Transkribera ljudfil till text

Gör om ljud och video till exakt text, AI-sammanfattning, noteringar och chatt.

Lägg till ljud eller videoDra filer hit eller klicka för att väljaTryck för att välja ljud eller video · MP3, WAV, M4A, MP4 med fleraVälj filer

Lägg till fler filer

Steg 1Ladda upp en fil, spela in ljud eller klistra in en länk
Steg 2AI transkriberar din inspelning
Steg 3Få text med talare och tidsstämplar för ord

Mina filer

FilnamnDatum LängdStatus
70+språk
5 AI-modellerupp till 3 tim · 1 GB
AI-rapporter6 mallar & chatt
TXT · DOCX · SRToch 5 format till

Så transkriberar du en inspelning

  1. Lägg till inspelningen

    Ladda upp en eller flera filer (upp till 100 åt gången), spela in med mikrofonen eller klistra in en länk.

  2. Välj modell och språk

    Välj en modell efter snabbhet eller noggrannhet. Ange inspelningens språk eller låt modellen känna igen det. Du ser priset i krediter innan du startar.

  3. Sammanfatta, chatta och exportera

    Lyssna och läs samtidigt, skapa AI-sammanfattningar eller mötesanteckningar med ett klick, ställ frågor i AI-chatten och ladda ner TXT, DOCX, PDF, SRT eller VTT.

↑ Transkribera en fil – skrolla upp

Ljud till text med talare och tidsstämplar

Få tillbaka vilken inspelning som helst som text – uppdelad per talare och med tid för varje ord.

Talarmärkning · Tidsstämplar för ord · AI-sammanfattningar & chatt · 70+ språk · TXT · DOCX · SRT

Gör om ljud och video till exakt text, sammanfattningar, anteckningar och konkreta insikter. Välj mellan 5 modeller, chatta med dina inspelningar och exportera i valfritt format. Transkribera ljudfiler i MP3, WAV, M4A, OGG, FLAC med flera, och video i MP4, MOV, MKV, AVI eller WEBM – upp till 3 timmar och 1 GB. Du kan också spela in din röst eller klistra in en länk från YouTube, Google Drive eller direkt till en fil. Allt körs i webbläsaren på datorn eller mobilen – inget att installera.

Så ser ditt transkript ut

En inspelning med två talare, exporterad i fyra format: ren text, ett dokument och två textningsfiler. Din fil får samma struktur.

TXT
[00:01] Talare 1: 


[00:05] Talare 2: 

DOCX
Talare 1 00:01

Talare 2 00:05

SRT
1
00:00:01,200 --> 00:00:04,500



2
00:00:05,100 --> 00:00:08,300
VTT
WEBVTT

00:00:01.200 --> 00:00:04.500
<v Talare 1>


00:00:05.100 --> 00:00:08.300
<v Talare 2>

Textningsrader har 42 tecken som standard. Det kan du ändra innan du laddar ner.

AI-sammanfattningar, mötesanteckningar och chatt med din inspelning

Mer än bara en rå transkription. Skapa strukturerade rapporter med ett klick eller ställ frågor i den inbyggda AI-chatten – varje svar bygger på din inspelning och har klickbara tidsstämplar.

  • Kort sammanfattning

    Huvudämne, beslut, siffror, datum och personer i 3–5 meningar.

  • Detaljerade anteckningar

    Strukturerade anteckningar per ämne: bakgrund, diskussion, ståndpunkter, beslut och öppna frågor.

  • Beslut och uppgifter

    Bekräftade uppgifter med ansvariga, tidsfrister och citat, plus punkter som behöver förtydligas.

  • Protokoll med verifierbara citat

    Fakta som styrks av ordagranna citat med hänvisningar: diskuterat, beslutat, meningsskiljaktigheter.

  • Viktigaste insikter

    Huvudtankarna i en föreläsning, podd, intervju eller video, var och en med tidsstämpel.

  • Kapitel för YouTube

    Videokapitel med tidsstämplar, klara att klistra in i en YouTube-beskrivning.

AI-chatt med inspelningen: använd snabbfrågorna (”Vad handlar det om?”, ”Viktigaste insikter”, ”Snabb sammanfattning”, ”Vad behöver göras?”) eller ställ en egen fråga på valfritt språk. Klicka på en tidsstämpel [MM:SS] för att höra det avsnittet och ladda ner rapporten som PDF, DOCX eller TXT.

Det här gör AI-transkriberingen

5 AI-modeller

Välj Snabb, Noggrann, Balanserad, Förbättrad eller Standard. Varje modell visar pris per minut och filgräns innan du startar.

Talarmärkning

Varje talare får en etikett. Byt namn en gång så ändras det i hela transkriptet. Flytta ett avsnitt till en annan talare.

Tidsstämplar för ord

Klicka på ett ord för att spela upp ljudet därifrån. Ordet som spelas markeras under uppspelningen.

70+ språk

Med regionala varianter av engelska, spanska, arabiska och andra språk. De flesta modeller känner igen språket automatiskt.

Spela in med mikrofonen

Gör en ljudinspelning direkt i webbläsaren – pausa och fortsätt, upp till 3 timmar. När du stoppar gör vi om ditt tal till text på svenska eller ett annat språk, med talare och tidsstämplar.

Video och länkar

Ladda upp en videofil eller klistra in en länk från YouTube eller Google Drive. Ljudet tas ut automatiskt.

Testa första minuten

För filer längre än 30 minuter kan du transkribera bara första minuten och kontrollera kvaliteten. Sedan hela filen.

Transkribera igen

Inte nöjd med resultatet? Kör igen med en annan modell eller ett annat språk. Du ser priset innan du bekräftar.

Många filer på en gång: upp till 100 per uppladdning och 20 per export – räcker för en intervjuserie eller en hel termin med föreläsningar.

Modeller för taligenkänning

Varje modell har sina styrkor och sitt pris. Osäker? Börja med Snabb, eller transkribera första minuten med två modeller och jämför.

ModellPassar förNoggrannhetSnabbhetSpråkKänner igen språkFilgränsPris
SnabbMicrosoft FastSnabbast resultat och längst språklista. Kostar dubbelt så mycket per minut.76Ja3 tim / 1 GB278 krediter/min
NoggrannMAI-Transcribe-2Hög noggrannhet för intervjuer, föreläsningar och möten. Lägre filgräns.57Ja2 tim / 300 MB139 krediter/min
BalanseradGrok Voice Transcribe 2.0Hög noggrannhet i medelhög takt. Passar långa inspelningar upp till 3 timmar.25Ja3 tim / 1 GB139 krediter/min
FörbättradMicrosoft LLM SpeechTaligenkänning med inbyggd språkmodell för de vanligaste språken.—24Ja3 tim / 1 GB139 krediter/min
StandardWhisper (Microsoft Azure)Fungerar med hela språklistan. Du väljer språket själv. Långsammare än de andra modellerna.76Manuellt3 tim / 1 GB139 krediter/min

Priserna anges i krediter från ditt SpeechGen-saldo. Exakt belopp för din fil visas innan du startar.

Exportera till TXT, DOCX, PDF och textning

Dokument

TXTDOCXPDF

Textning

SRTVTTSUB

Data

CSVJSON

Urklipp

Kopiera text
Stycken
Automatiskt, eller 1 till 8 rader per stycke. Efter en paus börjar ett nytt stycke; du ställer in pausens längd (700 ms som standard).
Tidsstämplar
För stycken, för repliker, för båda – eller inga alls.
Talare
Visa eller dölj talarnamn. Slå ihop rader i följd från samma talare.
Textningsrader
Ställ in tecken per rad (42 som standard) och ord per rad.
Oformaterad text
Utan tidsstämplar och talarnamn – ren text för ett dokument eller ett AI-verktyg.

Transkribering på 70+ språk

70+ språk · 130+ regionala varianter · automatisk språkigenkänning

Svenska, engelska, finska, norska, danska, tyska, spanska, arabiska, persiska och 60+ till. Välj inspelningens språk eller låt modellen känna igen det – svenska fungerar på samma sätt som de andra språken. Listan beror på modellen: Snabb och Standard har flest språk.

Vad man transkriberar

  • Journalister och forskare

    Transkribera intervjuer och hämta citat med talare och exakt tid.

  • Studenter och lärare

    Gör om föreläsningar till anteckningar som går att söka i.

  • Poddare och videokreatörer

    Avsnittsanteckningar och textning från en enda uppladdning.

  • Möten

    Spara samtal och möten i skrift.

  • Textare

    Ladda ner SRT eller VTT och justera radlängden. Utgår du från en videofil? Använd transkribera video.

  • Översättare

    Börja från en korrekt källtext på originalspråket.

Pris per minut ljud

Transkribering betalas med krediter från ditt SpeechGen-saldo – samma saldo som du använder för uppläsning. De flesta modeller kostar 139 krediter per minut ljud; Snabb kostar 278. Priset för din fil visas innan du startar, och om en transkribering misslyckas får du tillbaka krediterna.

139krediter / minNoggrann · Balanserad · Förbättrad · Standard
278krediter / minSnabb
Se priser

Integritet och lagring

Krypterad överföring
Filer och transkript skickas via HTTPS (TLS).
Lagringstid
Med konto sparas filer och transkript i 90 dagar, utan konto i 1 dag. Du kan radera en fil när som helst.
Privata resultat
Bara du kan öppna dina resultat: via ditt konto, eller i samma webbläsare om du saknar konto. En länk ger ingen åtkomst. Vill du dela ett transkript – ladda ner det och skicka filen.

Vanliga frågor om transkription

Hur exakt blir texten?

Det beror på inspelningen och modellen. Tydligt tal från en eller två personer ger bäst resultat. Bakgrundsljud, musik, folk som pratar i mun på varandra, kraftig brytning och telefonkvalitet ger fler fel. Kontrollera alltid namn och siffror innan du publicerar.

Hur lång tid tar det?

Det beror på filens längd, modellen och kön just nu. Du kan stänga sidan: transkriptet sparas bland dina filer och dyker upp när det är klart.

Kan jag göra om MP3, M4A eller WAV till text?

Ja. Ljud- och videofiler upp till 1 GB och 3 timmar (modellen Noggrann: upp till 300 MB och 2 timmar). Vanliga format: MP3, WAV, M4A, OGG, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM. Du kan också klistra in en YouTube-länk, en offentlig Google Drive-länk eller en direktlänk till en fil.

Vilka språk stöds?

Fler än 70, många med regionala varianter. De flesta modeller känner igen språket automatiskt; med modellen Standard väljer du det själv. Är inspelningen på ett ovanligt språk – transkribera första minuten och kontrollera kvaliteten.

Vad kostar det?

Du betalar med krediter från ditt SpeechGen-saldo, per minut ljud. Priset beror på modellen och visas innan du startar.

Kan jag redigera transkriptet?

Du kan byta namn på talare, flytta ett avsnitt till en annan talare och radera avsnitt. För att rätta ord laddar du ner DOCX eller TXT och redigerar filen i din ordbehandlare.

Hur länge sparas mina filer och vem kan se dem?

Med konto i 90 dagar, utan konto i 1 dag. Du kan radera en fil tidigare. Bara du kan öppna resultatsidan; vill du dela ett transkript laddar du ner det och skickar filen.

Kan jag göra om tal till text utan att installera något?

Ja. Allt fungerar i webbläsaren på datorn eller mobilen – ingen app behövs. Spela in med mikrofonen: texten kommer när du har stoppat inspelningen, inte medan du pratar. Du kan också ladda upp en fil eller klistra in en länk.

Vilken modell ska jag välja?

Börja med Snabb för de flesta inspelningar. För intervjuer och föreläsningar där varje ord räknas – prova Noggrann. Saknas ditt språk i listan, välj Standard och ange språket själv.

Hur fungerar AI-sammanfattningar och chatten med inspelningen?

När hela inspelningen har transkriberats öppnar du fliken AI för att skapa en kort sammanfattning, detaljerade anteckningar, beslut och åtgärder, protokoll med citat, huvudpunkter eller YouTube-kapitel. Du kan även ställa frågor i AI-chatten med [MM:SS]-tidsstämplar och spara som PDF, DOCX eller TXT.

Prova med din egen inspelning

Ladda upp en fil, spela in din röst eller klistra in en länk. Du ser priset innan du startar.

  • Inget program att installera
  • Upp till 3 timmar per fil
  • Krediterna tillbaka om transkriberingen misslyckas

Transkribera hela inspelningen?

Radera filen?

Filen och transkriptet raderas. Det går inte att ångra.

Välj ett språk

Vi använder cookies för att säkerställa att du får den bästa upplevelsen på vår webbplats. Läs mer: Sekretesspolicy

Acceptera cookies