Forklart
Live transkribering: tekst mens det snakkes
Hva live transkribering er, hvordan sanntidsteksting skiller seg fra vanlig transkribering, hvor den brukes, hva forsinkelsen betyr, og når du bør velge etterbehandling i stedet.
Live transkribering er at teksten kommer mens folk snakker, ikke etterpå. Forsinkelsen er ett til tre sekunder. Det høres ut som en liten forskjell fra vanlig transkribering, men det endrer både hva teknologien klarer og hva den er god til.
Hvorfor sanntid er vanskeligere
Et system som behandler et ferdig opptak kan se hele sammenhengen. Det vet hva som ble sagt to minutter senere, og kan bruke det til å tolke et utydelig ord.
Et sanntidssystem har bare fortiden. Det må bestemme seg mens setningen fortsatt pågår.
Løsningen er å vente litt. Systemet holder på lyden i et par sekunder for å høre litt fremover, og publiserer så teksten. Derfor ser du ofte at ordene justerer seg et par ganger før de låses.
Avveiningen er hard: kortere forsinkelse gir raskere tekst og flere feil. Lengre forsinkelse gir bedre tekst, men blir plagsom å følge for en som leser i sanntid.
| Live | Etterbehandlet | |
|---|---|---|
| Ser hele sammenhengen | Nei | Ja |
| Nøyaktighet | God | Bedre |
| Egennavn og fagord | Svakere | Bedre |
| Kan rettes underveis | Nei | Ja |
| Tilgjengelig når | Umiddelbart | Minutter etterpå |
Hvor det brukes
Tilgjengelighet. Den viktigste bruken. Hørselshemmede deltakere kan følge et møte eller en forelesning i tekst, uten tolk. Dette er også der kravene til kvalitet er strengest, fordi teksten er den eneste tilgangen til innholdet.
Møter og webinarer. Teksting gjør det lettere å følge med for dem som har dårlig lyd, sitter i støy, eller møter på et andrespråk.
Forelesninger. Studenter kan følge tekst og lyd samtidig, og får notatgrunnlaget uten å skrive.
Arrangementer og direktesendinger. Teksting på storskjerm, ofte kombinert med oversettelse.
Diktering. Når du skriver et dokument med stemmen, er live transkribering selve funksjonen. Du ser teksten komme og retter underveis. Se AI-diktering.
Kundeservice. Samtaler tekstes mens de pågår, slik at systemer kan foreslå svar eller flagge saker.
Live transkribering er ikke det samme som teksting
Ordene brukes om hverandre, men de er forskjellige oppgaver.
Transkriberingen produserer teksten.
Tekstingen viser den lesbart: to linjer om gangen, et begrenset antall tegn per linje, tidsstyrt slik at teksten står lenge nok til å leses. En rå strøm av ord er ikke teksting.
Skal teksten brukes som undertekst i etterkant, trenger du tidskodet format, srt eller vtt.
Når live er feil valg
Live transkribering løser problemet med å følge med. Den løser sjelden problemet med å dokumentere.
Skal du sitte igjen med et referat, er sanntid ikke det du trenger. Du trenger presis tekst og en oppsummering av beslutninger og oppgaver, og begge deler blir bedre når systemet får se hele møtet.
Skal teksten brukes til sitater i forskning eller journalistikk, gjelder det samme: etterbehandlet transkript treffer bedre på nettopp det som betyr noe, egennavn og fagord.
Er innholdet sensitivt, blir sanntid teknisk krevende, siden lyden strømmes kontinuerlig. Skal det gjøres uten at lyden forlater maskinen, må modellen kjøre lokalt og raskere enn sanntid.
En praktisk merknad om maskinvare
Live transkribering lokalt stiller høyere krav enn etterbehandling. Transkriberer du et opptak, kan systemet bruke fem minutter på en time lyd uten at noen merker det. Kjører du live, må hvert sekund lyd behandles på under ett sekund, hele veien.
På moderne Apple Silicon går dette greit. På eldre maskiner er skyen ofte det eneste som holder tempoet.
Nettopp derfor er samtidig tung GPU-bruk verdt å unngå mens du tar opp: lydinngangen og modellen konkurrerer om de samme ressursene.
Sayable
Sayable tar opp møtet og leverer transkriptet med talerne skilt, sammen med et referatutkast der beslutninger og oppgaver står som egne lister. For diktering skriver den mens du snakker.
Sayable Lokal kjører transkriberingen på din egen maskin, uten at lyden sendes noe sted.
Videre lesning
- AI tale til tekst: hvordan det virker
- AI-diktering
- Transkribering av møter
- Whisper lokal transkribering
- Tale til tekst på norsk
- Sanntidstranskribering
- Teksting
Oppsummert
Tekst med ett til tre sekunders forsinkelse. Brukes til tilgjengelighet, teksting, forelesninger og diktering. Litt mindre nøyaktig enn etterbehandling, fordi systemet ikke får se hele sammenhengen. Skal du sitte igjen med et referat, er etterbehandling riktig valg.
Ofte stilte spørsmål
Live transkribering er at tale skrives ut som tekst mens den pågår, med noen sekunders forsinkelse. Det brukes til teksting av møter, forelesninger og arrangementer, og til tilgjengelighet for hørselshemmede.
Typisk ett til tre sekunder. Systemet må høre litt fremover for å tolke ordene i sammenheng, og teksten justerer seg gjerne et par ganger før den låses. Kortere forsinkelse gir mer usikker tekst.
Nei. Et system som behandler hele opptaket etterpå kan se hele sammenhengen og treffer bedre, særlig på egennavn og fagord. Forskjellen er merkbar, men ikke dramatisk med god lyd.
Teksting er en av bruksmåtene for live transkribering. Transkriberingen er selve tekstproduksjonen, mens teksting handler om å vise den på skjerm i lesbare linjer, ofte med begrensning på antall tegn og linjer.
Ja, med en modell som kjøres på maskinen. Det stiller større krav til maskinvaren, siden arbeidet må gjøres raskere enn sanntid, men det betyr at lyden aldri sendes ut.
