, inklusive interpunktion och meningsbrytningar. Om talaridentifiering är aktiverad delar en diariseringsmodell först upp ljudet efter talare och transkriberingen kommenteras därefter.
Transkriberingen skrivs först som text och formateras sedan som en PDF med LibreOffice – ett enkelt, utskrivbart dokument med markerbar text, utan skanningar eller bilder. På resultatsidan kan du ladda ned den; ljudet och transkriberingen raderas automatiskt efteråt.
Inspelningstips som är viktigare än någon inställning
Taligenkänning är bara så bra som ljudet. Tre saker gör störst skillnad: avstånd, brus och överlappningar. Håll mikrofonen 10–20 cm från munnen; en telefon som hålls nära är bättre än en laptop på andra sidan bordet. Stäng av fläktar, stäng fönstret och undvik rum med kraftigt eko.
Tala i normal takt och avsluta meningarna – modellen använder sammanhanget, så halvfärdiga meningar och utfyllnadsord ger sämre text än något långsammare, fullständigt tal. Vid intervjuer bör personerna undvika att prata i mun på varandra; överlappande tal är det svåraste fallet för alla taligenkänningssystem.
Lyssna på förhandsgranskningen innan du börjar. Om nivåmätaren knappt rör sig eller ständigt står på max bör du spela in på nytt i stället för att hoppas att transkriberingen blir korrekt.
Vanliga användningsområden för tal till PDF
Det här verktyget används av lärare, poddare, journalister och alla som tänker snabbare högt än på ett tangentbord: för att skriva utkast till e-postmeddelanden eller artiklar genom att prata, fånga mötesanteckningar, omvandla en föreläsning eller ett röstmemo till sökbara anteckningar, transkribera intervjusvar för forskning och få en läsbar version av ett röstmeddelande som inte kan spelas upp just nu.
Eftersom Whisper automatiskt identifierar språket fungerar samma sida för tysk diktering, en spansk röstanteckning eller en engelsk föreläsning utan några inställningar. Transkriptionen översätts inte – den skrivs på språket som talades.
För ljud som redan finns som en fil – poddar, föreläsningar, samtal – använder ljud-till-text- och MP3 till text konverterarna på den här webbplatsen samma teknik med samma alternativ.
Vad det här verktyget inte gör
Det översätter inte: transkriptioner är på det talade språket. Det skapar inga undertextstider – för SRT- eller VTT filer använder du undertextkonverterarna på den här webbplatsen. Det identifierar inte talare med namn, endast när talaren byts om talarigenkänning är aktiverad. Det kan inte heller återställa ord som inte hörs i inspelningen.
Egennamn, produktnamn och ovanliga förkortningar är de vanligaste felen; en snabb genomläsning av resultatet med dessa i åtanke är vanligtvis all redigering som en tydlig inspelning behöver.
FAQ
Vanliga frågor
Hur korrekt är transkriptionen?
Med en tydlig inspelning och en talare återger Whisper vanligtvis långt över 90 % av orden korrekt på stora språk, inklusive skiljetecken. Noggrannheten minskar vid mycket bakgrundsljud, flera personer som pratar i mun på varandra, mycket låg ljudnivå eller kraftig dialekt – inspelningstipsen nedan hjälper mer än någon inställning.
Vilka språk stöds?
Whisper känner igen omkring 100 språk och väljer automatiskt språk utifrån de första sekunderna av ljudet, så ni behöver inte ställa in något. Inspelningar med blandade språk transkriberas på det dominerande språket. Transkriptionen skrivs på det språk som talas; den översätts inte.
Laddas ljudet upp medan jag talar?
Nej. Inspelaren sparar ljudet i din webbläsare tills du trycker på knappen i dialogrutan. Om du avbryter eller stänger fliken har inget skickats. Uppladdade filer och transkriptioner raderas automatiskt efter bearbetning.
Hur lång kan inspelningen vara?
Inspelningsfunktionen i webbläsaren stoppas efter 30 minuter, men uppladdade filer kan vara längre. Bearbetningstiden ökar med ljudets längd, och talarigenkänning lägger till ungefär lika mycket tid igen.
Vad gör ”Identifiera flera talare”?
Den kör ett steg för talardiarisering före transkriberingen och infogar en markering varje gång talaren ändras. Använd den för intervjuer, möten och poddar; låt den vara avstängd för diktering och röstanteckningar, där den bara ökar väntetiden.
Hur ser PDF filen ut?
Ett enkelt A4 dokument med transkriptionen som markerbar text – utan sidhuvudsgrafik och vattenstämpel. Det är avsett för arkivering, utskrift eller som bilaga i e-post. Om du vill redigera texten ger tal-till-text-verktyget på den här webbplatsen dig samma transkription som en .txt-fil.