Af whispertranscribe.ai-redaktionen · Senest opdateret: november 2026 · Læsetid: 12 minutter
Tale til oversat tekst betyder at tage en optagelse på ét sprog og producere tekst på et andet. Der er to måder: transskriber først på originalsproget og oversæt teksten, eller brug en model, der skriver målsproget direkte fra lyden. Den første er lettere at kontrollere, den anden hurtigere.
Her gennemgår vi begge processer og deres fejl, fire praktiske metoder inklusive flersprogede SRT- og VTT-undertekster, kvalitetsfaktorer, en tjekliste og hvornår en professionel oversætter er et sikrere valg.
Kort svar: hvordan oversætter du tale til tekst?
For de fleste optagelser bør du først transskribere på originalsproget, rette teksten og derefter oversætte den. Hvis du kun skal bruge engelsk og ønsker fart, kan et direkte tale-til-engelsk-værktøj bruges til et første udkast. Uanset metode bør en person, der kan begge sprog, kontrollere alt, du publicerer eller baserer beslutninger på.
- Transskriber på talesproget. Vælg selv sproget frem for automatisk registrering.
- Ret kildetransskriptionen. Navne, tal og termer først.
- Oversæt og gennemgå. Sammenlign oversættelsen med kilde og lyd.
Hvad er tale til oversat tekst?
Det er enhver proces, der begynder med tale på sprog A og ender med tekst på sprog B. Almindelig transskription bliver på samme sprog. Almindelig oversættelse starter med tekst. Her kombineres begge, og kombinationen afgør, hvor let resultatet er at kontrollere.
To processer: kaskade og direkte
Forskere kalder den første tilgang en kaskade: talegenkendelse efterfulgt af tekstoversættelse. Den anden er direkte eller end-to-end-taleoversættelse, hvor én model omsætter lyd direkte til tekst på målsproget. OpenAI's Whisper kan gøre det direkte, men kun til engelsk.
| Transskriber og oversæt (kaskade) | Direkte taleoversættelse | |
|---|---|---|
| Synlige trin | To: kildetransskription og oversættelse | Ét: lyd ind, måltekst ud |
| Målsprog | Alle sprog, tekstoversætteren understøtter | Ofte begrænset; Whispers translate giver kun engelsk |
| Tekst på kildesproget | Beholdes | Produceres normalt ikke |
| Hvor fejl opdages | Mellem trinnene i kildeteksten | Kun ved at sammenligne resultatet med lyden |
| Senere ny oversættelse | Genbrug den rettede transskription | Kør lyden igen eller oversæt engelsk |
| Bedst til | Forskning, publicering, undertekster på flere sprog, citater | Hurtig forståelse på engelsk |
Hvad kan gå galt i hver proces?
I en kaskade forplanter fejl sig. Hvis transskriptionen siger ”halvtreds”, hvor taleren sagde ”femten”, viderefører oversættelsen det forkerte tal i korrekt grammatik. Den enkle løsning er at rette kilden før oversættelse.
I en direkte proces er der ingen kildetekst at undersøge. Et forkert hørt og et forkert oversat ord ser ens ud, så kontrolløren må tilbage til lyden. Resultatet kan også lyde mere flydende, end det fortjener, og skjule fejl.
Hvilken metode skal du vælge?
Vælg efter tekstens formål og antallet af sprog.
| Situation | Anbefalet metode | Hvorfor |
|---|---|---|
| Du vil hurtigt forstå en fremmedsproget optagelse | Metode 2: direkte til engelsk | Ét trin, læsbart udkast |
| Du vil citere taleren i en artikel eller rapport | Metode 1 samt metode 4 for vigtige citater | Du kan kontrollere de oprindelige ord |
| Du skal bruge undertekster på mindst to sprog | Metode 3: kilde-SRT eller VTT, derefter oversæt segmenttekst | Én timingfil kan bruges til alle sprog |
| Forskningsinterviews til analyse og citater | Metode 1 | Kodning og citater forbliver knyttet til kilden |
| Kontrakter, retssager, læge- eller immigrationsdokumenter | Metode 4 med kvalificeret fagperson | Fejl har reelle konsekvenser |
Metode 1: Transskriber på originalsproget og oversæt teksten
Dette er den mest fleksible vej. Den rettede transskription bliver hovedkopien, som alle oversættelser starter fra.
Trin 1: Transskriber på talesproget
Upload filen til et transskriptionsværktøj, og indstil sproget først. I whispertranscribe.ai, et browserværktøj baseret på OpenAI's Whisper-model, vælger du blandt 130+ sprog med regionale varianter og Noise / Low-Quality Audio/Video til vanskelige optagelser. Der er særlige sider for almindelige kilder som spansk lyd og kinesisk lyd. Ved sprogskift dækker Multilingual Mix engelsk, spansk, fransk, tysk, hindi, russisk, portugisisk, japansk, italiensk og hollandsk.
Ligger optagelsen i Google Drive, Dropbox, Vimeo eller YouTube, kan du transskribere fra URL i stedet for at downloade. Slå talergenkendelse til ved interviews og møder. Indhent nødvendigt samtykke fra deltagere og tilladelse fra arrangøren før optagelse.
Trin 2: Ret kildetransskriptionen
Ret før oversættelse, fordi hver urettet fejl kopieres til alle sprog. Søg først efter navne, produkttermer og forkortelser, og genafspil derefter hvert tal, du vil beholde. Nøjagtigheden er op til 99% ved klar lyd. Støj, stærke accenter og overlappende tale sænker den, så planlæg gennemgangen.
Trin 3: Oversæt den rettede tekst
Eksportér som DOCX eller TXT og brug en tekstoversætter. Tjek formatgrænserne først. I november 2026:
- Google Translate oversætter dokumenter op til 10 MB i .docx, .pdf, .pptx og .xlsx; PDF-filer må højst have 300 sider ifølge Google Translate Help. Undertekstfiler er ikke på listen.
- DeepL's side om filformater nævner DOCX, PDF og TXT samt SRT og VTT i Pro Individual, Pro Team, Pro Business og API med en grænse på 150 KB eller 200 KB pr. undertekstfil. DeepL's gratis konto dækker ikke TXT.
Giv oversætteren kontekst, hvis værktøjet tillader det: hvem der taler, målgruppen og ønsket formalitet.
Trin 4: Behold begge versioner side om side
Gem kilde og oversættelse som et par med tilsvarende navne, eksempelvis interview-04_es_v2.docx og interview-04_en_v2.docx, så en omstridt linje kan spores til originalen.
Metode 2: Transskriber direkte til engelsk
Hvis engelsk er målet, og du mest skal forstå eller opsummere optagelsen, sparer et direkte værktøj et trin.
Brug siden til oversættelse af lyd til engelsk
whispertranscribe.ai's oversæt lyd til engelsk omdanner tale på andre sprog til engelsk tekst. Siden beskriver den sådan og angiver ikke andre målsprog, fordi resultatet er engelsk.
- Vælg talesproget. Trin 1 spørger efter optagelsens sprog, ikke målet. Ifølge siden giver korrekt valg mere præcis engelsk, og et andet valg kan prøves ved utilfredsstillende resultat.
- Upload filen. Trin 2 accepterer almindelige lyd- og videoformater som MP3, WAV, M4A, MP4, MOV og MKV.
- Slå talergenkendelse til, hvis flere taler. Siden angiver funktionen til oversættelse.
- Vælg Translate audio to English, gennemgå den engelske tekst og eksportér.
Behandl resultatet som et arbejdsudkast; vi lover ikke oversættelseskvaliteten. Har du også brug for originalsproget, så kør almindelig transskription separat.
Brug open source Whisper på din computer
OpenAI's Whisper-repositorium dokumenterer en translate-opgave, der giver engelsk:
whisper japanese.wav --model medium --language Japanese --task translate
To forbehold fra README: Standardmodellen turbo er ikke trænet til oversættelse og returnerer originalsproget selv med --task translate, så brug medium eller large; resultatet er kun engelsk. Tysk lyd til fransk tekst kræver stadig tekstoversættelse. Whisper CLI er ikke installeret eller testet i denne session.
Hvor godt er det? Whisper-artiklen siger, at træningsdata omfattede 125 000 timers X→engelsk oversættelse. Uden træning på CoVoST2, benchmarken den blev testet på, fik Whisper 29.1 BLEU, som forfatterne kaldte en ny toppræstation. BLEU måler overlap mellem maskinresultat og referenceoversættelser, ikke procent korrekte sætninger. Artiklen bemærker også, at Whisper stadig ligger bag tidligere systemer trænet direkte til ressourcestærke sprog, og at mere træningsdata forudsiger oversættelseskvalitet langt mindre sikkert end transskriptionskvalitet.
Metode 3: Lav flersprogede undertekster (SRT og VTT)
Lav én undertekstfil på originalsproget og oversæt derefter kun hvert segments tekst. Timingen er den samme på tværs af sprog.
Trin 1: Generér kildens undertekstfil
Brug undertekstgeneratoren eller MP4 til SRT-konverteren, og eksportér SRT eller VTT på talesproget. Ret først tekst og timing; filen er skabelon for hvert sprog.
Trin 2: Oversæt segmentteksten, ikke strukturen
Et SRT-segment har et nummer, en tidskodelinje og tekst. Kun teksten skal ændres. Her er et fiktivt eksempel:
12
00:01:04,200 --> 00:01:07,900
La reunión empieza el 3 de mayo a las 15:00.
12
00:01:04,200 --> 00:01:07,900
Mødet begynder den 3. maj kl. 15.00.
Segmentnummeret og tidskoden er identiske. Dato og tid tilpasses målgruppen. Hvis oversætteren kun accepterer dokumenter, kan du kopiere teksten til en tabel og indsætte den igen segment for segment. DeepL's Pro-planer accepterer SRT og VTT direkte som nævnt ovenfor.
Trin 3: Tjek læselængden
En oversat linje kan være længere, og et segment, der kunne læses på 3.7 sekunder, kan blive for kort. Del lange segmenter eller forkort formuleringen, men flyt ikke tidskoderne uden at kontrollere dem mod lyden igen.
Trin 4: Upload hvert sprog som et separat spor
Navngiv filer med sprogkoder, eksempelvis talk.en.srt og talk.es.srt, og upload hvert som et separat undertekstspor. Bløde undertekster lader seeren skifte sprog.
Metode 4: Tilføj menneskelig kontrol
For alt, der publiceres, citeres eller bruges til en beslutning, skal en tosproget kontrollør sammenligne oversættelsen med kilden. Maskinresultatet lyder ofte flydende, selv når det er forkert.
Et enkelt kontrolark gør arbejdet hurtigt. Her er et fiktivt eksempel:
| Segment | Kildelinje | Oversættelse | Flag | Kontrollørens note |
|---|---|---|---|---|
| #37 | Vamos a cerrar el trato el lunes | Vi afslutter aftalen mandag | OK | — |
| #81 | Eso no es moco de pavo | Det er ikke kalkunsnot | Idiom | Brug ”Det er ikke nogen lille ting” |
| #126 | Facturamos 1,5 millones | Vi fakturerede 1,5 millioner | Tal | Bekræft valutaen med taleren |
Bed kontrolløren fokusere på navne, tal, citater, juridiske eller medicinske termer og uklare steder. whispertranscribe.ai tilbyder ikke menneskelig transskription eller oversættelse, så dette trin er dit eller en fagpersons ansvar.
Hvad påvirker kvaliteten af tale til oversat tekst?
Kvaliteten afgøres to gange: når talen bliver tekst, og når teksten skifter sprog. Nogle faktorer påvirker begge dele.
| Faktor | Effekt på transskription | Effekt på oversættelse | Hvad du gør |
|---|---|---|---|
| Lydkvalitet (støj, ekko, afstand) | Ord overses eller høres forkert | Fejl føres videre til alle sprog | Optag tæt på mikrofonen; brug den reneste original |
| Accenter og dialekter | Flere fejl i regional tale | Regionale ord kan oversættes bogstaveligt | Vælg regional sprogvariant, hvis muligt |
| Tekniske termer | Termer staves efter lyden | Forkerte eller inkonsekvente ækvivalenter | Lav en ordliste og ret kilden |
| Sprogpar | Afhænger af talesproget | Almindelige par klarer sig typisk bedre end sjældne | Planlæg mere kontrol for sjældne sprog |
| Egennavne | Navne bliver til almindelige ord | Navne ”oversættes” eller ændres | Lav navneliste på forhånd; søg og ret |
| Sprogskift | Forkert sprog gættet midt i sætningen | Blandet tekst forvirrer oversætteren | Brug blandet sprogtilstand; markér sprogene |
| Overlappende tale | Replikker flettes eller bortfalder | Talerens betydning går tabt | Separate mikrofoner; tjek etiketter ved afbrydelser |
Googles bedste praksis for taledata siger, at tabsbaserede codecs som MP3 og M4A kan reducere nøjagtigheden, og at støj og ekko skader mere sammen med dem. OpenAI's README tilføjer, at Whispers resultater varierer stærkt mellem sprog. Begge dele taler for at teste et kort klip før en stor batch.
Tjekliste efter oversættelse
Gennemgå listen efter hver oversættelse, før nogen uden for dit team ser den:
- Tal. Alle tal svarer til lyden. Pas på decimalkomma: ”1,5” på mange europæiske sprog er 1.5 på engelsk.
- Valuta og enheder. Behold talerens valuta, medmindre en omregning angives; kilometer ændres ikke lydløst til miles.
- Navne og titler. Personer, virksomheder og steder staves som de selv gør, ikke oversættes.
- Datoer og tider. Dag–måned-rækkefølgen varierer, så 03/04 kan betyde 3. april eller 4. marts. Skriv måneden med ord, når det er vigtigt.
- Citater. Tjek direkte citater mod lyden, ikke kun transskriptionen.
- Idiomer og humor. Erstat bogstavelige idiomer med naturlige ækvivalenter, eller markér dem.
- Kulturkontekst. Forklar referencer, der ikke overføres, kort frem for at omskrive dem uden besked.
- Register. Formel og uformel tiltale (tú/usted, du/Sie) passer til relationen.
- Taleretiketter. Hver linje tilhører stadig den rette person.
- Uklare passager. Markér usikkerhed som
[unclear]på begge sprog i stedet for at gætte.
Hvornår behøver du en professionel oversætter?
Brug en kvalificeret oversætter, når en fejl kan koste penge, helbred, juridisk status eller tillid. Dette er ikke juridisk rådgivning; krav varierer efter land, domstol og myndighed, så spørg modtageren.
| Situation | Hvorfor maskinresultatet ikke er nok |
|---|---|
| Immigrationsansøgninger | Amerikanske regler (8 CFR 103.2(b)(3)) kræver en fuld engelsk oversættelse af fremmedsprogede dokumenter til USCIS, bekræftet som fuldstændig og korrekt af en oversætter, der erklærer sin kompetence |
| Retlige beviser og forklaringer | Domstole fastsætter ofte egne regler om oversættelse og bekræftelse |
| Kontrakter og aftaler | Ét forkert ord kan ændre en forpligtelse |
| Lægekonsultationer og journaler | Doser, symptomer og samtykke skal være nøjagtige |
| Publicerede citater og pressemateriale | Fejlcitering skader tillid og kan medføre ansvar |
Til mindre kritiske formål som interne noter, forskningsudkast eller forståelse af video er maskinoversættelse med egen kontrol ofte nok.
Hvilket eksportformat skal du bruge?
Vælg formatet til næste trin. whispertranscribe.ai eksporterer DOCX, PDF, TXT, CSV, SRT og VTT.
| Format | Anvendelse |
|---|---|
| DOCX | Oversættelse i Word, DeepL eller Google Translate; redigering med kommentarer |
| TXT | Indsættelse i en oversætter eller anden app |
| Fast kopi af den godkendte oversættelse | |
| CSV | Kontrolark side om side og forskningskodning |
| SRT | Undertekstspor til YouTube, videoeditorer og afspillere |
| VTT | Undertekster til HTML5-webafspillere |
Ofte stillede spørgsmål
Hvad er forskellen på tale til tekst og tale til oversat tekst?
Tale til tekst bevarer originalsproget: spansk lyd bliver spansk tekst. Tale til oversat tekst slutter på et andet sprog, så spansk lyd bliver engelsk tekst. Det kan ske i to trin med transskription og oversættelse eller i ét trin med en model, der skriver målsproget direkte. To trin er lettere at kontrollere, fordi kilden kan rettes først og genbruges til andre sprog.
Kan Whisper oversætte lyd til andre sprog end engelsk?
Nej. Whispers indbyggede translate-opgave giver kun engelsk. Den kan modtage tale på mange sprog, men skriver engelsk. Til andre målsprog skal du transskribere på originalsproget og oversætte teksten. OpenAI's README siger også, at standardmodellen turbo ikke er trænet til oversættelse og returnerer originalsproget selv ved oversættelsesanmodning. Brug medium eller large.
Er det bedre at transskribere først og derefter oversætte?
Som regel ja, når resultatet skal publiceres, citeres eller oversættes til flere sprog. Den første transskription giver en kilde, der kan rettes, så et forkert hørt navn eller tal rettes én gang. Direkte tale til engelsk er hurtigere, når du bare skal forstå optagelsen. Til undertekster på flere sprog er en rettet kilde-SRT eller VTT det mest praktiske udgangspunkt.
Hvor nøjagtig er tale til oversat tekst?
Det afhænger af lyd, sprogpar og emne; der findes ikke ét generelt tal. Transskription af klar lyd kan være meget præcis. whispertranscribe.ai når op til 99% ved klar lyd, mens støj og accenter sænker resultatet. Oversættelsen tilføjer egne fejl, især ved idiomer, navne og tekniske termer. Almindelige sprogpar klarer sig typisk bedre. Tjek tal, navne og citater, og få tosproget kontrol af vigtigt materiale.
Kan jeg oversætte undertekster og beholde tidsstemplerne?
Ja. Oversæt kun hvert segments tekst, og lad numre og tidskoder være uændrede. Det kan gøres manuelt ved at kopiere tekst til en oversætter og tilbage eller med et værktøj, der accepterer undertekstfiler. DeepL angiver SRT og VTT i Pro Individual, Pro Team, Pro Business og API. Google Translates dokumentfunktion nævner ikke undertekstformater. Kontrollér bagefter, at lange linjer kan læses i visningstiden.
Kan jeg bruge maskinoversættelse til juridiske eller medicinske optagelser?
Den kan bruges til et første overblik, men ikke som slutversion. Juridisk, medicinsk, kontrakt- og immigrationsmateriale kræver ofte en kvalificeret oversætter, og nogle myndigheder kræver en bekræftet oversættelse. Amerikanske immigrationsregler kræver eksempelvis oversætterens bekræftelse af, at den engelske oversættelse er fuldstændig og korrekt. Krav varierer efter land og institution, så spørg modtageren. Dette er generel information, ikke juridisk rådgivning.
Klar til at starte? Upload en optagelse til oversæt lyd til engelsk, eller transskriber først på originalsproget til undertekster og andre målsprog. Du kan prøve gratis uden konto. Betalte abonnementer starter ved $9.99/måned med årlig betaling; se priser. whispertranscribe.ai tilbyder ikke API, menneskelig transskription eller mødebot.
Kilder
- Radford m.fl., OpenAI: Robust Speech Recognition via Large-Scale Weak Supervision (afsnit 1, 2.1 og 3.5, tabel 4)
- OpenAI: Whisper on GitHub (README, brug af kommandolinjen)
- Google Translate Help: Translate documents & websites
- DeepL Help Center: File formats
- Google Cloud: Best practices to provide data to the Speech-to-Text API
- eCFR: 8 CFR 103.2, Submission and adjudication of benefit requests
