whispertranscribe.ai-toimitus · Päivitetty viimeksi: marraskuu 2026 · Lukuaika 12 min · Luokka: Litteroinnin perusteet
AI-litterointi on tallennetun tai suoran puheen automaattista muuntamista kirjoitetuksi tekstiksi puheentunnistusmallilla. Ohjelma muuttaa äänen akustisiksi piirteiksi, ennustaa todennäköisimmät sanat ja lisää välimerkit, aikaleimat ja usein puhujatunnisteet. Se on nopeaa ja edullista, mutta tarkkuus riippuu tallenteesta, joten tärkeät tekstit tarvitsevat edelleen ihmisen tarkistuksen.
Avoimuuden vuoksi: teemme whispertranscribe.ai:n, selaimessa toimivan OpenAI:n Whisper-malliin perustuvan litterointipalvelun. Alla olevien teknisten väitteiden lähteet ovat IBM, AWS, Google Cloud, Microsoft ja Whisper-julkaisu; emme tehneet tarkkuustestejä tätä opasta varten.
Lyhyt vastaus: mitä AI-litterointi on?
AI-litterointi kirjoittaa puheen ilman ihmisen näppäilyä: automaattinen puheentunnistusmalli (ASR) ja vaiheet, jotka tekevät tekstistä käyttökelpoisen tallenteen.
- Syöte: ääni- tai videotiedosto, linkki siihen tai suora mikrofoni.
- Moottori: suurilla litteroidun puheen määrillä koulutettu ASR-malli.
- Tulos: muokattava teksti, yleensä välimerkit, aikaleimat ja puhujat mukana, vietynä dokumenttina tai tekstitystiedostona.
- Paras käyttö: haastattelut, kokoukset, luennot, podcastit ja tekstitykset, joissa nopea ensiluonnos säästää tunteja.
- Heikkoudet: melu, etäiset mikrofonit, päällekkäinen puhe, vahvat aksentit, nimet ja ammattikieli.
- Nyrkkisääntö: käytä AI:ta luonnokseen ja ihmistä kaikkeen, mitä lainataan, toimitetaan virallisesti tai käytetään päätösten perusteena.
Puheella kirjoittaminen on sanelua, eri tehtävä; opas mitä puhe tekstiksi on selittää eron ja vertaa klassisia ja päästä päähän -tunnistimia.
Mitä AI-litterointi todellisuudessa sisältää?
AI-litterointi on muutakin kuin sanoja. Useimmat työkalut palauttavat useita kerroksia; tarpeiden tunnistaminen rajaa vaihtoehtoja nopeasti.
| Kerros | Mitä se on | Miksi tärkeä |
|---|---|---|
| Sanat | Mallin paras arvaus sanotusta | Tallenteen ydin |
| Välimerkit ja isot kirjaimet | Lausejaot, pilkut, erisnimet | Tekstistä tulee luettavaa ja lainattavaa |
| Muotoillut numerot | ”$900” eikä ”yhdeksänsataa dollaria” | Vähentää hintojen ja päivämäärien korjausta |
| Aikaleimat | Sanojen tai jaksojen alku- ja loppuajat | Paluu ääneen ja tekstityksen luonti |
| Puhujatunnisteet | ”Speaker 1”, ”Speaker 2” puheenvuoroissa | Tekee keskustelusta luettavan käsikirjoituksen |
| Vientimuodot | DOCX, PDF, TXT, CSV, SRT, VTT ja muut | Määrittää tekstin jatkokäytön |
Täydellisetkään sanat ilman puhujia voivat tehdä kuuden hengen kokouksesta vaikealukuisen, joten päätä tarvittavat kerrokset ennen vertailua.
Miten AI-litterointi toimii?
AI-litterointi etenee vaiheittain: ääni digitoidaan, muunnetaan numeerisiksi piirteiksi, puretaan todennäköisimmiksi sanoiksi ja täydennetään puhujilla, aikaleimoilla ja muotoilulla.
Vaihe 1: Tallenna ja digitoi ääni
Puhe alkaa ilman värähtelynä. AWS kuvaa, miten analogis-digitaalinen muunnin mittaa ääniaaltoja, suodattaa ne ja jakaa pieniin jaksoihin, jotka mitataan sekunnin sadas- tai tuhannesosina. AWS:n mukaan englannissa on noin 40 foneemia eli sanoja erottavaa äänneyksikköä.
Vaihe 2: Muuta ääni piirteiksi
Raakasignaali muutetaan tiiviiksi numeerisiksi äänikuvauksiksi. IBM:n puheentunnistuksen selitys jakaa tunnistimen saapuvaan puheeseen, piirrevektoreita tuottavaan erotteluun, dekooderiin ja sanoihin. Piirrevektorit tiivistävät kulloinkin esiintyvät taajuudet.
Vaihe 3: Pura todennäköisimmät sanat
Dekooderi valitsee piirteisiin parhaiten sopivan sanajonon. IBM:n kuvauksessa käytetään akustista mallia (esiintyvät äänteet), ääntämissanastoa (äänteiden muodostamat sanat) ja kielimallia (todennäköiset sanajonot).
Vaihe 4: Päästä päähän -mallit yhdistävät prosessin
Nykyaikaiset järjestelmät korvaavat erilliset osat usein yhdellä äänen ja litterointien pareilla koulutetulla neuroverkolla. OpenAI:n Whisper-julkaisu kuvaa encoder-decoder Transformer -mallin, joka ennustaa raakatekstin välimerkkeineen ja isoine kirjaimineen. Kirjoittajien mukaan erillistä käänteistä tekstin normalisointia ei silloin tarvita luonnollisen transkription tuottamiseen. Opas mitä Whisper AI on käsittelee itse mallia.
Vaihe 5: Selvitä, kuka puhui milloin
Puhujadiarisointi on sanojen tunnistuksesta erillinen tehtävä. Google Cloudin diarisointidokumentaatio kertoo järjestelmän tunnistavan puhujanvaihdokset ja antavan jokaiselle sanalle ääntä vastaavan numeron; odotettu puhujien minimi ja maksimi asetetaan itse. Amazon Transcriben puhujien erotteluopas ilmoittaa enintään 30 puhujaa tunnisteilla spk_0–spk_29. Tunnisteet ovat numeroita, eivät nimiä; nimet lisäät itse.
Vaihe 6: Lisää aikaleimat ja muotoilu
Sekä Google että AWS liittävät sanoihin tai jaksoihin alku- ja loppuajat, joilla toimivat napsautettavat litteroinnit ja tekstitykset. Viimeinen vaihe muotoilee tekstin. Microsoft mittaa näyttökerrosta erikseen token-virhetasolla, joka laskee välimerkit, isot kirjaimet ja numeromuotoilun, kuten ”$900” verrattuna ”yhdeksänsataa dollaria”.
AI-, ihmis- ja yhdistelmälitterointi
AI voittaa nopeudessa ja kustannuksessa, ihmisen litterointi sopii, kun jokaisen sanan on oltava oikein ja jonkun on vastattava siitä, ja yhdistelmä eli ihmisen tarkistama AI-luonnos kattaa suuren osan näiden väliltä.
| AI-litterointi | Ihmisen litterointi | Yhdistelmä (AI-luonnos + ihmistarkistus) | |
|---|---|---|---|
| Toteutus | Puheentunnistusmalli ilman ihmistä | Koulutettu litteroija kuuntelee ja kirjoittaa | AI luonnostelee; sinä tai ammattilainen korjaa |
| Hinta | Yleensä tilaus tai minuuttimaksu; meillä alkaen $9.99/kk vuosittain | Ääniminuuttihinta; Rev ilmoittaa alkaen $1.99/min (tarkistettu marraskuussa 2026) | AI-kustannus ja tarkistusaika |
| Läpimeno | Yleensä minuutteja tiedoston ja kuormituksen mukaan | Rev ilmoittaa enintään 12 tuntia sekä pikavaihtoehtoja (tarkistettu marraskuussa 2026) | Minuutteja luonnokseen ja tarkistusaika |
| Tarkkuuteen vaikuttaa | Äänenlaatu, aksentit, ammattikieli, päällekkäisyys, kielivalinta | Litteroijan taito, äänenlaatu ja ohjeistus | Tarkistajan huolellisuus nimissä, numeroissa ja puhujanvaihdoksissa |
| Vastuu | Kukaan ihminen ei vastaa tekstistä | Tarjoajan takuu; Rev ilmoittaa ihmislitteroinnille 99%+ tarkkuuden | Tarkistaja |
| Paras käyttö | Muistiinpanot, luonnokset, haut, tarkistettavat tekstitykset, tutkimuskoodaus | Viralliset asiakirjat, julkaistut lainaukset ja tallenteet, joihin luotetaan | Haastattelut, laadullinen tutkimus, journalismi, asiakastoimitukset |
Hinnalla $1.99/minuutti 45 minuutin haastattelu maksaa $89.55 ennen lisämaksuja: yksinkertainen lasku Revin hinnasta.
Toimiva yhdistelmätyönkulku
- Käytä ensin AI:ta oikealla kielellä ja puhujantunnistus päällä.
- Korjaa puhujatunnisteet ja nimeä ne, koska myöhempi tarkistus riippuu niistä.
- Etsi nimet, numerot ja termit ja vertaa jokainen ääneen.
- Kuuntele merkityt kohdat uudelleen: päällekkäinen puhe, nauru, musiikki ja kohdat, joissa teksti kuulostaa ääntä sujuvammalta.
- Päätä tyyli: säilytä täytesanat ja katkenneet aloitukset (sanatarkka) tai poista ne (siistitty sanatarkka), ja noudata valintaa johdonmukaisesti.
Tutkijat löytävät tarkistusprotokollia oppaasta laadullisten tutkimushaastattelujen litterointi.
Mikä vaikuttaa AI-litteroinnin tarkkuuteen?
Tarkkuus riippuu ennen kaikkea tallenteesta: mikrofonin etäisyydestä, melusta ja päällekkäisyydestä sekä mallin tuntemuksesta puhujien aksentteihin ja sanastoon.
Microsoftin sanavirhetason ohje tarjoaa hyödyllisen diagnoosin. Se yhdistää virhetyypit mahdollisiin syihin: monet poistot viittaavat heikkoon äänisignaaliin, lisäykset meluun ja päällekkäiseen puheeseen sekä korvaukset alakohtaisiin termeihin, joita malli on nähnyt liian vähän.
| Tekijä | Miksi haittaa | Tyypillinen virhe | Mikä auttaa |
|---|---|---|---|
| Mikrofonin etäisyys ja taso | Heikko signaali pakottaa mallin arvaamaan | Puuttuvat sanat (poistot) | Tallenna lähempää; käytä nappi- tai kuulokemikrofonia |
| Taustamelu ja musiikki | Melu peittää puheäänteet | Ylimääräiset tai väärät sanat | Hiljainen huone; melutila, jos saatavilla |
| Päällekkäiset puhujat | Kaksi ääntä sekoittuu signaalissa | Yhdistyneet lauseet, väärät puhujat | Pyydä puhumaan vuorotellen; tallenna kukin omalle raidalle |
| Aksentit ja murteet | Osa aksenteista on harvinaisempia koulutusdatassa | Vaihtuneet sanat | Valitse aluevariantti; testaa lyhyt näyte |
| Nimet, ammattikieli, lyhenteet | Mallit suosivat yleisiä sanoja | Uskottavat mutta väärät sanat (korvaukset) | Pidä termilista ja hae jokainen tekstistä |
| Väärä tai sekoitettu kieliasetus | Malli purkaa väärällä kielellä | Sekava teksti tai ei-toivottu käännös | Aseta kieli itse; käytä sekakielitilaa |
| Puhelinääni tai vahva pakkaus | Kapea kaista poistaa yksityiskohtia | Virheitä koko tiedostossa | Käytä alkuperäistä, älä uudelleen pakattua kopiota |
Yleispätevää tarkkuuslukua ei ole. Tarjoajien, myös meidän, luvut kuvaavat selkeää ääntä: whispertranscribe.ai saavuttaa jopa 99 %, mutta taustamelu, vahvat aksentit ja päällekkäinen puhe alentavat sitä. Julkaistut vertailut ja omien tiedostojen mittaaminen käsitellään artikkelissa kuinka tarkka Whisper on.
Kenelle AI-litterointi sopii ja milloin se ei riitä?
AI-litterointi sopii kaikille, jotka tarvitsevat tallenteista haettavaa, muokattavaa tekstiä nopeammin kuin kirjoittamalla. Se ei yksin riitä, kun virhe voisi vahingoittaa ihmistä, aiheuttaa oikeudellista riskiä tai päätyä pysyvään rekisteriin.
| Tilanne | Pelkkä AI? | Mitä lisätä |
|---|---|---|
| Kokous- ja luentomuistiinpanot | Yleensä riittää | Päätösten, termien ja lukujen nopea tarkistus |
| Julkaistavat podcast- ja videolitteroinnit | Vain luonnos | Oikoluku ennen julkaisua; puhujien nimet |
| Tekstitykset ja captions | Vain luonnos | Tarkista ajoitus ja oikeinkirjoitus; saavutettavuussäännöt voivat soveltua |
| Journalismi ja julkaistut lainaukset | Vain luonnos | Varmista jokainen lainaus äänestä |
| Laadulliset tutkimushaastattelut | Vain luonnos | Täysi tarkistus; noudata aineiston eettistä hyväksyntää |
| Oikeudenkäynnit, todistajanlausunnot ja todisteet | Ei yksin | Pätevän ihmisen litterointi ja tarkistus |
| Lääketieteelliset ja kliiniset tiedot | Ei yksin | Ammattilaisen tarkistus ja lakisääteiset velvoitteet täyttävä tarjoaja |
Oikeus-, terveys- ja tutkimuskäytössä turvallinen tapa on AI-luonnos ja huolellinen ihmistarkistus organisaation hyväksymillä työkaluilla. Tämä on yleistä tietoa, ei oikeudellista tai lääketieteellistä neuvontaa. whispertranscribe.ai ei esitä HIPAA- tai GDPR-vaatimustenmukaisuuden dokumentaatiota eikä SOC 2 -raporttia; jos työsi vaatii niitä, valitse dokumentaation tarjoava palvelu. Ihmisten tallentaminen edellyttää myös suostumuksia; puhelujen tallennuslait osavaltioittain käsittelee Yhdysvaltain sääntöjä. Hanki osallistujien ja järjestäjän tarvittavat suostumukset ennen tallennusta.
Tietosuoja: 6 kysymystä ennen latausta
Ennen arkaluonteisen tallenteen lataamista hanki kirjalliset vastaukset kuuteen kysymykseen tarjoajan tietosuojakäytännöstä, ei mainossivulta. Alla on whispertranscribe.ai:n tietosuojakäytännön sisältö (tarkistettu marraskuussa 2026).
- Kouluttavatko tallenteeni jonkun AI:ta? Käytännön mukaan tallenteita, äänitiedostoja ja litterointitekstiä ei käytetä omien tai kolmansien AI-mallien koulutukseen, hienosäätöön, arviointiin tai parantamiseen; käsittelijätkään eivät saa käyttää niitä näin.
- Kuunteleeko ihminen tiedostojani? Käytännön mukaan tallenteita tai litterointeja ei tarkisteta ihmisen toimesta; sisältö käsitellään automaattisesti.
- Kauanko tiedostot säilyvät? Alkuperäinen lataus poistetaan automaattisesti käsittelyn jälkeen. Erotettu MP3 säilytetään oletuksena 30 päivää ja poistetaan. Litteroinnit säilyvät tilillä poistamiseen asti.
- Voinko poistaa kaiken ja onko poisto lopullinen? Voit poistaa tallennetun äänen, litteroinnit ja MP3:t milloin vain tai pyytää koko tilin poistoa. Poisto on pysyvä eikä käytäntö tarjoa poistettujen sisältöjen varmuuskopiointi- tai palautuspalvelua; lataa säilytettävä sisältö ensin.
- Ketkä muut käsittelevät ääntä? Käytäntö mainitsee OpenAI:n AI-palvelujen ja ominaisuuksien tarjoajana sekä sivuston analytiikkapalvelut.
- Miten tiedot suojataan? Käytäntö mainitsee TLS 1.3:n siirrossa ja AES-256:n tallennuksessa.
Kysy samat kuusi kysymystä jokaiselta harkitulta tarjoajalta; epämääräinen tai puuttuva vastaus on myös vastaus.
AI-litterointityökalun valinta: tarkistuslista
Valitse työkalu testaamalla omia tallenteitasi ja tarvitsemiasi tuloksia, ei mainostetun tarkkuusluvun perusteella. Käy lista läpi yhdellä oikealla tiedostolla.
| Tarkistus | Hyväksy, jos… |
|---|---|
| Kieli ja aksentti | Tarkka kieli ja aluevariantti on ilmoitettu tiedostolitterointiin |
| Pisin tiedosto | Koko- ja pituusrajat ylittävät pisimmän tallenteesi |
| Äänen lisääminen | Työkalu hyväksyy tiedostot, linkit, selaintallennuksen tai kokoustyökalun tarpeesi mukaan |
| Puhujat | Tunnisteet ovat testitiedostossa oikein ja nimet voi vaihtaa |
| Vienti | Tarvittava muoto (DOCX, SRT, CSV…) kuuluu ostettavaan tilaukseen |
| Muokkaus | Ääntä voi kuunnella tekstiä korjattaessa |
| Tietosuojavastaukset | Kaikkiin kuuteen yllä olevaan kysymykseen on selkeät kirjalliset vastaukset |
| Hinta omalla määrällä | Olet laskenut tavallisen kuukauden tiedostorajoineen ja lisämaksuineen |
Työkalut käyttötapauksittain vertailee oppaamme parhaat AI-litterointiohjelmat.
AI-litterointi whispertranscribe.ai:lla
whispertranscribe.ai toimii selaimessa: valitse kieli, lisää ääni lataamalla, linkillä tai tallentamalla, ota puhujantunnistus käyttöön ja vie tulos. Näin se toimii Whisper AI -litterointityökalun sivulla.
- Valitse puhuttu kieli. Valitse yli 130 kielestä. Useilla on aluevariantit ja ”Noise / Low-Quality Audio/Video” -tilat; Multilingual Mix käsittelee kielenvaihtoa.
- Lisää ääni. Lataa ääni- tai videotiedosto kuten MP3, WAV, M4A, MP4, MOV tai MKV, enintään 5GB ja 10 tuntia tiedostoa kohti. Tai liitä YouTube-, Vimeo-, Google Drive- tai Dropbox-linkki Transcribe from URL -toimintoon tai tallenna äänesi selaimessa. Videoille katso video tekstiksi, haastatteluille haastattelulitterointi.
- Ota Speaker Detection käyttöön ennen aloitusta, jos puhujia on useita.
- Litteroi ja tarkista. Vertaa puhujanvaihdokset, nimet ja numerot ääneen.
- Vie. Lataa DOCX, PDF, TXT tai CSV tai SRT- ja VTT-tekstitykset; tekstitysgeneraattori on tarkoitettu captionsiin.
Mitä emme tarjoa: ei mobiili- tai työpöytäsovellusta, ihmisen litterointia tai oikolukua, API:a eikä omaa sanastoa. Maksulliset tilaukset alkavat hinnasta $9.99/kk vuosittain (hinnasto); ominaisuussivu luettelee muut toiminnot ja puhe tekstiksi verkossa kattaa lyhyet tallenteet.
AI-litteroinnin sanasto
Näitä termejä kohtaat tuotesivuilla ja dokumentaatiossa.
| Termi | Selkokielinen määritelmä |
|---|---|
| ASR (automaattinen puheentunnistus) | Teknologia, joka muuttaa puhutut sanat tekstiksi; IBM kutsuu sitä myös speech-to-textiksi. Se eroaa äänentunnistuksesta, joka tunnistaa puhujan. |
| Päästä päähän -malli | Yksi neuroverkko, joka muuntaa äänen suoraan tekstiksi erillisten akustisen, ääntämis- ja kielimallin sijaan. |
| WER (sanavirhetaso) | Microsoft määrittää sen lisäysten, poistojen ja korvausten määräksi jaettuna ihmisen merkitsemän vertailulitteroinnin sanamäärällä. Pienempi on parempi. |
| TER (token-virhetaso) | Kuten WER, mutta laskee myös välimerkki-, kirjainkoko- ja numeromuotoiluvirheet. |
| Diarisointi | Äänen jakaminen puhujittain ja sen merkitseminen, kuka puhui milloin, yleensä numeroilla. |
| Aikaleima | Sanaan tai jaksoon liitetty alku- tai loppuaika navigointiin ja tekstitykseen. |
| Sanatarkka | Litterointi, joka säilyttää täytesanat, keskeytyneet aloitukset ja muut kuin puheäänet. |
| Siistitty sanatarkka | Litterointi, josta täytesanat ja keskeytyneet aloitukset poistetaan luettavuuden vuoksi merkitystä muuttamatta. |
| Käänteinen tekstin normalisointi (ITN) | Puhutun muodon muuttaminen kirjoitetuksi, kuten ”kaksituhattakaksikymmentäkuusi” muotoon ”2026”. |
Usein kysytyt kysymykset
Mitä AI-litterointi on?
AI-litterointi muuttaa äänen tai videon puheen automaattisesti kirjoitetuksi tekstiksi puheentunnistusmallilla ilman ihmisen kirjoittamista. Useimmat työkalut lisäävät välimerkit, aikaleimat ja puhujat sekä vievät tuloksen dokumentiksi tai tekstitykseksi. Se on ihmislitterointia nopeampaa ja halvempaa, mutta tarkkuus riippuu äänenlaadusta, joten tarkista nimet, numerot ja lainaukset ennen käyttöä.
Miten AI-litterointi toimii?
Ääni digitoidaan ja muutetaan numeerisiksi äänipiirteiksi. Malli purkaa todennäköisimmät sanat: klassiset järjestelmät yhdistävät akustisen mallin, ääntämissanaston ja kielimallin, kun nykyaikaiset päästä päähän -mallit kuten Whisper käyttävät yhtä neuroverkkoa. Erilliset vaiheet merkitsevät puhujat eli diarisoivat, lisäävät aikaleimat ja muotoilevat välimerkit ja numerot.
Onko AI-litterointi tarkkaa?
Selkeällä lähellä mikrofonia tallennetulla äänellä nykyaikainen AI tunnistaa useimmat sanat oikein; whispertranscribe.ai saavuttaa jopa 99 %. Tarkkuus laskee melussa, etäisillä mikrofoneilla, päällekkäisellä puheella, vahvoilla aksenteilla ja erikoissanastolla. Kaikille tallenteille yhteistä lukua ei ole, joten testaa oma lyhyt näytteesi ja tarkista nimet, numerot ja lainattavat kohdat.
Onko AI-litterointi parempaa kuin ihmisen tekemä?
Se on nopeampaa ja halvempaa, ei luotettavampaa. AI tuottaa luonnoksen yleensä minuuteissa, ihmispalvelut tunneissa; Rev ilmoittaa ihmislitteroinnin alkaen $1.99/min ja 99%+ tarkkuustakuun (tarkistettu marraskuussa 2026). Muistiinpanoihin, tutkimuskoodaukseen ja luonnoksiin AI sekä oma tarkistus yleensä riittää. Oikeusasiakirjoihin, terveystietoihin ja julkaistuihin lainauksiin käytä pätevää ihmislitterointia tai huolellista ihmistarkistusta.
Onko AI-litterointi turvallista luottamuksellisille tallenteille?
Se voi olla, jos tarjoajan kirjalliset käytännöt sopivat tarpeisiisi. Tarkista mallikoulutus, ihmistarkistus, säilytysaika, poiston pysyvyys, kolmannet käsittelijät ja salaus. Jos työsi vaatii HIPAA- tai GDPR-vaatimustenmukaisuuden dokumentaatiota tai SOC 2 -raporttia, valitse ne tarjoava palvelu. Tämä on yleistä tietoa, ei oikeudellista neuvontaa.
Voiko AI-litterointi tunnistaa eri puhujat?
Kyllä, jos työkalu sisältää puhujadiarisoinnin. Se tunnistaa vaihtumiset ja numeroi puheenvuorot, kuten Speaker 1 ja Speaker 2, jotka nimeät uudelleen. Amazon Transcribe dokumentoi esimerkiksi enintään 30 puhujaa. Tunnisteet ovat epävarmimpia samankaltaisilla äänillä, päällekkäisessä puheessa tai yhteisellä etäisellä mikrofonilla, joten tarkista ne ennen lainaamista.
Valmis kokeilemaan AI-litterointia oikealla tallenteella? Aloita whispertranscribe.ai:lla ilman tiliä: enintään 5GB:n tiedostot, yli 130 kieltä, puhujantunnistus ja DOCX-, PDF-, SRT- ja VTT-vienti.
Lähteet
- IBM: What is speech recognition? (tarkistettu marraskuussa 2026)
- AWS: What is speech to text? ja Amazon Transcribe: Partitioning speakers (diarization) (tarkistettu marraskuussa 2026)
- Google Cloud: Detect different speakers in an audio recording (tarkistettu marraskuussa 2026)
- Microsoft Learn: Test accuracy of a custom speech model (WER and TER) (tarkistettu marraskuussa 2026)
- Radford ym.: Robust Speech Recognition via Large-Scale Weak Supervision (Whisper-julkaisu, arXiv 2212.04356)
- Rev: Pricing (ihmislitteroinnin hinnat, tarkistettu marraskuussa 2026)
- whispertranscribe.ai: Privacy policy (tarkistettu marraskuussa 2026)
