Transkribera en ljudfil till text på svenska

Så går det till

• Ladda upp ljud- eller videofilen.
• En taligenkänningsmodell gör om talet till text och delar upp det per talare.
• Läs igenom och rätta namn och facktermer som blivit fel.
• Använd texten: sök i den, citera den eller låt AI sammanfatta den.

Att skriva ut en timmes inspelning för hand tar ungefär fyra timmar. Med AI tar samma inspelning några minuter.

Det som avgör resultatet

• Avståndet till mikrofonen. En telefon mitt på bordet ger bättre ljud än en dator längst bort i rummet.
• En person i taget. Överlappande tal är svårast för alla modeller.
• Bakgrundsljud. Musik, fläktar och trafik sänker kvaliteten mer än dialekter gör.
• Namn och facktermer. De blir ibland fel och behöver rättas efteråt.

En dålig inspelning blir inte bättre av en bättre modell. Är ljudet viktigt, testa mikrofonen innan samtalet börjar.

Transkribera en ljudfil i Sammla

I Sammla laddar du upp ljud- eller videofilen, så transkriberas och sammanfattas den som ett vanligt möte. Transkriberingen görs med Deepgram Nova-3 via EU, med talarseparering. Ett namn som blivit fel rättar du med ett klick, så ändras det i hela texten.

Du får också en sammanfattning med beslut, åtgärdspunkter och risker, och inspelningen blir sökbar tillsammans med företagets möten, mail och dokument. Möten du inte redan har spelat in kan du spela in direkt i mobilen, se guiden om att transkribera möten.

Tänk på var ljudet tar vägen

En inspelning av människor innehåller personuppgifter. Fråga därför var ljudet transkriberas, inte bara var texten sparas, och se till att de som spelats in vet om det. I Sammla sker all AI-bearbetning inom EU och allt lagras krypterat i Stockholm. Ljudet raderas efter 30 dagar när transkriptet finns, medan texten ligger kvar tills ni tar bort den. Mer i guiden om att spela in möten enligt GDPR.

Vanliga frågor