Att transkribera betyder att skriva ned det som sägs i ett ljud eller en video, så att talet blir text. Ordet kommer från latinets transcribere, att skriva över. Transkribering kan vara ordagrann, redigerad eller sammanfattad. Den används i forskning, journalistik, rättsväsende och möten. I dag görs mycket av arbetet med AI, som gör om ljud till text på minuter, men texten bör alltid granskas av en människa.
Vad betyder transkribering?
Transkribering är processen där tal skrivs ned som text. Ordet kommer från latinets transcribere, som betyder skriva över eller skriva av. I svenskan används verbet transkribera och substantivet transkribering, och båda finns i Svenska Akademiens ordlista. Inom språkvetenskap kan ordet också betyda att återge uttal med fonetiska tecken, men i vardagen menar vi nästan alltid att göra ljud till läsbar text.
Det finns tre vanliga typer. Vilken du väljer beror på vad texten ska användas till.
Transkribering används där det som sägs måste gå att granska i efterhand. Forskare transkriberar intervjuer för kvalitativ analys. Journalister behöver exakta citat. I rättsväsendet skrivs förhör och förhandlingar ned. På arbetsplatser blir möten till protokoll, så att alla vet vad som bestämdes och vem som gör vad.
- Ordagrann transkribering: allt skrivs ned, även upprepningar, tvekljud och pauser. Vanligt i forskning och juridik.
- Redigerad transkribering: talet återges troget men utfyllnadsord och felsägningar rensas bort. Lättare att läsa.
- Sammanfattad transkribering: bara innehållet och besluten återges. Vanligt för möten och protokoll.
Vad är tal till text?
Tal till text är tekniken som gör om talat språk till skriven text. Det är grunden för all automatisk transkribering, men begreppet används ofta om det som sker i realtid.
Skillnaden ligger i när texten skapas. Vid tal till text i realtid dyker orden upp medan du pratar, till exempel när du dikterar ett sms i telefonen eller slår på livetextning i ett Teams-möte. Texten är snabb men ofta ofärdig, utan stycken och med fel som aldrig rättas.
Vid transkribering av inspelat ljud bearbetas hela inspelningen i efterhand. Modellen hör då sammanhanget före och efter varje ord, vilket brukar ge bättre resultat. Det går också att märka ut talare, tider och stycken. Vill du läsa mer om diktering och realtid finns en egen guide om tal till text på Diktly.
Hur fungerar AI-transkribering?
AI-transkribering bygger på taligenkänningsmodeller som tränats på stora mängder ljud med tillhörande text. Ljudet delas först upp i korta bitar och görs om till en digital representation av frekvenser. Modellen räknar sedan ut vilka ljud, ord och meningar som mest sannolikt sägs, och väger in sammanhanget för att välja rätt ord när två låter lika.
Att känna igen vem som pratar kallas talaridentifiering. Systemet jämför röstens egenskaper, som tonläge och klangfärg, och grupperar repliker som låter som samma person. I ett digitalt möte kan systemet också få hjälp av vem som var ansluten och vems mikrofon som var aktiv.
Flera saker påverkar hur träffsäker texten blir. AI-transkribering är snabb: ett möte på en timme kan vara klart på några minuter. Manuell transkribering tar ofta flera gånger längre tid än själva inspelningen. Därför används AI för det grova arbetet och människan för granskningen.
Modeller som är byggda för svenska hanterar svenska namn, dialekter och fackord bättre än modeller som främst tränats på engelska.
- Ljudkvalitet: brus, eko och avstånd till mikrofonen ger fler fel.
- Dialekt och talstil: snabbt tal och starka dialekter är svårare.
- Överlappande tal: när flera pratar samtidigt blir det svårt att skilja replikerna åt.
- Fackord och namn: ovanliga ord tolkas lätt som vanliga ord som låter likadant.
- Språk: modeller tränade på svenska klarar svenska bättre.
Hur transkriberar jag text?
Oavsett verktyg följer transkribering samma fyra steg. Följ dem så får du en text som går att lita på.
- 01
Spela in
Använd en bra mikrofon och sitt nära den. Välj ett tyst rum och be deltagarna att inte prata i mun på varandra. Berätta att du spelar in och fråga om det är okej.
- 02
Ladda upp
Ladda upp ljudfilen i ett transkriberingsverktyg. Vanliga format som mp3, m4a och wav fungerar i de flesta tjänster. Välj rätt språk innan du startar.
- 03
Granska
Lyssna igenom de delar där texten ser konstig ut. Rätta namn, siffror och fackord. Kontrollera att talarna är rätt märkta.
- 04
Exportera
Spara texten i det format du behöver, till exempel Word, PDF eller ren text. Dela den med dem som var med och spara den där den går att hitta igen.
Så används Diktly för transkribering
Diktly är byggt för svenska möten. Boten går med i Microsoft Teams och Google Meet, och du kan också spela in mötet i webbläsaren eller i appen, eller ladda upp en ljudfil.
Medan mötet pågår skrivs varje replik ned med namn och tid. När mötet är slut blir transkriptet en sammanfattning eller ett protokoll med beslut och uppgifter. Uppgifterna kan skickas vidare till era verktyg, och med Fråga Diktly kan du söka i det som sagts i tidigare möten.
Mötesdata lagras i Stockholm. Vill du se hur ett färdigt protokoll kan se ut finns en mall för mötesprotokoll, och för rekrytering finns en guide om intervjuanteckningar.
Mall för ett transkript
Använd mallen när du transkriberar en intervju eller ett möte. Den gör texten lätt att läsa och lätt att granska i efterhand.
## Transkript · [Titel på mötet eller intervjun] **Datum:** [ÅÅÅÅ-MM-DD] **Deltagare:** [Namn, roll] **Typ av transkribering:** [Ordagrann, redigerad eller sammanfattad] ## Transkript [00:00] **Namn 1:** Text. [00:15] **Namn 2:** Text. [00:42] **Namn 1:** Text. [ohörbart] markerar ord som inte går att höra. ## Beslut - [Beslut] ## Uppgifter - [Uppgift] · [Ansvarig] · [Datum] Vill du ha ett färdigt upplägg för möten finns en [mall för mötesprotokoll](/guider/motesprotokoll-mall). Läs också om [tal till text](/guider/tal-till-text) och om att [spela in samtal lagligt](/guider/spela-in-mote-lagligt).
Vanliga frågor
Vad är transkribering?
Transkribering är när tal i ett ljud eller en video skrivs ned som text. Det kan göras för hand eller med AI, och texten kan vara ordagrann, redigerad eller sammanfattad.
Hur transkriberar man från röstmemo?
På iPhone öppnar du appen Röstmemon, väljer inspelningen, trycker på dela och sparar den som fil. Filen blir oftast m4a. På Android delar du inspelningen från appen du spelade in med, ofta som m4a eller mp3. Ladda sedan upp filen i ett transkriberingsverktyg som stödjer formatet och välj svenska som språk.
Kan man transkribera i Word?
Word för Microsoft 365 har en funktion som heter Transkribera, där du kan spela in eller ladda upp ljud och få text med talare och tider. Funktionen finns i vissa versioner och har gränser för hur mycket som kan transkriberas. Kontrollera aktuella villkor och språkstöd hos Microsoft innan du väljer den.
Vilken är den bästa appen för transkribering utan kostnad?
Det beror på vad du behöver. Jämför hur bra appen klarar svenska, om det finns gränser för antal minuter, var ljudet och texten lagras och om du kan märka ut talare. För arbetsmöten är det viktigt att veta var data behandlas. Diktly har betalda paket med pris per företag, och priserna finns på sidan om priser.
Vad är tal till text?
Tal till text är tekniken som gör om talat språk till text. Den används både i realtid, som vid diktering och livetextning, och i efterhand när en inspelning transkriberas.
Vad är kvalitativ metod?
Kvalitativ metod är ett sätt att forska där man vill förstå upplevelser och sammanhang, ofta genom intervjuer och observationer. Intervjuerna transkriberas så att de kan analyseras noggrant.
Vad är tematisk analys?
Tematisk analys är en metod för att hitta mönster i kvalitativa data, till exempel transkriberade intervjuer. Man kodar texten och samlar koderna i teman. Teman och deras samband kan sedan ritas upp i en tematisk karta.