För att göra ljud till text laddar du upp filen på Transkription. Några minuter senare har du texten med skiljetecken, uppdelade talare och en tidsstämpel för varje ord, redo att kopiera eller ladda ner. Den första filen är gratis, får vara upp till 30 minuter lång och kräver inget konto. Här går vi igenom stegen, formaten, vad som faktiskt påverkar resultatet och när verktyget inte är rätt val.

Vilka filer du kan ladda upp

Sidan tar emot MP3, M4A, WAV, OGG, FLAC, AAC, WebM, MP4 och MOV. De flesta inspelningar finns redan i något av dem:

  • Appen Röstmemon på iPhone sparar M4A (så gör du på iPhone).
  • Diktafoner och ljudinspelare ger oftast MP3 eller WAV.
  • Zoom sparar ett möte på datorn som MP4-video och som M4A-ljudfil.
  • En video från mobilen är oftast MP4 eller MOV.

Du behöver inte plocka ut ljudet ur en video: MP4 och MOV fungerar direkt. En fil får vara högst 1 GB. Långa inspelningar behöver du inte klippa i delar. Webbläsaren delar upp dem själv, och du laddar upp hela filen på en gång.

Om din inspelning är en MKV-, AVI-, WMA- eller AMR-fil konverterar du den först till MP3, till exempel med den gratis spelaren VLC (menyn ”Media”, sedan ”Konvertera / Spara”). Ett röstmeddelande i WhatsApp är en .opus-fil. Byter du namn på den till .ogg fungerar det oftast; om inte konverterar du den till MP3.

Så gör du

  1. Öppna transkription.se på datorn eller mobilen. Språket är redan inställt på svenska, så du behöver inte välja något.
  2. Dra filen till rutan eller klicka på den och leta upp filen i dina mappar.
  3. Vänta tills bearbetningen är klar. Beroende på inspelningens längd tar det några minuter. Låt fliken vara öppen så länge.
  4. Läs igenom texten. Den kommer med skiljetecken, uppdelade talare (Talare 1, Talare 2 …) och en tidsstämpel för varje ord.
  5. Hämta resultatet: Kopiera lägger texten med talarangivelser i urklipp, Ladda ner ger dig en textfil (.txt) eller undertexter (.srt, .vtt).

Utan konto sparas inte transkriberingen: den finns bara i din webbläsarflik. Kopiera eller ladda ner den innan du stänger sidan. Är du inloggad hamnar den i Mina anteckningar, och du hittar den igen senare.

Sidan skapar ingen Word- eller PDF-fil. Vill du bearbeta texten vidare i Word eller Google Dokument klistrar du bara in den i ett nytt dokument.

Vad det kostar

  • Utan konto: en fil per person, högst 30 minuter ljud. Är inspelningen längre transkriberas de första 30 minuterna.
  • Med Google- eller Apple-konto: Pro är gratis fram till januari 2027, med 10 timmars transkribering i månaden och utan kort. Just nu säljs ingenting.

Mer finns på sidan Priser.

Det här ger ett bättre resultat

Hur bra transkriberingen blir beror först och främst på själva inspelningen:

  • Mikrofonen nära rösten. Mobilen eller inspelaren ska ligga nära den som pratar, inte i andra änden av bordet. I ett litet sällskap räcker en mobil i mitten, i ett stort rum räcker den inte längre.
  • Leta upp lugn och ro. Kaffemaskin, trafik, musik i bakgrunden: allt sådant ger fel. För en intervju är det fullsatta fikat den sämsta platsen.
  • Prata inte i munnen på varandra. Röster som överlappar är svåra att reda ut, och det är där de flesta felen uppstår, även när det gäller vem som pratar.
  • Kontrollera namn och facktermer. Egennamn, förkortningar och facktermer blir oftast fel. Det finns ingen egen ordlista. Rätta dem i ett svep med ”Sök och ersätt” i ditt ordbehandlingsprogram.

Vad det passar för och vad det inte kan

En transkribering hjälper dig vid en intervju för journalistik eller forskning, vid en föreläsning eller ett föredrag, vid ett möte eller telefonsamtal som du vill ha på pränt och till undertexter för en video (SRT eller VTT). Det här går däremot inte:

  • Transkribering medan du pratar. Sidan bearbetar en färdig inspelning. Den skriver inte med medan du talar.
  • Sammanfattning på startsidan. Sammanfattning, uppgiftslista eller översättning finns bara i Mina anteckningar via ”Fråga AI” (ett exempel för möten).
  • Översättning. Startsidan transkriberar bara svenska.
  • Talarnas namn. Rösterna numreras. Namnen lägger du in själv.
  • Juridisk giltighet. Om varje ord räknas (rättegång, förhör, officiella handlingar) bör en människa gå igenom texten ord för ord, eller så anlitar du en professionell transkriberingsbyrå.

Två gratisalternativ

  • Röstskrivning i Google Dokument. Under ”Verktyg” hittar du röstskrivning (Googles hjälp). Den lyssnar på mikrofonen och läser inte in någon ljudfil: bra för att diktera en kort text, inte för att transkribera en befintlig inspelning. Kontrollera i Googles hjälp att svenska finns med bland språken som stöds.
  • Whisper på din egen dator. Ska inspelningen inte lämna datorn (en känslig källa, hälsouppgifter) kan du köra OpenAI:s fria modell Whisper lokalt. Då måste du installera den själv (Python, kommandoraden, ffmpeg), och för långa inspelningar behöver du en kraftfull dator.

Vart inspelningen går

Taligenkänningen sköts av ElevenLabs (USA). Där tas inspelningen emot bara för bearbetning. Ljudfilen som du laddar upp på startsidan sparar vi inte. Om du spelar in eller importerar ljud i Mina anteckningar finns inspelningen och transkriberingen kvar i ditt konto tills du raderar dem. Resten står i integritetspolicyn.

Att spela in en annan person kräver eftertanke. I Sverige får du som regel spela in ett samtal som du själv deltar i, men att i hemlighet spela in samtal du inte är med i kan vara olovlig avlyssning enligt brottsbalken, och att sprida en inspelning kan strida mot den personliga integriteten. Säg därför till innan du trycker på inspelningsknappen.

Vill du prova kan du dra en inspelning till startsidan: den första är gratis.