Af whispertranscribe.ai's redaktion · Senest opdateret: november 2026 · 12 minutters læsning
For at transskribere MP3 til tekst kan du lægge filen i et AI-transskriptionsværktøj, vælge det talte sprog og eksportere resultatet som DOCX, TXT eller SRT. Du kan også bruge Microsoft Words Transcribe-funktion, skrive selv eller køre OpenAI's gratis Whisper-model på din egen computer. Uanset metode sætter MP3-filens kvalitet grænsen for resultatet.
Nedenfor finder du alle fire metoder trin for trin, forklaring af bitrate og samplerate, en lydtjekliste, tips til lange filer og flere talere samt en korrekturrutine i tre gennemgange.
Kort svar: Sådan transskriberer du MP3 til tekst
For de fleste er et onlineværktøj hurtigst: Det tager MP3-filen som den er, mærker talere og returnerer en redigerbar fil. Brug Word, hvis du allerede betaler for Microsoft 365, skriv korte klip manuelt, og kør Whisper lokalt, når lyden ikke må forlade computeren.
- Kontrollér filen. Afspil 30 sekunder for at sikre, at stemmerne er klare.
- Upload og vælg indstillinger. Vælg det talte sprog, og slå talergenkendelse til, hvis flere personer taler.
- Læs korrektur og eksportér. Ret navne og tal, og download DOCX eller TXT til dokumenter og SRT eller VTT til undertekster.
Hvilken metode skal du bruge?
Vælg efter tre ting: lydmængden, behovet for taleretiketter og hvor lyden må sendes hen. Microsoft-oplysningerne blev kontrolleret i november 2026.
| Metode | Pris | Taleretiketter | Hvor lyden sendes hen | Bedst til |
|---|---|---|---|---|
| 1. Online transskriptionsværktøj | Gratis start hos mange, betalte abonnementer til større mængder | Ja, hos de fleste | Udbyderens servere | Interviews, podcasts, forelæsninger og regelmæssigt arbejde |
| 2. Microsoft Word Transcribe | Inkluderet i Microsoft 365, op til 300 uploadede minutter om måneden | Ja (Speaker 1, Speaker 2) | Microsofts servere, fil i OneDrive | Lejlighedsvise filer, hvis du allerede bruger Word |
| 3. Manuel transskription | Gratis, men tager timer | Du tilføjer dem | Bliver på din enhed | Korte klip og citater, der skal være præcise |
| 4. Whisper på din computer | Gratis, open source | Ikke i det officielle værktøj | Bliver på din enhed | Privat lyd, tekniske brugere og batchbehandling |
Før du starter: Tjek din MP3 på 60 sekunder
MP3 er et format med tab. Library of Congress' formatbeskrivelse forklarer, at det fjerner lyde, mennesker er mindre tilbøjelige til at høre, og at en MP3 ved 128 kbit/s er cirka en ellevtedel af størrelsen på lyd i CD-kvalitet. Tabte detaljer kan ikke genskabes, så undersøg udgangspunktet.
På Windows åbner du Properties → Details; på Mac Get Info. Med FFmpeg installeret viser denne kommando codec, samplerate, kanaler, bitrate og varighed:
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,sample_rate,channels,bit_rate -show_entries format=duration -of default=noprint_wrappers=1 interview.mp3
Kommandoen blev ikke kørt i denne gennemgang; den kan vise linjer som sample_rate=44100 og bit_rate=128000. Sådan læses de:
| Værdi | Hvad den fortæller | Betydning for transskription |
|---|---|---|
| bit_rate | Hvor mange data pr. sekund der overlevede komprimeringen | Meget lave bitrater efterlader færre detaljer, som ikke kan genskabes |
| sample_rate | Hvor mange gange i sekundet lyden blev målt | Google anbefaler mindst 16.000 Hz til talegenkendelse |
| channels | Mono (1) eller stereo (2) | Stereo er fint; Whisper mikser til mono, når lyden indlæses |
| duration | Optagelsens længde | Viser, om du rammer et værktøjs længde- eller minutgrænse |
Påvirker MP3-bitrate transskriptionens nøjagtighed?
Det kan den. Google Clouds bedste praksis for talegenkendelse siger, at codecs med tab, herunder MP3, kan reducere nøjagtigheden, og at støj og ekko skader mere, når et sådant codec også bruges. Der findes ingen offentliggjort bitrategrænse, så betragt bitrate som én af flere faktorer. En klar stemme tæt på mikrofonen betyder mere end høj bitrate.
Den praktiske regel: Transskriber den bedste version, du har. Findes den originale WAV eller FLAC stadig, så brug den. Genkodning af en 96 kbps-fil til 320 kbps eller lagring som WAV gør den større uden at genskabe noget.
Hvilken samplerate kræver talegenkendelse?
Til talegenkendelse er 16 kHz normalt nok. OpenAI's open source-Whisper indlæser hver fil via FFmpeg, konverterer til mono og resampler til 16.000 Hz, før modellen behandler den (whisper/audio.py på GitHub). Googles guide fraråder også selv at resample. En telefonoptagelse ved 8.000 Hz bør sendes som den er, ikke opsamples.
De 44,1 kHz eller 48 kHz i en typisk MP3 er mere end nok. Konvertér ikke sampleraten før upload.
Tjekliste til lydkvalitet
Før noget vigtigt:
- Lyt til starten og et afsnit i midten. Er sproget korrekt, og kan alle høres?
- Kontrollér lydstyrken.
ffmpeg -i interview.mp3 -af volumedetect -f null -viser gennemsnit og maksimum. Et maksimum tæt på 0 dB kan betyde klipning, og forvrængede toppe er svære at genskabe. - Undgå kraftig støjreduktion. Googles guide siger, at støjreduktion før genkendelse typisk reducerer nøjagtigheden.
- Lav en liste over navne, forkortelser og fagudtryk til senere korrektur.
- Behold originalfilen, indtil transskriptionen er færdig.
Metode 1: Upload MP3-filen til et online transskriptionsværktøj
Onlineværktøjer er den hurtigste måde at omdanne en lang MP3 til redigerbar tekst: Modellen kører på udbyderens servere, og intet skal installeres. Trinnene bruger whispertranscribe.ai. whispertranscribe.ai er et webbaseret AI-værktøj baseret på OpenAI's Whisper-model, der omdanner lyd og video til tekst på over 130 sprog og accepterer uploads på op til 5 GB og 10 timer. Andre værktøjer virker tilsvarende med andre menuer.
Trin 1: Åbn MP3-transskriptionssiden, og vælg sprog
Gå til MP3 til tekst-siden, og vælg det talte sprog under Step 1. Der er over 130 sprog, regionale varianter som English (India) og Noise / Low-Quality Audio/Video til dårlige optagelser.
Trin 2: Upload MP3-filen
Under Step 2 trækker du filen ind eller vælger den. Filer kan være op til 5 GB, og abonnementer understøtter optagelser på op til 10 timer. WAV, M4A, FLAC, MP4 og MOV virker også.
Trin 3: Slå Speaker Detection til ved behov
Til interviews, møder og podcasts kan du slå Enable Speaker Detection til, så hver taletur mærkes.
Trin 4: Start transskriptionen
Klik Transcribe MP3 to text. Nøjagtigheden når op til 99 % ved klar lyd. Baggrundsstøj, stærke accenter og personer, der taler i munden på hinanden, sænker den, så planlæg korrektur.
Trin 5: Eksportér transskriptionen
Download DOCX, PDF, TXT eller CSV til dokumenter og analyse eller SRT og VTT til tidskodede undertekster. Er undertekster målet fra starten, går MP3-til-SRT-konverteren direkte til en undertekstfil.
Du kan prøve gratis uden konto før valg af abonnement. Betalte abonnementer starter ved 9,99 USD/måned ved årlig betaling; se priser. En stor videofil kan først gøres mindre med lyd- og video-til-MP3-konverteren, og en MP3 i Google Drive eller Dropbox kan sendes direkte til transskription fra URL.
Godt at vide: Onlineværktøjer uploader lyden til udbyderens servere. Ved fortrolige optagelser bør du først læse privatlivspolitikken eller bruge metode 3 eller 4.
Metode 2: Brug Microsoft Words Transcribe-funktion
Med Microsoft 365 kan Word selv transskribere en MP3. Ifølge Microsoft Support, kontrolleret i november 2026, accepterer Transcribe .mp3, .wav, .m4a og .mp4 og adskiller talere.
- Log ind på Microsoft 365, og åbn et dokument i Word til web (ny Microsoft Edge eller Chrome) eller Word til Microsoft 365 på Windows.
- Gå til Home → Dictate (rullemenu) → Transcribe.
- Vælg Upload audio i Transcribe-panelet, og vælg MP3-filen.
- Hold panelet åbent under behandlingen; Microsoft siger, at den kan tage op til cirka filens længde.
- Kontrollér: Afspil et afsnit med op til 2x hastighed, redigér tekst, og omdøb ”Speaker 1” overalt på én gang.
- Vælg Add all to document for at indsætte transskriptionen på siden, og gem som DOCX.
Grænser at planlægge efter: Microsoft 365-brugere får op til 300 minutters uploadet lyd om måneden. Hvert dokument indeholder én transskription, og uploads gemmes i mappen Transcribed Files i OneDrive. Microsoft siger, at Windows-desktopversionen i øjeblikket er begrænset til kommercielle organisationer. Hjælpesiden nævner ikke SRT- eller VTT-eksport, så Word passer bedre til dokumenter end undertekster.
Metode 3: Transskriber MP3-filen manuelt
At skrive selv er gratis og holder lyden på din enhed, men det er langsomt. Brug det til korte klip, ordrette citater eller afsnit, maskinen gengav forkert.
- Åbn MP3-filen i en afspiller, der kan sænke hastigheden og springe tilbage med en genvej, med et tomt dokument ved siden af.
- Sæt hastigheden til cirka 0,75x, og arbejd i korte bidder: Afspil en frase, sæt på pause, skriv, og spol tilbage ved behov.
- Markér talere ved hvert skift, for eksempel
INTERVIEWER:ogMARIA:. W3C's vejledning om transskriptioner siger, at en podcasttransskription kan være enkle afsnit med talere identificeret. - Markér det, du ikke kan høre, med et tidsstempel som
[inaudible 00:14:32], så du kan vende tilbage. - Lav en sidste gennemgang ved normal hastighed, mens du læser med, for at fange forkerte ord, der lyder ens.
Du kan også lade et værktøj lave udkastet og kun bruge rutinen, hvor det er vigtigt.
Metode 4: Kør Whisper på din egen computer
Whisper er OpenAI's open source-talegenkendelsesmodel, trænet på 680.000 timers flersproget lyd ifølge OpenAI's forskningsartikel. Lokal kørsel er gratis, og intet uploades. Ulempen er opsætningen: Du skal bruge Python, FFmpeg og tålmodighed på langsommere maskiner.
Installér som beskrevet i det officielle repository:
pip install -U openai-whisper
FFmpeg skal også være installeret og på PATH. Transskriber derefter:
whisper interview.mp3 --model turbo --language English --output_format srt
Brug --output_format txt til ren tekst, eller udelad flaget for at skrive TXT, VTT, SRT, TSV og JSON på én gang. På CPU kan du tilføje --fp16 False for at undgå en advarsel. Kommandoerne er eksempler og blev ikke kørt i denne gennemgang; tiny er en model, du kan vælge.
| Model | Parametre | Omtrentlig VRAM (OpenAI) | Hastighed i forhold til large (OpenAI) |
|---|---|---|---|
| tiny | 39 M | cirka 1 GB | cirka 10x |
| small | 244 M | cirka 2 GB | cirka 4x |
| medium | 769 M | cirka 5 GB | cirka 2x |
| turbo (standard) | 809 M | cirka 6 GB | cirka 8x |
| large | 1550 M | cirka 10 GB | 1x |
OpenAI beskriver turbo som en optimeret large-v3 med minimalt nøjagtighedstab, men den er ikke trænet til oversættelse.
Det giver du afkald på: Det officielle værktøj har ingen taleretiketter, editor eller DOCX- eller PDF-eksport, og OpenAI bemærker, at ydeevnen varierer meget efter sprog. Fællesskabsprojekter udfylder nogle mangler, hver med sin egen opsætning.
Sådan håndterer du lange MP3-filer, flere talere og andre sprog
Lange optagelser
Kontrollér grænsen før upload. whispertranscribe.ai's abonnementer understøtter filer på op til 10 timer og 5 GB; Words månedlige kvote er fem timer i alt. Til et værktøj med kortere grænse kan FFmpeg dele MP3-filen i dele på én time uden genkodning:
ffmpeg -i lecture.mp3 -f segment -segment_time 3600 -c copy lecture_part_%03d.mp3
Et snit kan falde midt i en sætning, så kontrollér samlingerne, når du samler teksten. Til undervisning og foredrag, se transskription af forelæsninger.
Flere talere
Slå talergenkendelse til, og omdøb de generiske etiketter før deling. Etiketter forveksles især, når folk afbryder hinanden eller lyder ens, så kontrollér nogle ture pr. taler. Til næste session kan hver person få sin egen mikrofon.
Andre sprog og accenter
Vælg sproget frem for automatisk genkendelse, især hvis filen starter med musik. whispertranscribe.ai tilbyder Multilingual Mix til optagelser, der skifter mellem engelsk, spansk, fransk, tysk, hindi, russisk, portugisisk, japansk, italiensk og hollandsk. Har du brug for engelsk tekst fra en MP3 på et andet sprog, kan du bruge oversæt lyd til engelsk i stedet for separat transskription og oversættelse.
Korrektur af MP3-transskription: tre gennemgange
AI-udkast fejler forudsigelige steder, så du behøver sjældent at genhøre hele filen.
Gennemgang 1: Søg, lyt ikke. Brug søg og erstat med listen over navne og udtryk for at rette stavefejl på én gang.
Gennemgang 2: Lyt til problemstederne. Spring til disse steder, og kontrollér mod lyden:
| Problemsted | Typisk fejl | Sådan kontrollerer du |
|---|---|---|
| Tal og datoer | ”femten” mod ”halvtreds”, manglende decimaler | Genafspil hvert tal, du vil citere |
| Navne og mærker | Skrevet lydret | Sammenlign med din liste |
| Overlappende tale | To sætninger blandet eller én udeladt | Lyt ved normal hastighed og derefter langsommere |
| Talerskift | Linje tilskrevet den forkerte | Kontrollér første linje efter hvert skift |
| Stille eller fjerne stemmer | Manglende ord | Skru op for det afsnit |
| Første og sidste minutter | Smalltalk, musik, forkert sprogvalg | Slet eller ret efter behov |
Gennemgang 3: Læs som dokument. Læs én gang uden lyd; lyt igen til det, der ikke giver mening. Markér det, du stadig ikke kan høre, som [unclear] i stedet for at gætte.
Hvilket eksportformat har du brug for?
Vælg efter næste trin: Dokumenter kræver DOCX eller TXT; tekst over video kræver SRT eller VTT.
| Format | Brug det til |
|---|---|
| DOCX | Redigering, rapporter, artikler og shownotes |
| En fast kopi til deling eller arkiv | |
| TXT | Indsætning i andre apps eller AI-resuméer |
| CSV | Regneark og forskningsanalyse |
| SRT | Undertekster til YouTube, videoeditorer og afspillere |
| VTT | Undertekster til HTML5-webvideoafspillere |
Til stemmenoter fra telefonen dækker siden om transskription af stemmememoer de samme eksportmuligheder.
Ofte stillede spørgsmål
Kan jeg transskribere MP3 til tekst gratis?
Ja. Manuel indtastning er gratis, og OpenAI's open source-Whisper på din egen computer koster ikke andet end opsætningstid og hardware. Mange onlineværktøjer har også en gratis start. whispertranscribe.ai tilbyder en gratis mulighed uden konto, som er nyttig til at se resultatet af din lyd. Gratis muligheder begrænser normalt længde eller funktioner, så sammenlign betalte abonnementer til regelmæssigt arbejde; whispertranscribe.ai starter ved 9,99 USD/måned ved årlig betaling.
Hvor lang tid tager det at transskribere en MP3-fil?
Med et AI-værktøj normalt langt mindre end lydens varighed, men det afhænger af fil og tjeneste. Microsoft siger, at Word Transcribe kan tage op til cirka filens længde. Lokal Whisper afhænger af hardware og model; mindre modeller er hurtigere, men laver flere fejl. Manuel indtastning tager flere gange lydens længde, hvorfor de fleste kun skriver korte klip manuelt.
Forbedrer konvertering fra MP3 til WAV nøjagtigheden?
Nej. At gemme en MP3 som WAV eller genkode ved højere bitrate gør filen større, men kan ikke genskabe detaljer, der blev fjernet ved MP3-oprettelsen. MP3 er et format med tab. Findes den originale WAV- eller FLAC-optagelse, så transskriber den. Ellers uploades MP3-filen som den er. Talemotorer som Whisper resampler internt lyd til 16 kHz mono, så egen ændring af sampleraten hjælper heller ikke.
Hvordan transskriberer jeg en MP3 med flere talere?
Brug et værktøj med talergenkendelse, og slå funktionen til før start. Transskriptionen giver hver taletur en nummereret etiket som Speaker 1, som du bagefter omdøber. Microsoft Word Transcribe og whispertranscribe.ai mærker begge talere; det officielle Whisper-kommandolinjeværktøj gør ikke. Kontrollér etiketter, hvor folk afbryder hinanden, da det er dér, de oftest forveksles.
Kan jeg konvertere en MP3 til et Word-dokument?
Ja. Hurtigst er at transskribere MP3-filen online og eksportere DOCX, som åbnes direkte i Word eller Google Docs. Med Microsoft 365 kan du også uploade MP3-filen i Word via Home, Dictate, Transcribe, Upload audio og vælge Add all to document. Et Microsoft 365-abonnement inkluderer op til 300 minutters uploadet lyd om måneden.
Kan jeg lave undertekster af en MP3 i stedet for en transskription?
Ja. Eksportér transskriptionen som SRT eller VTT frem for DOCX eller TXT. Begge formater bevarer timingen for hver linje, så en videoafspiller eller editor kan vise teksten på det rigtige tidspunkt. I whispertranscribe.ai kan du eksportere SRT eller VTT efter transskription eller bruge MP3-til-SRT-konverteren. Whispers kommandolinjeværktøj kan også skrive SRT- og VTT-filer med outputformat-indstillingen.
Klar til at prøve? Upload en fil til whispertranscribe.ai's MP3-til-tekst-konverter, eller brug den gratis lyd-til-tekst-konverter til andre formater. Begge virker på over 130 sprog med taleretiketter og DOCX-, PDF-, TXT-, CSV-, SRT- og VTT-eksport.
Referencer
- Library of Congress: MP3 (MPEG Layer III Audio Encoding)
- Google Cloud: Bedste praksis for data til Speech-to-Text API
- Microsoft Support: Transskriber dine optagelser
- OpenAI: Whisper på GitHub (README og
whisper/audio.py) - Radford m.fl., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision
- W3C Web Accessibility Initiative: Transskriptioner
