Þýðing tals í texta: hvernig á að umrita og þýða hljóð

Ritstjórn whispertranscribe.ai · Síðast uppfært: nóvember 2026 · 12 mínútna lestur

Þýðing tals í texta merkir að taka upptöku á einu tungumáli og búa til texta á öðru. Það er hægt á tvo vegu: umrita upptökuna á frummálinu og þýða síðan textann eða nota líkan sem skrifar markmálið beint úr hljóðinu. Fyrri leiðina er auðveldara að yfirfara, sú síðari er hraðari.

Hér að neðan: báðar vinnsluleiðir og veikleikar þeirra, fjórar hagnýtar aðferðir þar á meðal fjöltyngdir SRT- og VTT-skjátextar, tafla um gæði, gátlisti eftir þýðingu og hvenær fagþýðandi er öruggari kostur.

Stutt svar: hvernig á að þýða tal í texta

Fyrir flestar upptökur skaltu fyrst umrita á frummálinu, laga textann og þýða svo leiðréttu útgáfuna. Ef aðeins þarf ensku og hraða er beint tal-í-ensku verkfæri í lagi fyrir fyrstu drög. Í báðum tilvikum ætti manneskja sem kann bæði tungumálin að yfirfara allt sem á að birta eða treysta á.

  1. Umritaðu á talmálinu. Veldu tungumálið sjálf(ur) í stað þess að treysta á sjálfvirka greiningu.
  2. Leiðréttu frumumritunina. Byrjaðu á nöfnum, tölum og hugtökum.
  3. Þýddu og yfirfarðu. Þýddu textann og berðu hann saman við frumtexta og hljóð.

Hvað er þýðing tals í texta?

Hugtakið nær til hvers ferlis sem byrjar á tali á tungumáli A og endar með texta á tungumáli B. Venjuleg umritun helst á einu máli. Venjuleg þýðing byrjar á texta. Hér er hvoru tveggja sameinað og aðferðin ræður hversu auðvelt er að yfirfara niðurstöðuna.

Tvær leiðir: keðja eða bein þýðing

Vísindafólk kallar fyrri leiðina keðju: talgreining og síðan textaþýðing. Hin er bein talþýðing eða þýðing frá enda til enda, þar sem eitt líkan varpar hljóði beint í texta á markmáli. Whisper frá OpenAI getur gert það beint, en aðeins á ensku.

Umrita og þýða síðan (keðja) Bein talþýðing
Sýnileg skref Tvö: frumumritun og síðan þýðing Eitt: hljóð inn, marktexti út
Markmál Öll tungumál sem textaþýðandinn styður Oft takmörkuð; translate-verkefni Whisper skilar aðeins ensku
Texti á frummáli Hann varðveitist Yfirleitt ekki búinn til
Hvar má finna villur? Milli skrefa í frumtextanum Aðeins með því að bera úttakið við hljóðið
Endurþýðing síðar Endurnýttu leiðréttu umritunina Vinna hljóðið aftur eða þýða enskuna
Hentar best Rannsóknum, birtingu, skjátextum á mörgum málum og tilvitnunum Fljótlegum skilningi á upptöku á ensku

Hvað getur farið úrskeiðis í hvorri leið?

Í keðju safnast villur upp. Ef umritunin segir »fimmtíu« þar sem mælandi sagði »fimmtán« berst röng tala áfram í málfræðilega réttri þýðingu. Einföld lausn er að leiðrétta textann fyrir þýðingu.

Við beina þýðingu er enginn frumtexti til yfirferðar. Rangt heyrt orð og rangt þýtt orð líta eins út í niðurstöðunni og yfirfari þarf að fara aftur í hljóðið. Bein niðurstaða getur líka lesist óeðlilega hnökralaust, svo erfiðara er að finna villur.

Hvaða aðferð ætti að velja?

Veldu eftir tilgangi textans og fjölda tungumála sem þarf.

Aðstæður Ráðlögð aðferð Hvers vegna
Þú þarft fljótt að skilja upptöku á erlendu máli Aðferð 2: beint á ensku Eitt skref, læsileg drög
Þú vitnar í mælanda í grein eða skýrslu Aðferð 1 og aðferð 4 fyrir lykiltilvitnanir Hægt er að athuga upprunalegu orðin
Þú þarft skjátexta á tveimur eða fleiri málum Aðferð 3: frum-SRT eða VTT og síðan textaþýðing Ein tímaskrá nýtist öllum málum
Rannsóknarviðtöl til greiningar og tilvitnana Aðferð 1 Kóðun og tilvitnanir haldast tengdar frumumritun
Samningar, dómsgögn, sjúkra- eða innflytjendagögn Aðferð 4 með hæfum sérfræðingi Villur geta haft alvarlegar afleiðingar

Aðferð 1: Umrita á frummáli og þýða síðan textann

Þetta er sveigjanlegasta leiðin. Leiðrétt umritun verður að aðaleintaki sem allar þýðingar byggja á.

Skref 1: Umritaðu á tungumálinu sem talað er

Hladdu skránni í umritunarverkfæri og stilltu tungumálið áður en byrjað er. Í whispertranscribe.ai, vafraverkfæri byggðu á Whisper frá OpenAI, velurðu úr yfir 130 tungumálum, með landsafbrigðum og Noise / Low-Quality Audio/Video fyrir lélegar upptökur. Sérsíður eru fyrir algenga uppruna eins og spænskt hljóð og kínverskt hljóð. Fyrir málskipti styður Multilingual Mix ensku, spænsku, frönsku, þýsku, hindí, rússnesku, portúgölsku, japönsku, ítölsku og hollensku.

Ef upptakan er á Google Drive, Dropbox, Vimeo eða YouTube geturðu umritað af slóð í stað þess að sækja hana fyrst. Virkjaðu mælandagreiningu fyrir viðtöl og fundi.

Skref 2: Leiðréttu frumumritunina

Lagaðu textann áður en þýtt er, því hver óleiðrétt villa berst í hvert mál. Leitaðu fyrst að nöfnum, vöruheiti og skammstöfunum og hlustaðu aftur á allar tölur sem eiga að haldast. Nákvæmni getur náð 99% við skýrt hljóð. Hávaði, sterkur hreimur og samhliða tal draga úr henni, svo áætlaðu þessa yfirferð.

Skref 3: Þýddu leiðrétta textann

Flyttu umritunina út sem DOCX eða TXT og notaðu textaþýðanda. Athugaðu sniðtakmörk fyrst. Í nóvember 2026:

  • Google Translate þýðir skjöl allt að 10 MB á .docx, .pdf, .pptx og .xlsx, og PDF mega vera allt að 300 síður, samkvæmt hjálp Google Translate. Skjátextaskrár eru ekki á listanum.
  • DeepL telur upp á sniðasíðu sinni DOCX, PDF og TXT. Hún telur einnig upp SRT og VTT í Pro Individual, Pro Team, Pro Business og API-pökkum með 150 KB eða 200 KB hámarki á skjátextaskrá. Ókeypis DeepL-reikningur styður ekki TXT.

Gefðu þýðandanum samhengi þar sem það er hægt: hver talar, hverjir lesa og hversu formlegt úttakið á að vera.

Skref 4: Geymdu báðar útgáfur hlið við hlið

Vistaðu frumtexta og þýðingu sem par með samsvarandi nöfnum, til dæmis interview-04_es_v2.docx og interview-04_en_v2.docx, svo hægt sé að rekja hverja umdeilda línu til upprunalegu orðanna.

Aðferð 2: Umrita beint á ensku

Ef markmálið er enska og markmiðið að skilja eða draga upptöku saman sparar beint verkfæri eitt skref.

Nota síðuna til að þýða hljóð á ensku

Síðan þýða hljóð á ensku frá whispertranscribe.ai breytir tali á öðrum málum í enskan texta. Síðan lýsir því þannig og telur ekki upp markmál því úttakið er enska.

  1. Veldu talað tungumál. Fyrsta skrefið spyr um tungumál upptökunnar, ekki markmálið. Síðan segir að rétt val gefi nákvæmari ensku og leggur til að prófa annað ef niðurstaðan er ófullnægjandi.
  2. Hladdu upp skránni. Annað skref tekur við venjulegum hljóð- og myndsniðum, meðal annars MP3, WAV, M4A, MP4, MOV og MKV.
  3. Virkjaðu mælandagreiningu ef fleiri en einn tala. Síðan telur hana upp fyrir þýðingu.
  4. Veldu Translate audio to English, yfirfarðu síðan enska textann og flyttu hann út.

Líttu á niðurstöðuna sem vinnudrög; við lofum ekki þýðingargæðum. Ef þú þarft líka umritun á frummáli skaltu keyra venjulega umritun sérstaklega.

Nota opinn Whisper í tölvunni

Whisper-geymsla OpenAI skráir þýðingarverkefni sem skilar ensku:

whisper japanese.wav --model medium --language Japanese --task translate

Við prófuðum ekki skipunina þar sem Whisper CLI er ekki uppsett. Tvær viðvaranir úr README: sjálfgefna turbo líkanið er ekki þjálfað til þýðingar og skilar frummáli þótt --task translate sé notað, svo notaðu medium eða large; úttakið er aðeins enska. Fyrir þýskt hljóð á frönsku þarf enn textaþýðingu.

Hversu gott er þetta? Whisper-greinin segir að þjálfunargögn hafi innihaldið 125.000 stundir af X→ensku þýðingargögnum. Án þjálfunar á CoVoST2-viðmiðinu fékk Whisper 29,1 BLEU, sem höfundar kölluðu nýjan besta árangur. BLEU mælir skörun vélarúttaks og viðmiðunarþýðinga, ekki hlutfall réttra setninga. Greinin segir einnig að Whisper sé enn á eftir eldri kerfum sem eru þjálfuð beint fyrir mál með mikið gagnamagn og að meira þjálfunarmagn spái mun síður fyrir um þýðingargæði en gæði umritunar.

Aðferð 3: Búa til fjöltyngda skjátexta (SRT og VTT)

Fyrir myndskeið skaltu búa til eina skjátextaskrá á frummáli og þýða aðeins texta hvers skjátexta. Tímasetning helst sú sama milli mála.

Skref 1: Búðu til skjátextaskrá á frummáli

Notaðu skjátextagerðina eða MP4-í-SRT breytinn og flyttu út SRT eða VTT á talaða málinu. Leiðréttu texta og tímasetningu fyrst; skráin er sniðmát allra tungumála.

Skref 2: Þýddu skjátextann, ekki uppbygginguna

SRT-skjátexti hefur númer, tímakóðalínu og texta. Aðeins textinn á að breytast. Uppspunnið dæmi:

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
Fundurinn byrjar 3. maí klukkan 15:00.

Númer og tímakóði haldast eins. Dagsetning og tími eru aðlöguð markhópnum. Ef þýðandinn tekur aðeins við skjölum skaltu afrita textann í töflu og líma hann aftur inn skjátexta fyrir skjátexta. Pro-pakkar DeepL taka beint við SRT og VTT eins og lýst var.

Skref 3: Athugaðu leslengd

Þýdd lína getur verið lengri en frumtextinn og skjátexti sem var þægilegur á 3,7 sekúndum passar kannski ekki lengur. Skiptu löngum textum eða styttu orðalag, en færðu ekki tímakóða nema athuga þá aftur við hljóðið.

Skref 4: Hladdu hverju tungumáli upp sem sérstöku spori

Nefndu skrár með tungumálakóðum, til dæmis talk.en.srt og talk.es.srt, og hladdu hverri upp sem sérstöku skjátextaspori. Laus skjátextaspor leyfa áhorfendum að skipta um tungumál.

Aðferð 4: Bæta við mannlegri yfirferð

Fyrir allt sem á að birta, vitna í eða nota við ákvörðun skal tvítyngdur yfirfari bera þýðinguna saman við frumtextann. Vélarúttak lesst oft hnökralaust þótt það sé rangt.

Einfalt yfirferðarspjald gerir þetta hraðara. Uppspunnið dæmi um snið:

Skjátexti Frumlína Þýðing Merki Athugasemd yfirfara
#37 Vamos a cerrar el trato el lunes Við ljúkum samningnum á mánudag Í lagi —
#81 Eso no es moco de pavo Þetta er ekki kalkúnasnót Orðatiltæki Notaðu »Þetta er ekkert smáræði«
#126 Facturamos 1,5 millones Við reikningsfærðum 1,5 milljónir Tala Staðfestu gjaldmiðil hjá mælanda

Beindu yfirfaranum að nöfnum, tölum, tilvitnunum, lagalegum eða læknisfræðilegum hugtökum og merktum óskýrleika. whispertranscribe.ai býður ekki mannlega umritun eða þýðingu, svo þú eða sérfræðingur sinnir þessu skrefi.

Hvað hefur áhrif á gæði þýðingar tals í texta?

Gæðin ráðast tvisvar: þegar tal verður að texta og þegar textinn breytir um tungumál. Sumir þættir skaða hvort tveggja.

Þáttur Áhrif á umritun Áhrif á þýðingu Hvað skal gera
Hljóðgæði (hávaði, bergmál, fjarlægð) Orð missast eða heyrast rangt Villur berast í öll mál Taktu upp nálægt hljóðnema; notaðu hreinasta frumrit
Hreimur og mállýskur Fleiri villur í staðbundnu tali Staðbundin orð geta verið þýdd bókstaflega Veldu landsafbrigði ef það er til
Tæknileg hugtök Skrifuð eftir hljóði Röng eða ósamræmd jafngildi Búðu til hugtakasafn og lagaðu frumtexta
Tungumálapar Fer eftir talmáli Algeng pör virka oft betur en sjaldgæf Áætlaðu meiri yfirferð fyrir sjaldgæf mál
Sérnöfn Nöfn verða að almennum orðum Nöfn »þýdd« eða breytt Skráðu nöfn fyrirfram; leitaðu og lagaðu
Málskipti Rangt mál giskað í miðri setningu Blandaður texti ruglar þýðandann Notaðu blandaða stillingu; merktu mál
Samhliða tal Línur sameinast eða detta út Merking mælanda glatast Aðskildir nemar; athugaðu merki við truflanir

Bestu vinnubrögð Google fyrir talgögn segja að tapandi kóðun eins og MP3 og M4A geti dregið úr nákvæmni og að hávaði og bergmál skaði enn meira með henni. README OpenAI bætir við að árangur Whisper sé mjög mismunandi milli tungumála. Hvort tveggja er ástæða til að prófa stutt sýnishorn fyrir stóra runu.

Gátlisti eftir þýðingu

Farðu yfir listann eftir hverja þýðingu áður en einhver utan teymisins sér hana:

  • Tölur. Hver tala samsvarar hljóði. Athugaðu tugabrot: »1,5« í mörgum Evrópumálum er 1.5 á ensku.
  • Gjaldmiðill og einingar. Gjaldmiðill helst óbreyttur nema umreikningur sé skýrður; kílómetrum er ekki hljóðlega breytt í mílur.
  • Nöfn og titlar. Fólk, fyrirtæki og staðir eru stafsett eins og þau sjálf gera, ekki þýdd.
  • Dagsetningar og tímar. Röð dags og mánaðar er mismunandi: 03/04 getur þýtt 3. apríl eða 4. mars. Skrifaðu mánuðinn með orði þegar það skiptir máli.
  • Tilvitnanir. Beinar tilvitnanir eru athugaðar við hljóðið, ekki aðeins umritunina.
  • Orðatiltæki og húmor. Bókstaflegum þýðingum er skipt út fyrir eðlileg jafngildi eða þær merktar.
  • Menningarlegt samhengi. Óskiljanlegar vísanir fá stutta athugasemd fremur en hljóðlega endurskrift.
  • Málstíll. Formlegt og óformlegt ávarp (tú/usted, du/Sie) hæfir sambandi mælanda.
  • Mælandamerki. Hver lína er enn eignuð réttum aðila.
  • Óskýr brot. Óvissa er merkt [unclear] á báðum málum í stað ágiskunar.

Hvenær þarf fagþýðanda?

Notaðu hæfan mannlegan þýðanda þegar villa gæti kostað fé, heilsu, réttarstöðu eða traust. Þetta er ekki lögfræðiráðgjöf; kröfur eru mismunandi eftir landi, dómstóli og stofnun, svo athugaðu hjá viðtakanda skjalsins.

Aðstæður Hvers vegna vélarúttak dugar ekki
Innflytjendaumsóknir Reglur Bandaríkjanna (8 CFR 103.2(b)(3)) krefjast fullrar enskrar þýðingar erlendra skjala til USCIS með vottun þýðanda um heilleika, nákvæmni og hæfni
Dómsgögn og vitnaleiðslur Dómstólar setja oft sínar reglur um hver megi þýða eða votta
Samningar og samkomulag Eitt rangt orð getur breytt skyldu
Læknisviðtöl og sjúkraskrár Skammtar, einkenni og samþykki verða að vera nákvæm
Birtar tilvitnanir og fjölmiðlaefni Rangar tilvitnanir skaða traust og geta skapað ábyrgð

Fyrir minni áhættu, eins og innri glósur, rannsóknardrög eða skilning á myndskeiði, dugar oft vélþýðing með þinni yfirferð.

Hvaða útflutningssnið þarftu?

Veldu snið eftir næsta skrefi. Umritanir í whispertranscribe.ai fást sem DOCX, PDF, TXT, CSV, SRT og VTT.

Snið Notkun
DOCX Þýðing í Word, DeepL eða Google Translate; breytingar með athugasemdum
TXT Líma í þýðanda eða annað forrit
PDF Fast eintak samþykktrar þýðingar
CSV Hlið við hlið yfirferð og rannsóknarkóðun
SRT Skjátextaspor fyrir YouTube, myndvinnslu og spilara
VTT Skjátexti fyrir HTML5-vefspilara

Algengar spurningar

Hver er munurinn á tali í texta og þýðingu tals í texta?

Tal í texta heldur frummálinu: spænskt hljóð verður spænskur texti. Þýðing tals í texta endar á öðru máli, svo spænskt hljóð verður enskur texti. Hún getur farið fram í tveimur skrefum, með umritun og þýðingu, eða einu skrefi með líkani sem skrifar markmálið beint. Auðveldara er að yfirfara tveggja skrefa leiðina því hægt er að laga frumtextann fyrir þýðingu og endurnýta hann fyrir önnur mál.

Getur Whisper þýtt hljóð á önnur mál en ensku?

Nei. Innbyggt þýðingarverkefni Whisper skilar aðeins ensku. Hægt er að gefa því tal á mörgum málum en það skrifar enskan texta. Fyrir annað markmál skaltu umrita hljóðið á frummáli og þýða textann með textaþýðanda. README OpenAI segir einnig að sjálfgefna turbo líkanið sé ekki þjálfað til þýðinga og skili frummáli þótt beðið sé um þýðingu. Notaðu medium eða large til þýðingar.

Er betra að umrita fyrst og þýða síðan?

Yfirleitt já, ef niðurstaðan verður birt, notuð í tilvitnun eða þýdd á fleiri en eitt mál. Frumumritun gefur texta sem hægt er að laga, svo rangt heyrt nafn eða tala er leiðrétt einu sinni í stað hverrar þýðingar. Bein tal-í-ensku leið er hraðari þegar aðeins þarf að skilja upptöku. Fyrir fjöltyngda skjátexta er leiðrétt SRT eða VTT á frummáli hagnýtasta upphafið.

Hversu nákvæm er þýðing tals í texta?

Það fer eftir hljóði, málpari og efni; engin ein tala gildir fyrir allt. Umritun á skýru hljóði getur verið mjög nákvæm. whispertranscribe.ai nær allt að 99% við skýrt hljóð, en hávaði og hreimur lækka það. Þýðing bætir við sínum villum, einkum við orðatiltæki, nöfn og sérhugtök. Algeng málpör standa sig yfirleitt betur. Athugaðu tölur, nöfn og tilvitnanir sjálf(ur) og fáðu tvítyngda yfirferð á mikilvægu efni.

Get ég þýtt skjátexta og haldið tímastimplum?

Já. Þýddu aðeins texta hvers skjátexta og láttu númer og tímakóða óbreytta. Þetta má gera handvirkt, með því að líma textann í þýðanda og aftur til baka, eða með verkfæri sem tekur skjátextaskrár. DeepL telur SRT og VTT upp í Pro Individual, Pro Team, Pro Business og API. Skjalaþýðing Google Translate telur skjátextasnið ekki upp. Eftir þýðingu skaltu athuga hvort langar línur séu enn læsilegar meðan þær birtast.

Má nota vélþýðingu fyrir lögfræðilegar eða læknisfræðilegar upptökur?

Hana má nota til fyrstu skoðunar, en ekki sem lokaútgáfu. Lögfræði-, heilbrigðis-, samnings- og innflytjendaefni þarf oft hæfan mannlegan þýðanda og sumar stofnanir krefjast vottaðrar þýðingar. Bandarískar innflytjendareglur krefjast til dæmis vottunar þýðanda um að ensk þýðing sé heil og nákvæm. Kröfur eru mismunandi milli landa og stofnana, svo athugaðu hjá viðtakanda skjalsins. Þetta eru almennar upplýsingar, ekki lögfræðiráðgjöf.


Tilbúin(n) að byrja? Hladdu upptöku upp til að þýða hljóð á ensku eða umritaðu fyrst á frummáli fyrir skjátexta og önnur markmál. Þú getur prófað ókeypis án reiknings. Greiddir pakkar byrja á 9,99 dollurum á mánuði með ársgreiðslu; sjá verð. whispertranscribe.ai býður ekki API, mannlega umritun eða fundarbott.

Heimildir

Viltu breyta upptökunum þínum í texta?

Breyttu hljóði og myndskeiðum í texta með whispertranscribe.ai.

Hefja umritun ↗